【原】机器视觉系统中的缺陷检测技术

往期精彩文章： 电气工程师项目设计流程：一个项目中，电气工程师要做的设计思路 西门子S7-1200/1500PLC的结构化程序编程模式/套路 S7-1200/1500PLC用FB284库指令控制伺服驱动器的程序 PLC定位控制基础：电子齿轮比对脉冲当量和电机转速的调整作用 步进电动机与交流伺服电动机的性能比较，来看看跟你知道的一样吗？ 怎样用软件进行交流伺服驱动器的增益自动调整？ 变频器的常见故障诊断与处理，码了五千字，一篇文章搞定 变频器的种类多种多样，根据负载特性怎么选择变频器呢？ 电工最基础、最核心的知识是掌握电的回路（九）：二次控制回路 怎么让两台伺服电机比例同步运行？伺服驱动器要做哪些设置？ 周末偷偷接单，凭个实力赚钱，远离投机取巧

机器视觉系统中的缺陷检测技术

很多工业生产的产品，为了追求更高的品质，其检测技术上的要求也越来越高。

机器视觉检测相对于人工检测的优点有：在线高速检测，可以保证产品检测的一致性、高效性、稳定性，对于数据的抓取和分析更加方便，可在危险、恶劣的环境下工作等。

检测技术由效率和精度较低的人工检测逐步转变为利用机械仪器或者更高级别的机器视觉进行检测，这是未来检测技术的发展趋势。

缺陷检测技术应用举例：

一、划痕与裂纹检测

划痕检测是工业产品的外观检测的一部分，是产品表面的缺陷检测。与划痕检测类似的是裂纹检测，多为已使用的零部件的品质检测，在外表上看，两者差不多。

利用机器视觉进行划痕检测的基本过程分为两个步骤：

1、检测产品表面是否存在划痕。

2、对产品表面划痕进行提取。

工业产品的图像大多表面光滑，灰度变化均匀，缺乏纹理特征，划痕部分和周围的正常部分相比要暗一些（划痕部分的灰度值偏小）。

在这种情况下进行划痕检测时，一般使用基于统计的灰度特征或阈值分割法将划痕部分标记出来。

而有些图像的灰度值变化较小，对比度并不明显，划痕部分和正常部分相比，缺乏明显的特征，不能采用固定的阈值分割法将划痕部分标记出来。这时需要采用阈值和形状特征相结合的方法对划痕部分进行标记。因此，把产品表面的划痕包括以下三类：

1、易辨认划痕

标记方法：选择较小的阈值将划痕部分标记出来。

2、整幅图像的灰度变化均匀，划痕部分的灰度值变化并不明显。

标记方法：对原图像进行均值滤波，得到较平滑的图像，并与原图相减，当其差的绝对值大于阈值时，就将其置为目标图像，去掉面积较小的部分，剩下的目标图像即可标记为划痕。

3、划痕各部分的灰度差异较大，形状通常为长条形，有漏检情况。

标记方法：采用阈值和形状特征相结合的方法对划痕部分进行标记。

二、焊点检测

焊接的种类很多，有机械行业的焊接，也有电子行业的焊接，焊接是工业制造的核心，焊点的良好直接关系到最终产品的质量和安全。

1、（PCB）焊点的缺陷

基于PCB（印刷电路板）的电子产品已成为当今电子行业的重要组成部分。电子元件要在PCB板上承载，PCB也被称为电子元件之母。

焊接电子元件过程中，PCB焊点出现缺陷，则可能导致后期电子产品出现各种问题，甚至报废。因此焊点缺陷检测非常重要。

2、焊点的检测过程

在机器视觉系统中，焊点的检测过程可分为4个步骤：

图像处理：主要是对图像进行裁切、滤波、分割等处理。

特征提取：提取图像的灰度特征、形状特征等。

特征选择：将原始的特征空间重新生成一个维数更小、各维数之间更加独立的特征空间。

检测分类：依据特征将样本进行分类，精准、有效的分类是检测的关键。

3、焊点的图像处理

焊点的图像处理，主要包括色彩空间转换、图像分割、图像滤波、图像二值化处理等步骤：

色彩空间转换主要是将 RGB焊点图像转化成灰度图像。

图像分割只对焊接部分进行图像处理。

执行图像滤波操作，使图像表面平滑。

执行图像二值化处理，使图像变为黑白图像。

4、焊点的特征提取与选择

在焊点特征提取之前，先进行图像亮度归一化、尺寸归一化、灰度调整和中值滤波等图像处理，可以得到高斯特征、对称连接特征、二值特征、形状特征等，再利用这些特征作出是否有缺陷的判断。

以上对机器视觉系统中的一些缺陷检测技术做了简单论述。总之，在工业产品中有太多的产品质量问题需要检测，在我所在的PCB行业，人工检测只是一种辅助检测手段，机器视觉检测成为这些产品质量检测的主要方式。

感谢阅读指正，关注了解更多！