中國是一個制造大國，每天都要生產(chǎn)大量的工業(yè)產(chǎn)品。用戶和生產(chǎn)企業(yè)對產(chǎn)品質(zhì)量的要求越來越高，除要求滿足使用性能外，還要有良好的外觀，即良好的表面質(zhì)量。但是，在制造產(chǎn)品的過程中，表面缺陷的產(chǎn)生往往是不可避免的。

不同產(chǎn)品的表面缺陷有著不同的定義和類型，一般而言表面缺陷是產(chǎn)品表面局部物理或化學(xué)性質(zhì)不均勻的區(qū)域，如金屬表面的劃痕、斑點(diǎn)、孔洞，紙張表面的色差、壓痕，玻璃等非金屬表面的夾雜、破損、污點(diǎn)，等等。表面缺陷不僅影響產(chǎn)品的美觀和舒適度，而且一般也會對其使用性能帶來不良影響，所以生產(chǎn)企業(yè)對產(chǎn)品的表面缺陷檢測非常重視，以便及時發(fā)現(xiàn)，從而有效控制產(chǎn)品質(zhì)量，還可以根據(jù)檢測結(jié)果分析生產(chǎn)工藝中存在的某些問題，從而杜絕或減少缺陷品的產(chǎn)生，同時防止?jié)撛诘馁Q(mào)易糾份，維護(hù)企業(yè)榮譽(yù)。

人工檢測是產(chǎn)品表面缺陷的傳統(tǒng)檢測方法，該方法抽檢率低、準(zhǔn)確性不高、實時性差、效率低、勞動強(qiáng)度大、受人工經(jīng)驗和主觀因素的影響大，而基于機(jī)器視覺的檢測方法可以很大程度上克服上述弊端。

美國機(jī)器人工業(yè)協(xié)會（RIA）對機(jī)器視覺下的定義為：“機(jī)器視覺是通過光學(xué)的裝置和非接觸的傳感器自動地接收和處理一個真實物體的圖像，以獲得所需信息或用于控制機(jī)器人運(yùn)動的裝置”。

機(jī)器視覺是一種無接觸、無損傷的自動檢測技術(shù)，是實現(xiàn)設(shè)備自動化、智能化和精密控制的有效手段，具有安全可靠、光譜響應(yīng)范圍寬、可在惡劣環(huán)境下長時間工作和生產(chǎn)效率高等突出優(yōu)點(diǎn)。機(jī)器視覺檢測系統(tǒng)通過適當(dāng)?shù)墓庠春?a href="http://m.makelele.cn/tags/圖像傳感器/" target="_blank">圖像傳感器（CCD攝像機(jī)）獲取產(chǎn)品的表面圖像，利用相應(yīng)的圖像處理算法提取圖像的特征信息，然后根據(jù)特征信息進(jìn)行表面缺陷的定位、識別、分級等判別和統(tǒng)計、存儲、查詢等操作；

視覺表面缺陷檢測系統(tǒng)基本組成主要包括圖像獲取模塊、圖像處理模塊、圖像分析模塊、數(shù)據(jù)管理及人機(jī)接口模塊。

圖像獲取模塊由CCD攝像機(jī)、光學(xué)鏡頭、光源及其夾持裝置等組成，其功能是完成產(chǎn)品表面圖像的采集。在光源的照明下，通過光學(xué)鏡頭將產(chǎn)品表面成像于相機(jī)傳感器上，光信號先轉(zhuǎn)換成電信號，進(jìn)而轉(zhuǎn)換成計算機(jī)能處理的數(shù)字信號。目前工業(yè)用相機(jī)主要基于CCD或CMOS（complementary metal oxide semiconductor）芯片的相機(jī)。CCD是目前機(jī)器視覺最為常用的圖像傳感器。

光源直接影響到圖像的質(zhì)量，其作用是克服環(huán)境光干擾，保證圖像的穩(wěn)定性，獲得對比度盡可能高的圖像。目前常用的光源有鹵素?zé)?、熒光燈和發(fā)光二級管（LED）。LED光源以體積小、功耗低、響應(yīng)速度快、發(fā)光單色性好、可靠性高、光均勻穩(wěn)定、易集成等優(yōu)點(diǎn)獲得了廣泛的應(yīng)用。

