基于機器視覺的表面缺陷檢測系統(tǒng)設計

編號衣春理"’ChangchunUniversityoiScience^ndTechnology本科生畢業(yè)設計基于機器視覺的表面缺陷檢測系統(tǒng)設計Surfacedefectdetectionsystemdesignbasedonmachinevision學生姓名專業(yè)電子信息工程學號指導教師學院電子信息工程學院二o—三年六月長春理工大學本科畢業(yè)設計長春理工大學本科畢業(yè)設計#第1章引言1.1研究背景及意義傳統(tǒng)的產(chǎn)品表面質(zhì)量檢測主要采用人工檢測的方法。人工檢測不僅工作量大，而且易受檢測人員主觀因素的影響，容易對產(chǎn)品表面缺陷造成漏檢，尤其是變形較小、畸變不大的夾雜缺陷漏檢，極大降低了產(chǎn)品的表面質(zhì)量，從而不能夠保證檢測的效率與精度。近年來，迅速發(fā)展的以圖像處理技術為基礎的機器視覺技術恰恰可以解決這一問題。機器視覺主要是采用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制?；跈C器視覺技術的缺陷檢測系統(tǒng)，由于其非接觸檢測測量，具有較高的準確度、較寬的光譜響應范圍，可長時間穩(wěn)定工作，節(jié)省大量勞動力資源，極大地提高了工作效率?？蓪ぜ砻娴陌唿c、凹坑、劃痕、色差、缺損等缺陷進行檢測。所以，人工檢測難以達到降低消耗、提高產(chǎn)品質(zhì)量的目的，采用機器視覺的表面缺陷檢測成為迫切需要。針對這種現(xiàn)狀，課題組決定自行開發(fā)工件表面缺陷在線檢測系統(tǒng)，確保各類缺陷及時準確檢出，從根本上解決人工檢測效率低、精度低的問題，同時，還可以降低原材料消耗、能耗和人力成本，該課題還可以推廣到其他需要表面質(zhì)量檢測的行業(yè)中，如印刷、包裝等行業(yè)，因此具有重要的實際應用價值和現(xiàn)實意義。然而,本課題要對各種形狀、不同大小的金屬片在線檢測,必然對檢測方法和處理速度有很高的要求,圖像處理與模式識別領域中的許多新算法目前很難應用到實際工程項目中。因此,機器視覺技術在這類在線檢測任務中的應用,仍然是一個難題。本論文的目標就是以己有的圖像處理理論為基礎,通過大量的實際實驗,設計適合本產(chǎn)品表面缺陷檢測的算法。1.2國內(nèi)外研究現(xiàn)狀在國外，機器視覺的應用主要體現(xiàn)在半導體及電子行業(yè)，其中大概40%-50%都集中在半導體行業(yè)。具體如PCB印刷電路：各類生產(chǎn)印刷電路板組裝技術、設備，單、雙面、多層線路板，覆銅板及所需的材料及輔料；輔助設施以及耗材、油墨、藥水藥劑、配件；電子封裝技術與設備；絲網(wǎng)印刷設備及絲網(wǎng)周邊材料等。再流焊機、波峰焊機及自動化生產(chǎn)線設備。電子生產(chǎn)加工設備：電子元件制造設備、半導體及集成電路制造設備、元器件成型設備、電子工模具。機器視覺系統(tǒng)還在質(zhì)量檢測的各個方面已經(jīng)得到了廣泛的應用，并且其產(chǎn)品在應用中占據(jù)著舉足輕重的地位。除此之外，機器視覺還用于其他各個領域。而在中國，以上行業(yè)本身就屬于新興的領域，再加之機器視覺產(chǎn)品技術的普及不夠，導致以上各行業(yè)的應用幾乎空白，即便是有，也只是低端方面的應用。目前在我國隨著配套基礎建設的完善，技術、資金的積累、各行各業(yè)對采用圖像和機器視覺技術的工業(yè)自動化、智能化需求開始廣泛出現(xiàn)，國內(nèi)有關大專院校、研究所和企業(yè)近兩年在圖像和機器視覺技術領域進行了積極思索和大膽的嘗試，逐步開始了工業(yè)現(xiàn)場的應用。其主要應用于制藥、印刷、礦泉水瓶蓋檢測等領域。真正高端的應用還很少，因此，以上相關行業(yè)的應用空間還比較大。當然，其他領域如指紋檢測等等領域也有著很好的發(fā)展空間。第2章圖像技術及機器視覺簡介2.1圖像處理技術機器視覺系統(tǒng)中，視覺信息的處理技術主要依賴于圖像處理方法，它包括圖像增強、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內(nèi)容。經(jīng)過這些處理后，輸出圖像的質(zhì)量得到相當程度的改善，既改善了圖像的視覺效果，又便于計算機對圖像進行分析、處理和識別。2.1.1圖像和數(shù)字圖像從廣義上說，圖像是自然界景物的客觀反映，是人類認識世界和人類本身的重要源泉。圖像對我們并不陌生。它是用各種觀測系統(tǒng)以不同形式和手段觀測客觀世界而獲得的，可以直接或間接作用于人眼并進而產(chǎn)生視知覺的實體。人的視覺系統(tǒng)就是一個觀測系統(tǒng)，通過它得到的圖像就是客觀景物在人眼中形成的影像。圖像信息不僅包含光通量分布，而且也還包含人類視覺的主觀感受。