摘要:产品机柜表面的缺陷不仅会严重影响产品的销售,也会增大产品返修、退货的概率,造成经济损失,企业越来越重视...产品机柜表面的缺陷不仅会严重影响产品的销售,也会增大产品返修、退货的概率,造成经济损失,企业越来越重视机柜的表面质量检测。然而,针对大尺寸产品进行表面缺陷视觉检测鲜有研究,本文基于深圳市某不间断电源(Uninterruptible Power System,UPS)机柜生产厂商对大尺寸机柜表面缺陷自动检测系统具体需求,开展基于机器视觉的大尺寸机柜表面缺陷检测系统研究,重点研究了低对比度图像增强、边缘检测优化、特征点匹配等问题,主要工作如下:(1)研究明确了大尺寸机柜表面缺陷检测系统检测技术指标,阐述了表面缺陷检测原理,分析了获取高质量图像的关键因素,设计了合理的照明方案和图像采集系统结构,分析了光源类型、光源颜色及光照角度选择的依据,合理选择了工业相机和镜头,最后搭建了基于机器视觉的产品表面缺陷检测系统。(2)针对低对比度缺陷无法采用传统检测方法进行检测的问题,提出衡量图像对比度的评价方法,分析了Gabor变换的原理及参数意义,研究了常用的图像增强方法,并进行对比实验,实验结果表明经过Gabor变换增强的低对比度缺陷图像对比度得到提高,增强了缺陷检测系统对于光照干扰的鲁棒性。(3)明确了评价边缘检测效果质量的主要根据,分析了典型的边缘检测算法基本原理并进行了对比实验,针对边缘检测中出现的噪声及不连续问题,研究了一种基于锚点的边缘检测优化算法并进行了实验,实验结果表明优化的算法可准确检测机柜图像的边缘且具有较高的边缘质量,具有通用性。(4)研究了图像匹配技术,推导了图像变换模型,分析SIFT特征点提取与匹配算法原理,研究RANSAC特征点提纯算法,开展了提取和匹配机柜表面图像特征点实验,实验表明提纯后的SIFT算法能够有效提取出机柜表面的特征点,图像匹配结果良好,基于图像差分法实现配准后的图像缺陷检测。研究结果表明设计的缺陷检测系统能够较好的识别机柜表面的凹坑、划痕、商标等缺陷,可以检测出缺陷宽度1mm内的细微缺陷,验证了系统方案的可行性和算法的有效性,具有工程应用价值。更多还原显示全部
摘要:如何通过机器视觉对纹理表面图像进行缺陷检测是工业自动化控制和数字图像处理领域中的难题。一方面,工业产...如何通过机器视觉对纹理表面图像进行缺陷检测是工业自动化控制和数字图像处理领域中的难题。一方面,工业产品表面图像与一般自然场景图像不同,它所包含丰富的纹理信息是缺陷检测过程中的一个阻碍,容易导致结果误判;另一方面,目前大部分算法只是针对缺陷存在的局部区域进行处理,忽略了缺陷检测在实际的工业应用中,检测完整的产品表面图像时,无法解决大尺寸图像检测结果对光照敏感的问题。因此区分图像的目标和纹理,并且提高信息量较大的二维图像的缺陷检测速度与准确率,对促进基于机器视觉的表面缺陷检测研究的理论探索及满足当前国内自动化制造业市场的迫切需求有着重要的意义。本文以提高工业产品表面缺陷检测的速度、准确率和通用性为目的,对纹理背景中的表面缺陷检测算法进行了研究与改进,它的主要研究内容如下:首先,提出一种基于聚类的图像显著性检测对纹理图像的目标进行初步定位。根据工业产品表面缺陷检测的实际情况,选取合适的图像特征来建立显著性模型。接着利用Brodatz纹理库进行产品表面缺陷检测的模拟实验,实验证明该算法适用于不同种类的纹理图像。然后,针对纹理背景中的缺陷提取,改进基于相对全变分(Relative Total Variation,RTV)模型的结构提取算法,从而提高原算法保留结构去除纹理的能力。其次,通过分析发现,算法中有大量稀疏矩阵的计算,直接应用于数据量较大的高像素图像时,无法满足工业检测的速度要求,甚至会因内存不够导致程序崩溃。因此该算法需要依靠图像显著性检测算法定位缺陷可能存在的区域,才能进一步对这些可疑区域进行缺陷的的精确提取。接着,对图像显著性检测算法定位出来的各个缺陷区域分别进行结构提取算法的处理,来提高缺陷提取过程中阈值分割的精确度。其余区域作为背景区域,所有像素的灰度值被置零。最后,利用本文图像显著性检测算法和结构提取算法分别对木板和织物进行缺陷检测的实验,证明本文的研究方法的有效性。该方法还可以扩展到玻璃、钢轨等表面的缺陷检测上,应用前景广阔。更多还原显示全部