由光源構(gòu)成的照明系統(tǒng)按其照射方法可分為明場照明與暗場照明、結(jié)構(gòu)光照明與頻閃光照明。明場與暗場主要描述相機(jī)與光源的位置關(guān)系，明場照明指相機(jī)直接接收光源在目標(biāo)上的反射光，一般相機(jī)與光源異側(cè)分布，這種方式便于安裝；暗場照明指相機(jī)間接接收光源在目標(biāo)上的散射光，一般相機(jī)與光源同側(cè)分布，它的優(yōu)點(diǎn)是能獲得高對比度的圖像。結(jié)構(gòu)光照明是將光柵或線光源等投射到被測物上，根據(jù)它們產(chǎn)生的畸變，解調(diào)出被測物的3維信息。頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機(jī)拍攝要求與光源同步。

圖像處理模塊主要涉及圖像去噪、圖像增強(qiáng)與復(fù)原、缺陷的檢測和目標(biāo)分割。

由于現(xiàn)場環(huán)境、CCD圖像光電轉(zhuǎn)換、傳輸電路及電子元件都會使圖像產(chǎn)生噪聲，這些噪聲降低了圖像的質(zhì)量從而對圖像的處理和分析帶來不良影響，所以要對圖像進(jìn)行預(yù)處理以去噪。圖像增強(qiáng)目是針對給定圖像的應(yīng)用場合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強(qiáng)圖像判讀和識別效果的圖像處理方法。圖像復(fù)原是通過計算機(jī)處理，對質(zhì)量下降的圖像加以重建或復(fù)原的處理過程。圖像復(fù)原很多時候采用與圖像增強(qiáng)同樣的方法，但圖像增強(qiáng)的結(jié)果還需要下一階段來驗證；而圖像復(fù)原試圖利用退化過程的先驗知識，來恢復(fù)已被退化圖像的本來面目，如加性噪聲的消除、運(yùn)動模糊的復(fù)原等。圖像分割的目的是把圖像中目標(biāo)區(qū)域分割出來，以便進(jìn)行下一步的處理。

圖像分析模塊主要涉及特征提取、特征選擇和圖像識別。

特征提取的作用是從圖像像素中提取可以描述目標(biāo)特性的表達(dá)量，把不同目標(biāo)間的差異映射到低維的特征空間，從而有利于壓縮數(shù)據(jù)量、提高識別率。表面缺陷檢測通常提取的特征有紋理特征、幾何形狀特征、顏色特征、變換系數(shù)特征等，用這些多信息融合的特征向量來區(qū)可靠地區(qū)分不同類型的缺陷；這些特征之間一般存在冗余信息，即并不能保證特征集是最優(yōu)的，好的特征集應(yīng)具備簡約性和魯棒性，為此，還需要進(jìn)一步從特征集中選擇更有利于分類的特征，即特征的選擇。圖像識別主要根據(jù)提取的特征集來訓(xùn)練分類器，使其對表面缺陷類型進(jìn)行正確的分類識別。

在現(xiàn)代工業(yè)連續(xù)、大批量自動化生產(chǎn)中，涉及各種各樣的質(zhì)量檢測，如工件表面是否有劃痕、印刷品是否有油污或破損、字符印刷正誤和電路板線路正誤檢查等。質(zhì)量檢測系統(tǒng)的性能優(yōu)劣在一定程度上直接影響著產(chǎn)品質(zhì)量和生產(chǎn)效率。能夠?qū)Ξa(chǎn)品進(jìn)行在線高速缺陷檢測已經(jīng)成為高質(zhì)量和高效率生產(chǎn)的保證。

人工檢測

產(chǎn)品缺陷檢測方法可以分為三種。第一種是人工檢測法，這種方法不僅成本高，而且在對微小缺陷進(jìn)行判別時，難以達(dá)到所需要的精度和速度，人工檢測法還存在勞動強(qiáng)度大、檢測標(biāo)準(zhǔn)一致性差等缺點(diǎn)。第二種是機(jī)械裝置接觸檢測法，這種方法雖然在質(zhì)量上能滿足生產(chǎn)的需要，但存在檢測設(shè)備價格高、靈活性差、速度慢等缺點(diǎn)。第三種是機(jī)器視覺檢測法，即利用圖像處理和分析對產(chǎn)品可能存在的缺陷進(jìn)行檢測，這種方法采用非接觸的工作方式，安裝靈活，測量精度和速度都比較高。同一臺機(jī)器視覺檢測設(shè)備可以實現(xiàn)對不同產(chǎn)品的多參數(shù)檢測，為企業(yè)節(jié)約大筆設(shè)備開支。

