机器视觉圆形工件缺陷检测论文

视觉定位是机器视觉的一种应用，视觉应用分为检测，测量，定位，识别四种。定位包括 机械手抓取引导，伺服电机搬运引导，焊接点胶的定位引导，核心在于目标2D或者3D坐标的获取。检测主要是确认产品表面是否有瑕疵，或者产品状态是否符合要求，例如电子开关的检测，电子元器件检测，主要是看有没有划伤，损坏。有些通过表面检测是可以查出来的。

任务的目标数量有些不一样，定位任务一般是从图像中找出一个目标的类别和位置，检测任务是从图像中找出所有目标的类别和位置。参考：OverFeat:Integrated Recognition, Localization and Detectionusing Convolutional Networks

1、轮廓测量仪

轮廓测量仪采用均布的4只二维激光测量传感器测量轧材截面，4只传感器包容轧材整个截面，真正做到无盲区测量。其应用范围可以是任何截面形状的轮廓，如圆形、方形、螺纹钢、六角形、轨梁、T型、H型和其他长材产品。测量软件系统根据各传感器的测量数据拟合截面形状，可在软件界面直观显示轧材的截面形状及关键尺寸。应用于轧钢、有色金属等的在线表面缺陷监测。

2、漏磁检测

漏磁检测技术广泛应用于钢铁产品的无损检测。其检测原理是，利用磁源对被测材料局部磁化，如材料表面存在裂纹或坑点等缺陷，则局部区域的磁导率降低、磁阻增加，磁化场将部分从此区域外泄，从而形成可检验的漏磁信号。

3、红外线检测

红外线检测是通过高频感应线圈使连铸板坯表面产生感应电流，在高频感应的集肤效应作用下，其穿透深度小于1mm，且在表面缺陷区域的感应电流会导致单位长度的表面上消耗更多电能，引起连铸板坯局部表面的温度上升。

4、超声波探伤检测

超声波检测是利用声脉在缺陷处发生特性变化的原理来检测。声波在工件内的反射状况就会显示在荧光屏上，根据反射波的时间及形状来判断工件内部缺陷及材料性质的方法。超声波探伤技术多应用于金属管道内部的缺陷检测。

5、光学机器视觉智能检测

光学机器视觉智能检测的基本原理是：一定的光源照在待测金属表面上，利用高速CCD摄像机获得连铸板坯表面图像，通过图像处理提取图像特征向量，通过分类器对表面缺陷进行检测与分类。

这5种方法均可检测轧钢及金属表面的缺陷尺寸，轮廓测量仪更是可在线无损检测轧材表面缺陷的设备，检测精度高，对轧材的材质、温度等都无要求，可以说是在线金属缺陷检测的重要帮手。

在工业生产中总是经常遇到裂痕、划痕和变色等产品的表面缺陷问题，而这些问题不管对于人工检测还是机器视觉检测都极富挑战。其难度在于该类缺陷形状不规则、深浅对比度低，而且往往会被产品表面的自然纹理或图案所干扰。因此，表面缺陷检测对于正确打光、相机分辨率、被检测部件与工业相机的相对位置、复杂的机器视觉算法等要求非常高。 机器视觉划痕检测的基本分析过程分为两步：首先，确定检测产品表面是否有划痕，其次，在确定被分析图像上存在划痕之后，对划痕进行提取。 表面划痕通常可分为三大类： 第一类划痕，从外观上较易辨认，同时灰度变化跟周围区域对比也比较明显。可以选择较小的阈值精缺陷部分直接标记。 第一类划痕缺陷图像 第二类划痕，部分灰度值变化并不明显，整幅图像灰度比较平均，划痕面积也比较小，只有几个像素点，灰度也只比周围图像稍低，很难分辨。可以对原图像进行均值滤波，得到较平滑的图像，并与原图像相减，当其差的绝对值大于阈值时就将其置为目标，并对所有的目标进行标记，计算其面积，将面积过小的目标去掉，剩下的就标记为划痕。 第二类划痕缺陷图像 第三类划痕，各部分灰度差异较大，形状通常呈长条形，如果在一幅图像上采取固定阈值分割，则标记的缺陷部分会小于实际部分。由于这类图像的划痕狭长，单纯依靠灰度检测会将缺陷延伸部分漏掉。对于这类图像，根据其特点选择双阈值和缺陷形状特征相结合的方法。 第三类划痕缺陷图像 由于在工业检测中图像的多样性，对于每一种图像，都要经过分析综合考虑各种手段来进行处理达到效果。一般来说，划痕部分的灰度值和周围正常部分相比要暗，也就是划痕部分灰度值偏小；而且，大多都是在光滑表面，所以整幅图的灰度变化总体来说非常均匀，缺乏纹理特征。因此，划痕的检测一般使用基于统计的灰度特征或者阈值分割的方法将划痕部分标出。 基于机器视觉的表面缺陷检测量系统，可安装在具有规则形状的金属产品生产流水线上，对生产线上的每个产品的表面缺陷及外形尺寸等进行在线检测，尤其对于有金属光泽的产品的表面质量检测效果更加突出。当检测到有缺陷的工件时，系统可根据实际需求发出相应的控制信号，即可直接将废品剔除，也可控制打标机构在缺陷品上喷涂标志。