表面缺陷機器視覺在線檢測技術(shù)分析與研究

孫曉東SUN Xiao-dong

（淮南聯(lián)合大學(xué)機電系，淮南232038）

0 引言

機器視覺檢測技術(shù)是用視覺傳感器和計算機組成的采集與控制系統(tǒng)對被測對象進行成像，再利用圖像處理技術(shù)提取被測量信息的測量技術(shù)。機器視覺檢測系統(tǒng)通常由視覺傳感器、計算機采集與控制、圖像處理三大模塊組成，其中視覺傳感器是由特定的照明光源和成像器件組成。在機器視覺表面缺陷檢測量方法上關(guān)鍵要解決照明方法與成像方法兩個問題。

1 LED光源照明的打光技巧與LED光源模組設(shè)計分析

在視覺檢測中，LED光源的設(shè)計，是實現(xiàn)正確打光技巧的前題。打光方法是否合理關(guān)系到目標信息是否能準確的攝取。因此，LED光源設(shè)計與打光技巧是視覺檢測中的關(guān)鍵問題。

首先在理論上解決以下兩個問題：一是明場照明與暗場照明、直接照明與散射照明、傾斜照明與同軸照明、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間的關(guān)系；二是照面光源的色溫和光譜特性同目標特征的顏色以及背景顏色之間的互補關(guān)系，以及光譜與色溫對目標特征增強的影響規(guī)律。

然后以光的反射、散射等物理光學(xué)及光度學(xué)為理論基礎(chǔ)，以LightTools和TracePro為光源設(shè)計工具軟件，結(jié)合圖1對LED光源的要求，研究LED光源照明的打光技巧和LED光源的設(shè)計原理和方法。

2 表面缺陷視覺在線檢測中大孔徑遠心光路成像技術(shù)分析

不論是點掃描成像、線掃描成像還是幀成像，通常在圖像傳感器的前方需要放置一個物鏡，在特定的照明方式下，在特定的空間位置，把含有表面缺陷信息的散射光場匯聚到圖像傳感器的感光面上。由于成像物鏡一般都有有限的孔徑，在近幾年的研究中發(fā)現(xiàn)，這種小孔徑視覺成像，在大面積表面缺陷測量中，對很多缺陷不敏感，要解決這個問題，需要研究采用大孔徑遠心光路成像。而在大面積表面缺陷檢測中，大孔徑遠心光路系統(tǒng)又很難實現(xiàn)。

以往的研究中發(fā)現(xiàn)用線陣掃描方法或面陣攝像機直接對被測表面成像時，即使攝像機的分辨率很高，有時都難以分辨表面上的微觀缺陷，主要原因是攝像機鏡頭的孔徑大小改變了光線的傳播方向。為了解決這個問題，只有讓散射光場中的光線平行地投射到感光面上，即采用遠心光路系統(tǒng)。圖1給出了高速線陣掃描的兩種可能的視覺成像方式。

3 表面缺陷計算機自動識別技術(shù)分析

采用計算機從視覺圖像中自動識別表面缺陷，在理論上與實際應(yīng)用中一直都是一個非常難的問題，尤其是復(fù)雜背景的視覺圖像中表面缺陷的自動識別。這通常是表面缺陷在線檢測中的一個主要瓶頸。不過近些年來，隨著數(shù)學(xué)形態(tài)學(xué)、計算機紋理分析技術(shù)與模式識別技術(shù)的發(fā)展，各種新的自動識別方法不斷出現(xiàn)，為表面缺陷的自動識別在理論與方法上提供了很好的支持。

目前研究工作中，常用的途徑是采用數(shù)學(xué)形態(tài)學(xué)與紋理分析等分類法。如Anand等人對焊接的缺陷圖像首先利用Canny算子探測出缺陷的邊界，再用膨脹法連接哪些相似的邊界，用腐蝕去除掉哪些不相干的邊界，最后根據(jù)缺陷的特性進行分類。Chetverikov等人在視覺檢測具有規(guī)則紋理結(jié)構(gòu)表面的缺陷時，采用形態(tài)學(xué)對紋理中的缺陷進行增強，然后根據(jù)紋理的規(guī)則性與局部方向性把缺陷從紋理圖像中分離出來。

可以分析得出，將數(shù)學(xué)形態(tài)學(xué)與計算機紋理分析技術(shù)結(jié)合起來，進行表面缺陷的自動識別技術(shù)研究將是一種可行的方法。形態(tài)學(xué)方法一般比較適合用于表面缺陷視覺圖像的前期處理，因為用它對缺陷圖像進行變換，可以增強表面缺陷的特征，但是它難以單獨完成缺陷的自動識別任務(wù)。紋理分類有四大種類，每個種類有許多不同的分類方法，利用紋理中的特征值或函數(shù)，可以完成圖像自動識別。但是在紋理分類法中，目前現(xiàn)有的分類方法對復(fù)雜的紋理圖像識別精度不是很高，有時難以勝任表面缺陷在線自動檢測的需要。因此如果把形態(tài)學(xué)方法與紋理分類法結(jié)合起來，也許是一條比較好的提高自動識別精度的途徑。

[1]A.Anand,P.Kumar,“Flaw detection in radiographic weld images using morphological approach,”NDT&E International,Vol.39，2006：29-23.

[2]D.Chetverikov,A.Hanbury,“Finding defects in texture using regularity and local orientation,”Pattern Recognition,Vol.35,2002：2165-2180.

[3]彭向前.產(chǎn)品表面缺陷在線檢測方法研究及系統(tǒng)實現(xiàn)[D].華中科技大學(xué)，2008.

[4]朱正德.零部件表面缺陷的機器視覺檢測模式[J].現(xiàn)代零部件，2005(09).