繁忙的檢驗科

待檢測物品的缺陷表現(xiàn)在圖像上，即為缺陷處的灰度值與標(biāo)準(zhǔn)圖像的差異。將缺陷圖像的灰度值同標(biāo)準(zhǔn)圖像進(jìn)行比較，判斷其差值（兩幅圖灰度值的差異程度）是否超出預(yù)先設(shè)定的閾值范圍，就能判斷出待測物品有無缺陷。

機(jī)器視覺檢驗

在實際應(yīng)用中，不同產(chǎn)品對缺陷的定義也不一樣。一般來說，產(chǎn)品表面缺陷分為結(jié)構(gòu)缺陷、幾何缺陷和顏色缺陷等幾種類型。常見的工件完整性檢測屬于結(jié)構(gòu)缺陷檢測，尺寸規(guī)格檢測屬于幾何缺陷檢測，而印刷品質(zhì)量檢測中常需要進(jìn)行顏色缺陷檢測。

視覺檢驗軟件

機(jī)器視覺缺陷檢測軟件通過對目標(biāo)表面圖像進(jìn)行預(yù)處理，并與標(biāo)準(zhǔn)圖像對比，找到其中存在的缺陷，然后識別并判斷缺陷種類和嚴(yán)重程度，對產(chǎn)品進(jìn)行分類分級處理。

發(fā)展趨勢

基于機(jī)器視覺的表面缺陷檢測將是未來研究和發(fā)展的主要方向，目前，基于機(jī)器視覺的表面缺陷檢測理論研究和實際應(yīng)用等環(huán)節(jié)均有可喜的成果，但仍存在下面主要的問題和難點(diǎn)：

1） 受環(huán)境、光照、生產(chǎn)工藝和噪聲等多重因素影響，檢測系統(tǒng)的信噪比一般較低，微弱信號難以檢出或不能與噪聲有效區(qū)分。如何構(gòu)建穩(wěn)定、可靠、魯棒的檢測系統(tǒng)，以適應(yīng)光照變化、噪聲以及其他外界不良環(huán)境的干擾，是要解決的問題之一。

2） 由于檢測對象多樣、表面缺陷種類繁多、形態(tài)多樣、復(fù)雜背景，對于眾多缺陷類型產(chǎn)生的機(jī)理以及其外在表現(xiàn)形式之間的關(guān)系尚不明確，致使對缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目標(biāo)分割困難；同時，很難找到“標(biāo)準(zhǔn)”圖像作為參照，這給缺陷的檢測和分類帶來困難，造成識別率尚有待提高。

3） 機(jī)器視覺表面缺陷檢測，特別是在線檢測，其特點(diǎn)是數(shù)據(jù)量龐大、冗余信息多、特征空間維度高，同時考慮到真正的機(jī)器視覺面對的對象和問題的多樣性，從海量數(shù)據(jù)中提取有限缺陷信息的算法能力不足，實時性不高。

4） 與機(jī)器視覺表面檢測密切相關(guān)的人工智能理論雖然得到了很大的發(fā)展，但如何模擬人類大腦的信息處理功能去構(gòu)建智能機(jī)器視覺系統(tǒng)還需要理論上的進(jìn)一步研究，如何更好的基于生物視覺認(rèn)識、指導(dǎo)機(jī)器視覺得檢測也是研究人員的難點(diǎn)之一。

5） 從機(jī)器視覺表面檢測的準(zhǔn)確性方面來看，盡管一系列優(yōu)秀的算法不斷出現(xiàn)，但在實際應(yīng)用中準(zhǔn)確率仍然與滿足實際應(yīng)用的需求尚有一定差距，如何解決準(zhǔn)確識別與模糊特征之間、實時性與準(zhǔn)確性之間的矛盾仍然是目前的難點(diǎn)。

隨著計算機(jī)技術(shù)、信息技術(shù)、電子技術(shù)、傳感器技術(shù)和仿生技術(shù)等的發(fā)展，機(jī)器視覺檢測方法也必將得到迅速的發(fā)展。技術(shù)和市場需求等因素決定了機(jī)器視覺表面缺陷檢測的發(fā)展趨勢為：

