勃肯特研發(fā)之路：基于機器視覺的智能缺陷檢測系統(tǒng)

來源：發(fā)布時間：2020-07-16

隨著電子技術(shù)、圖像傳感技術(shù)和計算機技術(shù)的快速發(fā)展，利用基于機器視覺檢測技術(shù)取代人工目視檢測表面缺陷，已逐漸成為表面缺陷檢測的重要手段，該方法具有自動化、非接觸、速度快、精度高、穩(wěn)定性高等優(yōu)點。勃肯特已研發(fā)了基于機器視覺的智能缺陷檢測系統(tǒng)。

圖1智能缺陷檢測系統(tǒng)

一、目標圖像處理

1.1標準圖像采集

相機將攝入的圖像模擬信號經(jīng)圖像采集卡數(shù)字化后送入計算機。

圖2圖像獲取

1.2圖像增強

1.2.1平滑濾波

采用領域平均法去除或衰減混雜在圖像上的噪聲的干擾，改善圖像的質(zhì)量。

圖3（j,k）點兩種領域

1.2.2灰度拉伸

采用灰度拉伸的方法對目標圖像進行圖像增強處理，可以更加靈活的控制輸出灰度直方圖的分布，可以有選擇的拉伸某段灰度區(qū)間以改善輸出圖像。

圖4灰度拉伸變換函數(shù)

1.3圖像分割

采用比較大類間方差法，依據(jù)灰度直方圖，實現(xiàn)圖像分割，不易受噪聲影響。

二、圖像匹配

依據(jù)檢測的物體，把所有缺陷進行分類識別，建立缺陷模板匹配數(shù)據(jù)庫。當實時檢測物體時，調(diào)取數(shù)據(jù)庫，輸出檢測結(jié)果，發(fā)信號給機器人，提高缺陷檢測精度。

2.1形狀特征提取

采用 Hough 變換分別對提取的孔進行圓形檢測，初步計算出孔在圖像中的像素級圓心坐標，再利用切線信息對孔進行亞象素邊緣檢測來進一步提高孔的圓心精度。

圖5圖像空間和參數(shù)空間中點和線的對偶性

圖6圓檢測中梯度信息的利用

圖7亞像素邊緣檢測

2.2多尺度形態(tài)學圖像邊緣提取

采用小波分解的方法分解檢測對象，分別得到圖像數(shù)據(jù)的高、低頻子圖像，利用多尺度形態(tài)學對低頻子圖像進行邊緣檢測，采用小波變換進行高頻子圖像邊緣檢測，將二者邊緣檢測結(jié)果融合，得到的清晰圖像。

在產(chǎn)品生產(chǎn)制造過程中，由于生產(chǎn)環(huán)境不理想、制造工藝不規(guī)范等各種技術(shù)原因，產(chǎn)品表面難免會產(chǎn)生多種缺陷，如印制電路板上出現(xiàn)錯孔、劃傷、斷路、短路和污染，液晶面板的基板玻璃和濾光片表面含有、劃痕、顆粒，帶鋼表面產(chǎn)生裂紋、輥印、孔洞和麻點，鐵路鋼軌出現(xiàn)凹坑、鼓包、劃痕擦傷、色斑和銹蝕，這些缺陷不僅影響產(chǎn)品外觀，更重要的是影響產(chǎn)品性能，嚴重時甚至危害生命安全，對用戶造成巨大經(jīng)濟損失。

勃肯特研發(fā)的智能缺陷檢測系統(tǒng)能夠提高檢測缺陷效率，并識別缺陷種類，可供用戶循環(huán)利用，減少更多的經(jīng)濟損失。