基于機器視覺的金屬表面缺陷檢測方法研究

翟偉良+李有煊+黃浩湄+黃茂發(fā)+陳俊杰+莫錦超

摘 要 普通的圖片成像中一般都為像素灰度值的成像形式，因此對于表面缺陷檢測方法主要有灰度閾值分割法、灰度數(shù)據(jù)邊緣振幅提取法和傅立葉數(shù)據(jù)變化提取等方法，一般都是應(yīng)用于表面內(nèi)灰度值變化不大的情況[1]。其中對于金屬表面的檢測中，基本適合使用以上方法進行處理，但是如果出現(xiàn)金屬表面有反光或圖像噪聲異常等情形時，單純的檢測方法不再適合對表面進行檢測，本文應(yīng)用了基于灰度值對比方式對表面異變大的區(qū)塊獨立化進行表面缺陷檢測處理，實現(xiàn)良好的反光和圖像噪聲的控制效果，并且實現(xiàn)了表平面缺陷檢測中的劃痕、污點和凹陷等功能。

關(guān)鍵詞 灰度值；表面缺陷檢測；視覺成像；圖像噪聲

中圖分類號 TP3 文獻標(biāo)識碼 A 文章編號 1674-6708（2017）186-0047-02

金屬表平面的缺陷檢測中主要有劃痕、污點和凹陷等檢測功能，應(yīng)用基于灰度閾值的分割法能實現(xiàn)基本檢測功能，但是實際的場景應(yīng)用中金屬會出現(xiàn)較大的反光情況，會導(dǎo)致檢測效果極差，主要的誤判經(jīng)常出現(xiàn)在反光邊緣交界處，反光的內(nèi)部區(qū)域灰度變化的情況依然適合灰度閾值的處理方法，因此我們就可以通過標(biāo)準(zhǔn)圖片的灰度值對比方式，把變化大的區(qū)域獨立分離成適合于灰度閾值處理的區(qū)域，再細化進行檢測。應(yīng)用灰度對比提取缺陷區(qū)域的方法和基于灰度閾值分割的缺陷判斷方法相結(jié)合進行金屬表面缺陷檢測[ 2 ]。如圖1為本文使用的金屬檢測表平面。

1 獨立缺陷區(qū)塊的提取

對整體的檢測區(qū)域進行一個粗略的分離效果，通過一個標(biāo)準(zhǔn)的表面內(nèi)的像素點進行灰度值的提取，后通過檢測過程中對每個像素點灰度值對比的方式提取出變化較大的點集，初步形成含有缺陷的區(qū)域，為后面的準(zhǔn)確查找缺陷區(qū)域做準(zhǔn)備[ 3 ]。

1.1 灰度數(shù)據(jù)點定位

2 基于灰度閾值的缺陷判斷方法

2.1 圖片噪音處理

對于灰度閾值方式而言，適合處理一個較為平均的灰度變化，因此本文選擇更加合適的均值平滑進行噪音處理，其中均值平滑是基于像素掩碼處理的平滑方式，通過給定一個m×n的像素矩形進行逐一像素的掃描，把該矩形內(nèi)包含的像素求平均值后把該矩形內(nèi)的像素都設(shè)置為該平均值，從而達到均值平滑處理的效果，其中選取的像素矩形越大，則平滑處理效果越明顯。對于本文表面的噪點處理，所需要處理表面的噪點比較少，使用3×2像素矩形進行平滑處理即可達到處理效果。

2.2 缺陷灰度增強處理

通過灰度增強處理算法，把缺陷區(qū)域灰度值和背景區(qū)域灰度值進一步的擴大對比度，從而更加準(zhǔn)確的提取出缺陷區(qū)域[ 5 ]。增強算法公式為：

3 結(jié)論

如表格2所示為直接的閾值處理效果和獨立分割閾值處理的效果對比圖表，由可知本文使用基于灰度對比的區(qū)塊化處理的缺陷檢測方法，實現(xiàn)的圖片處理過程中的分塊結(jié)構(gòu)處理，使得復(fù)雜變化的問題單一提取處理，使得算法的特征處理簡單化，且使用了圖片增強對比度的計算盡最大可能的抑制圖片噪音的變化情況，使得特征處理更加穩(wěn)定化，本文的方法適合于絕大部分表面灰度值基本一致的金屬表面缺陷處理情況。

參考文獻

[1]羅菁，董婷婷，宋丹，等.表面缺陷檢測綜述[J].計算機科學(xué)與探索，2014（9）：1041-1048.

[2]聶振宇.金屬部件表面缺陷視覺檢測系統(tǒng)研究[D].長沙：中南大學(xué)，2013.

[3]官燕燕，劉昕.基于統(tǒng)計閾值法的印品缺陷檢測[J].西安理工大學(xué)學(xué)報，2007（4）：410-413.

[4]吳曉軍，鄒廣華.基于邊緣幾何特征的高性能模板匹配算法[J].儀器儀表學(xué)報，2013（7）：23-30.

[5]韓寶立，劉楊濤.圖像平滑算法的研究與改進[J].電腦知識與技術(shù)，2009（30）：8540-8542.