基于機器視覺的表面缺陷檢測方法研究.pdf

1、產(chǎn)品質(zhì)量安全一直都是工業(yè)生產(chǎn)中關鍵性的環(huán)節(jié)，直接關系到產(chǎn)品在市場上的銷售份額，具有高質(zhì)量的產(chǎn)品才能在市場競爭中獲取一席之地。現(xiàn)在的工業(yè)制造中，多數(shù)產(chǎn)品的質(zhì)量需要人為檢測，這是一個耗時耗工的環(huán)節(jié)，企業(yè)需要投入大量的精力和財力來保證產(chǎn)品品質(zhì)。隨著計算機技術的不斷發(fā)展和應用領域的不斷擴展以及機器視覺技術的成熟，用于工業(yè)產(chǎn)品質(zhì)量檢測的全自動化缺陷檢測系統(tǒng)隨之發(fā)展起來。
　　本文針對計算機輔助檢測產(chǎn)品質(zhì)量安全的問題，提出了幾種通用的基于機器

2、視覺的缺陷監(jiān)測方法，克服傳統(tǒng)缺陷檢測方法檢測對象局限，來對工業(yè)產(chǎn)品的表面圖像進行分析以判斷其是否存在缺陷，控制產(chǎn)品質(zhì)量。對于表面均勻規(guī)則的紋理圖像缺陷，本文提出了利用子圖像灰度差的特征非監(jiān)督檢測缺陷的方法。對于一般性的物體表面，本文提出了兩種監(jiān)督學習的缺陷檢測方法。在預處理過產(chǎn)品的表面圖像后，一種方法是利用子圖像灰度差建立合格品與缺陷產(chǎn)品表面圖像的缺陷數(shù)向量特征并擬合出 Logistic回歸模型檢測產(chǎn)品缺陷。另一種方法是提取圖像子圖像平

3、均灰度差，彩色直方圖以及像素均勻度來表述圖像，并對多幅合格產(chǎn)品的圖像求取上述特征并進行特征學習，獲取合格產(chǎn)品的特征分布，來判斷待檢測的工業(yè)產(chǎn)品當中是否存在缺陷。
　　三種方法在windows平臺上利用visual studio2008基于OpenCV進行軟件實現(xiàn)，構(gòu)建了缺陷檢測的軟件框架。本文采用了多幅工業(yè)產(chǎn)品的圖像對本文的方法進行驗證，以缺陷檢測的正確率來判別方法的有效性。三種方法檢測缺陷的準確率分別為92.7％，93.0%和9