1） MARR理論對計算機(jī)視覺發(fā)揮了巨大作用，其核心是將視覺理解為3D重建的過程。但是，從3D場景到2D圖像是一個多對一的映射，在映射的過程中損失了深度信息；灰度是對場景的惟一的測量值，諸如光照、材料特性、朝向和距離等信息都無法反映；成像中由于噪聲及環(huán)境等因素的干擾，都會使圖像產(chǎn)生失真。為此，需要研究視覺檢測新理論和新方法，如發(fā)展主動視覺、增強(qiáng)視覺系統(tǒng)的智能學(xué)習(xí)能力等。

2） 從生物視覺得到啟發(fā)，吸收來自心理學(xué)、生理學(xué)等其他學(xué)科中生物視覺的最新研究成果，基于生物視覺機(jī)制為視覺檢測提供研究新思路，模仿生物視覺多尺度、層次性的視覺特點(diǎn)，結(jié)合視覺任務(wù)，引入先驗高級知識的指導(dǎo)，同時將機(jī)器視覺、機(jī)器聽覺、機(jī)器嗅覺、機(jī)器觸覺等多信息相互融合，突破單一視覺信息的局限性，也將成為機(jī)器視覺檢測的發(fā)展方向之一。

3） 研究更具魯棒性的圖像處理和分析算法，提高圖像處理的有效性和和執(zhí)行效率，降低算法的復(fù)雜度，提高識別的準(zhǔn)確性。在在線檢測系統(tǒng)中，要特別注重實時性，視覺本身具有內(nèi)在的并行性，為此，還在要理論、算法和技術(shù)等多方面研究視覺并行計算，提高視覺計算的速度。同時，進(jìn)一步研究算法性能的評價方法，以對算法的效率和性能作了科學(xué)、準(zhǔn)確的刻化和評價。

4） 研究完整3維場景重建方法。現(xiàn)有3維場景重建理論和算法基本都局限于對目標(biāo)“可視”部分的重構(gòu)，如果用Marr視覺計算理論來說，還主要停留在2.5維表達(dá)上，這種表達(dá)僅提供了物體可見輪廓以內(nèi)的3維信息。如何恢復(fù)物體完整表面的信息，即包括物體表面不可見部分，是一個復(fù)雜但也亟待解決的問題。

5） 采用統(tǒng)一而開放的標(biāo)準(zhǔn)，構(gòu)建標(biāo)準(zhǔn)化、一體化和通用化的解決方案，標(biāo)準(zhǔn)化與個性化的進(jìn)一步統(tǒng)一，研發(fā)可靠性高、維護(hù)性好、便于不斷完善和升級換代、網(wǎng)絡(luò)化、自動化和智能化更高的機(jī)器視覺系統(tǒng)是今后的發(fā)展趨勢。

機(jī)器視覺系統(tǒng)的研究和應(yīng)用范圍涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、交通和安全等國民經(jīng)濟(jì)的各個領(lǐng)域，基于機(jī)器視覺的產(chǎn)品表面質(zhì)量檢測在現(xiàn)代自動化生產(chǎn)中得到了越來越多的重視和應(yīng)用。

機(jī)器視覺表面缺陷檢測系統(tǒng)中，圖像處理和分析算法是重要的內(nèi)容，通常的流程包括圖像的預(yù)處理、目標(biāo)區(qū)域的分割、特征提取和選擇及缺陷的識別分類。每個處理流程都出現(xiàn)了大量的算法，這些算法各有優(yōu)缺點(diǎn)和其適應(yīng)范圍。如何提高算法的準(zhǔn)確性、執(zhí)行效率、實時性和魯棒性，一直是研究者們努力的方向。

機(jī)器視覺表面檢測比較復(fù)雜，涉及眾多學(xué)科和理論，機(jī)器視覺是對人類視覺的模擬，但是目前對人的視覺機(jī)制尚不清楚，盡管每一個正常人都是“視覺專家”，但難以用計算機(jī)表達(dá)自己的視覺過程，因此構(gòu)建機(jī)器視覺檢測系統(tǒng)還要進(jìn)一步通過研究生物視覺機(jī)理來完善，使檢測進(jìn)一步向自動化和智能化方向發(fā)展。

責(zé)任編輯：gt