表面缺陷机器视觉在线检测技术分析与研究

表面缺陷机器视觉在线检测技术分析与研究

孙晓东

OnSurfaceDefectOn-lineDetectionTechnologyofMachineVision

孙晓东SUNXiao-dong（淮南联合大学机电系，淮南232038）（SchoolofMechanicalandElectricalEngineering，HuainanUnionUniversity，Huainan232038，China）

摘要院表面缺陷检测是产品质量保证体系中必不可少且极其重要的一个环节。基于机器视觉成像方法的表面检测技术已经成为物体表面在线检测的一个革新手段。本文对该项检测手段进行了技术分析，并给出了LED光源设计、表面缺陷视觉成像的研究方法。

Abstract:Surfacedefectdetectionisanessentialandimportantlinkinthesystemtoensurethequalityoftheproducts.Surfacedetectiontechnologybasedonmachinevisionimagingmethodhasbecomeameansofreformonlinesurfaceinspection.Thispaperanalyzesthemeansofdetection,andgivesthemethodstoresearchLEDlightsourcedesign,surfacedefectvisualimaging.

关键词院表面缺陷检测；视觉检测；LED光源Keywords:surfacedefectdetection；visualinspection；LEDlightsource

中图分类号院TP391文献标识码院A文章编号院1006-4311（2014）16-0057-020

引言机器视觉检测技术是用视觉传感器和计算机组成的采集与控制系统对被测对象进行成像，再利用图像处理技术提取被测量信息的测量技术。机器视觉检测系统通常由视觉传感器、计算机采集与控制、图像处理三大模块组成，其中视觉传感器是由特定的照明光源和成像器件组成。在机器视觉表面缺陷检测量方法上关键要解决照明方法与成像方法两个问题。

1LED光源照明的打光技巧与LED光源模组设计分析在视觉检测中，LED光源的设计，是实现正确打光技巧的前题。打光方法是否合理关系到目标信息是否能准确的摄取。因此，LED光源设计与打光技巧是视觉检测中的关键问题。

首先在理论上解决以下两个问题：一是明场照明与暗场照明、直接照明与散射照明、倾斜照明与同轴照明、投射照明、偏振照明等照明方式同表面粗糙度和表面特征之间的关系；二是照面光源的色温和光谱特性同目标特征的颜色以及背景颜色之间的互补关系，以及光谱与色温对目标特征增强的影响规律。

然后以光的反射、散射等物理光学及光度学为理论基础，以LightTools和TracePro为光源设计工具软件，结合图1对LED光源的要求，研究LED光源照明的打光技巧和LED光源的设计原理和方法。

2表面缺陷视觉在线检测中大孔径远心光路成像技术分析不论是点扫描成像、线扫描成像还是帧成像，通常在图像传感器的前方需要放置一个物镜，在特定的照明方式下，在特定的空间位置，把含有表面缺陷信息的散射光场汇聚到图像传感器的感光面上。由于成像物镜一般都有有限的孔径，在近几年的研究中发现，这种小孔径视觉成像，在大面积表面缺陷测量中，对很多缺陷不敏感，要解决这个问题，需要研究采用大孔径远心光路成像。而在大面积表面缺陷检测中，大孔径远心光路系统又很难实现。

以往的研究中发现用线阵扫描方法或面阵摄像机直接对被测表面成像时，即使摄像机的分辨率很高，有时都难以分辨表面上的微观缺陷，主要原因是摄像机镜头的孔径大小改变了光线的传播方向。为了解决这个问题，只有让散射光场中的光线平行地投射到感光面上，即采用远心光路系统。图1给出了高速线阵扫描的两种可能的视觉成像方式。

3表面缺陷计算机自动识别技术分析采用计算机从视觉图像中自动识别表面缺陷，在理论上与实际应用中一直都是一个非常难的问题，尤其是复杂背景的视觉图像中表面缺陷的自动识别。这通常是表面缺陷在线检测中的一个主要瓶颈。不过近些年来，随着数学形态学、计算机纹理分析技术与模式识别技术的发展，各种新的自动识别方法不断出现，为表面缺陷的自动识别在理论与方法上提供了很好的支持。

目前研究工作中，常用的途径是采用数学形态学与纹理分析等分类法。如Anand等人对焊接的缺陷图像首先利用Canny算子探测出缺陷的边界，再用膨胀法连接哪些相似的边界，用腐蚀去除掉哪些不相干的边界，最后根据缺陷的特性进行分类。Chetverikov等人在视觉检测具有规则纹理结构表面的缺陷时，采用形态学对纹理中的缺陷进行增强，然后根据纹理的规则性与局部方向性把缺陷从纹理图像中分离出来。

可以分析得出，将数学形态学与计算机纹理分析技术结合起来，进行表面缺陷的自动识别技术研究将是一种可行的方法。形态学方法一般比较适合用于表面缺陷视觉图像的前期处理，因为用它对缺陷图像进行变换，可以增强表面缺陷的特征，但是它难以单独完成缺陷的自动识别任务。纹理分类有四大种类，每个种类有许多不同的分类方法，利用纹理中的特征值或函数，可以完成图像自动识别。

但是在纹理分类法中，目前现有的分类方法对复杂的纹理图像识别精度不是很高，有时难以胜任表面缺陷在线自动检测的需要。因此如果把形态学方法与纹理分类法结合起来，也许是一条比较好的提高自动识别精度的途径。

参考文献院[1]A.Anand,P.Kumar,“Flawdetectioninradiographicweldimagesusingmorphologicalapproach,”NDT&EInternational,Vol.39，2006：29-23.[2]D.Chetverikov,A.Hanbury,“Findingdefectsintextureusingregularityandlocalorientation,”PatternRecognition,Vol.35,2002：2165-2180.[3]彭向前.产品表面缺陷在线检测方法研究及系统实现[D].华中科技大学，2008.[4]朱正德.零部件表面缺陷的机器视觉检测模式[J].现代零部件，2005(09).基金项目院安徽省高校自然科学研究项目：表面缺陷机器视觉在线检测技术（KJ2013B255）。

作者简介院孙晓东（1981-），男，安徽淮南人，讲师，工学硕士，从事机械设计及理论的教学和科研工作。