1介绍

先进的工业系统对产品性能的要求越来越高，同时对生产过程中的质量控制的要求也越来越高。然而，产品表面的划痕、斑点、孔洞等缺陷，不仅会影响产品的美观性和使用舒适性，还会影响产品的使用性能。缺陷检测是减少产品缺陷不利影响的有效方法。

人工目视检验是工业产品质量控制的传统方法。虽然在某些情况下，人工目视检查可能是优越的，但它效率低下，容易疲劳。人工目视检查在某些应用中是不可行的，因为一旦发生故障会产生危险的后果。人工目视检测由于采样率低、实时性差、检测置信度低等缺点，已不能满足现代工业生产线的效率和质量要求。因此，需要开发更高效、更可靠的目视检测技术。

机器视觉是实现智能制造的关键技术之一，已成为替代人工视觉检测的有效途径。机器视觉是一种通过光学设备和非接触式传感器自动接收和处理真实物体图像的系统。视觉是人类感知的最高层次之一。图像在人类感知中起着非常重要的作用。然而，人类的感知仅限于电磁波谱的可见波段。机器视觉检测技术可以覆盖从伽马射线到无线电波的整个电磁波谱。通过强大的视觉传感器、巧妙设计的光传输方式和图像处理算法，机器视觉可以完成许多人工视觉无法完成的任务。随着计算机设备和人工智能的发展，机器视觉作为一种测量和判断技术在工业上得到了广泛的应用。机器视觉检测技术可以提高检测效率和自动化程度，增强检测的实时性和准确性，减少对人力的要求，尤其适用于一些大规模重复性的工业生产过程。机器视觉作为一种非接触、无损的检测手段，可以方便地实现信息集成、自动化、智能化、精准化控制。它已成为计算机集成制造和智能制造所需的基础技术。此外，机器视觉具有更广泛的光谱响应范围，并且在恶劣环境中长时间工作的能力更强。因此，机器视觉在制造过程中的应用可以使大量的工业活动受益。

典型的工业视觉检测系统主要由光学照明、图像采集、图像处理和缺陷检测三个模块组成，如图1所示。首先，根据产品特点和检测要求，设计了光学照明平台。接下来，利用CCD相机或其他图像采集硬件将放置在光场中的目标物体转换成图像并将其传输到计算机。图像作为一种信息载体，能反映物体特征的图像构成视觉检测的核心要素;因此，它们的质量非常重要。良好的光学照明平台和合适的图像采集硬件是获得高质量图像的先决条件。最后，在一些传统图像处理算法或深度学习算法的基础上，对图像进行各种操作，提取特征，进行分类、定位、分割等操作。图像处理是机器视觉中的一项关键技术。计算机通过对图像的处理和分析，可以自动理解、分析和判断图像特征，进而控制自动生产线的执行机构进行进一步的操作。

在工业中，该体系结构可作为设计视觉检测系统的步骤指南。例如，研究表面特征是设计强反射金属表面视觉检测系统的第一步;因此，采用漫射明亮的场背光照明。然后使用光敏元件进行图像采集。图像采集完成后，采用小波平滑对图像进行预处理，并采用Otsu阈值对图像进行分割。最后，设计支持向量机分类器进行缺陷分类。

视觉检测系统的主要评价指标是准确性、高效性和鲁棒性。该系统的目标是高精度、高效率和强鲁棒性。为了实现这些目标，它需要光学照明、图像采集、图像处理和缺陷检测的良好协调。

本文主要研究了利用机器视觉进行工业缺陷检测的现状。详细讨论了视觉检测模块，包括光学照明、图像采集、图像处理和缺陷检测。第2节讨论了光源和照明系统的设计。第3节描述了特定场景下的图像传感器和图像采集设计。然后，第4节作为本研究的主要部分，重点研究了缺陷分类、定位和分割等缺陷检测任务，并讨论了具有代表性的传统图像处理方法和基于深度学习的智能方法。最后，第5节介绍了基于机器视觉的缺陷检测的未来研究。

2光学照明

视觉检测技术以图像为基础，包括图像采集和图像处理]。视觉检测系统成功的关键在于获得高质量的图像。一般来说，图像质量主要受光学照明和图像采集两个因素的影响。光学照明平台的主要功能是克服环境照明的干扰，保证图像的稳定性，获得高对比度的图像。因此，光学照明平台的主要目标是使物体的重要特征可见，并减少物体的不希望的特征。

光学照明的研究历史悠久。在20世纪80年代，市场上还没有用于机器视觉的商用白光光源，一些为工作台设计的光源也不容易集成到视觉检测系统中。随着视觉检测系统从实验室向工业的过渡，优化光学照明系统的必要性逐渐成为研究热点，光学照明在视觉系统中的重要性已得到初步认识。1987年，Mersch系统地讨论了光学照明在视觉系统中的重要性。他根据当时的技术条件，分析了偏振和滤色片的应用，指出了光纤照明对于小面积照明的优势。此外，他还讨论了荧光标记照明方法和频率闪光照明技术。后来，Cowan利用相机和光源的模型和表面反射率来设计它们的定位，以满足视觉系统的要求。Sieczka等对光源效率、光散度、光谱含量、光源尺寸、封装等与光源相关的一些重要问题进行了详细的阐述和讨论。Yi等[29]结合数学规划讨论了传感器和光源的放置设计。Kopparapu[30]提出了一种使用多个光源实现均匀照明的设计方法，将光源最优位置的求解视为最小化问题，并通过仿真验证了该方法的有效性和适用性。

尽管计算机数字图像处理和计算迅速发展，光学照明仍然在视觉检测系统中发挥着重要作用。对于在线视觉检测系统，相对于先进算法处理图像的计算周期较长，特殊设计的现场照明光学照明可以达到更高的检测精度。此外，专门设计的光学照明也能更好地满足生产线目视检测的实时性要求。因此，光学照明作为机器视觉应用的重要组成部分，值得进一步探讨。

2.1光源

光是成像的典型能量来源。常见的光源器件有各种形状的LED灯、高频荧光灯、光纤卤素灯等。目前，LED灯已可用于各种类型的机器视觉应用。LED光源可以定制成多种阵列配置，以达到所需的辐照度。在视觉应用中，最常用的光源是led环形阵列。环形led阵列亮度高，安装方便。它可以有效地避免阴影现象，突出要检测的特征。常用于IC芯片外观及字符检测、印刷电路板(PCB)衬底检测、显微镜照明等。在结构照明中，led的线性阵列被广泛使用。此外，它具有良好的散热性和使用灵活性，可用于一些大型结构件的缺陷检测。

可见光是一种常见的光源。不同波长的光具有不同的特性和用途。随着波长的变化，可见光呈现出不同的颜色[41,42]。白光光源是一种多波长的复合光源，应用广泛。高亮度的白光光源适合拍摄彩色图像。蓝光的波长在430 ~ 480nm之间，适用于金属板材、机加工零件等银色背景的产品，以及胶片上的金属印刷。红光的波长一般在600 ~ 720nm之间，相对较长，可以穿透深色物体。它用于线路检测和透光膜厚度检测等应用。红色光源可以显著提高图像的对比度。绿色光源的波长通常在510到530纳米之间，介于红光和蓝光的波长之间。绿色光源主要用于红色或银色背景的产品。

本文标签： # 成分检测是什么