基于機(jī)器視覺的表面缺陷檢測(cè)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(guān)鍵性的環(huán)節(jié)，直接關(guān)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(cè)，這是一個(gè)耗時(shí)耗工的環(huán)節(jié)，企業(yè)需要投入大量的精力和財(cái)力來保證產(chǎn)品品質(zhì)。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展和應(yīng)用領(lǐng)域的不斷擴(kuò)展以及機(jī)器視覺技術(shù)的成熟，用于工業(yè)產(chǎn)品質(zhì)量檢測(cè)的全自動(dòng)化缺陷檢測(cè)系統(tǒng)隨之發(fā)展起來。
　　本文針對(duì)計(jì)算機(jī)輔助檢測(cè)產(chǎn)品質(zhì)量安全的問題，提出了幾種通用的基于機(jī)器

2、視覺的缺陷監(jiān)測(cè)方法，克服傳統(tǒng)缺陷檢測(cè)方法檢測(cè)對(duì)象局限，來對(duì)工業(yè)產(chǎn)品的表面圖像進(jìn)行分析以判斷其是否存在缺陷，控制產(chǎn)品質(zhì)量。對(duì)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(cè)缺陷的方法。對(duì)于一般性的物體表面，本文提出了兩種監(jiān)督學(xué)習(xí)的缺陷檢測(cè)方法。在預(yù)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(cè)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(duì)多幅合格產(chǎn)品的圖像求取上述特征并進(jìn)行特征學(xué)習(xí)，獲取合格產(chǎn)品的特征分布，來判斷待檢測(cè)的工業(yè)產(chǎn)品當(dāng)中是否存在缺陷。
　　三種方法在windows平臺(tái)上利用visual studio2008基于OpenCV進(jìn)行軟件實(shí)現(xiàn)，構(gòu)建了缺陷檢測(cè)的軟件框架。本文采用了多幅工業(yè)產(chǎn)品的圖像對(duì)本文的方法進(jìn)行驗(yàn)證，以缺陷檢測(cè)的正確率來判別方法的有效性。三種方法檢測(cè)缺陷的準(zhǔn)確率分別為92.7％，93.0%和9