隨著計算機技術的迅速發(fā)展，人們還可以人為地創(chuàng)造出色彩斑斕、千姿百態(tài)的各種圖像?？陀^世界在空間上是三維（3-D）的，但一般從客觀景物得到的圖像是二維（2-D）的。一幅圖像可以用一個2-D數(shù)組/（x，y）來表示，這里x和y表示2-D空間XY中一個坐標點的位置，而/代表圖像在點（x,y）的某種性質(zhì)F的數(shù)值。例如常用的圖像一般是灰度圖，這時/表示灰度值，它常對應客觀景物被觀察到的亮度值。常見圖像是連續(xù)定義的，即八x、y的值可以是任意實數(shù)。為了能用數(shù)字計算機對圖像進行加工處理，需要把連續(xù)的圖像在坐標空間XY和性質(zhì)空間F都進行離散化。這種離散化了的圖像就是數(shù)字圖像，可以用I（r，c）來表示。這里I代表離散化后的/，（r，c）代表離散化后的（x，y），這里I、e、r的值都是整數(shù)。本文以后主要討論數(shù)字圖象，依據(jù)我們的習慣用/（x，y）代表數(shù)字圖像，八x、y都在整數(shù)集合中取值。2.1.2圖像技術和圖像工程圖像技術在廣義上是各種與圖像有關的技術的總稱。目前人們主要研究的是數(shù)字圖象，主要應用的是計算機圖像技術。這包括利用計算機和其它電子設備進行和完成的一系列工作，例如圖像的采集、獲取、編碼、存儲和傳輸，圖像的合成和產(chǎn)生，圖像的顯示和輸出，圖像的變換、增強、恢復（復原）和重建，圖像的分割，目標的檢測、表達和描述，特征的提取和測量，序列圖像的校正，3-D景物的重建復原，圖像數(shù)據(jù)庫的建立、索引和抽取，圖像的分類、表示和識別，圖像模型的建立和匹配，圖像和場景的解釋和理解，以及基于它們的判斷決策和行為規(guī)劃等等。另外，圖像技術還可包括為完成上述功能而進行的硬件設計及制作等方面的技術由于圖像技術近年來得到極大的重視和長足的進展，出現(xiàn)了許多新理論、新方法、新算法、新手段、新設備。圖像工作者普遍認為需對圖像和圖像處理技術進行綜合研究和應用，這個工作的框架就形成了圖像工程。圖像工程學科是將數(shù)學、光學等基礎科學的原理，結(jié)合在圖像應用中積累的技術經(jīng)驗而發(fā)展起來的。圖像工程的內(nèi)容非常豐富，根據(jù)抽象程度和研究方法等的不同可分為三個層次：圖象處理、圖象分析和圖像理解。圖象處理著重強調(diào)在圖像之間進行的變換。圖象分析則主要是對圖像中感興趣的目標進行檢測和測量，以獲得它們的客觀信息從而建立對圖像的描述。圖像理解的重點是在圖象分析的基礎上，進一步研究圖像中各目標的性質(zhì)和它們之間的相互聯(lián)系，并得出對圖像內(nèi)容含義的理解以及對原來客觀場景的解釋，從而指導和規(guī)劃行為。由上所述，圖象處理、圖象分析和圖像理解是處在三個抽象程度和數(shù)據(jù)量各有特點的不同層次上。圖象處理是比較低層的操作，它主要在圖像像素級別上進行處理，處理的數(shù)據(jù)量非常大。圖象分析則進入了中層，分割和特征提取把原來以像素描述的圖像轉(zhuǎn)變成比較簡潔的非圖形式的描述。圖像理解主要是高層操作，基本上是對從描述抽象出來的符號進行運算，其處理過程和方法與人類的思維推理可以有許多類似之處。2.2數(shù)字圖像處理系統(tǒng)2.2.1圖像處理和分析系統(tǒng)一個基本的圖像（處理和分析）系統(tǒng)構(gòu)成的各模塊都有特定的功能，分別是采集、顯示、存儲、通信、處理和分析。為完成各自的功能每個模塊都需一些特定的設備。圖像采集可采用CCD的照相機、帶有視像管的視頻攝像機和掃描儀等。圖象顯示可用電視顯示器、隨機讀取陰極射線管和各種打印機等。圖像存儲可采用磁帶、磁盤、光盤和磁光盤等。圖像通信可借助綜合業(yè)務網(wǎng)、計算機局網(wǎng)，甚至普通電話網(wǎng)等。最后，圖象處理和分析主要是運算，所使用的設備主要是計算機。以下對各模塊的簡介。2.2.2圖像采集模塊采集數(shù)字圖象需要兩種裝置。一種是對某個電磁能量譜波段敏感的物理器件，它能產(chǎn)生與所接受到的電磁能量成正比的模擬電信號。另一種稱為數(shù)字化器，它能將上述模擬電信號轉(zhuǎn)化為數(shù)字離散的形式。下面介紹這兩種裝置的常用器件。固態(tài)陣列是由稱為感光基元的離散硅成像元素構(gòu)成的。這樣的感光基元能產(chǎn)生與所接受的輸入光強成正比的輸出電壓。固態(tài)陣列中主要元件是電荷藕合器件CCD。這個傳感器由一行感光基元，兩個定時的將感光基元中的內(nèi)容傳給傳輸寄存器的傳輸門，以及一個定時的將傳輸寄存器中的內(nèi)容傳給放大器的輸出門構(gòu)成。放大器輸出的電壓信號與感光基元行的內(nèi)容成比例。電荷藕合平面陣列的工作原理與線陣相似，但感光基元排列成一個矩陣形式并由傳輸門和平面掃描圖像顯示模塊的結(jié)果主要用于顯示給人看。對圖象分析來說，分析的結(jié)果也可以解析系統(tǒng)的主要顯示設備是電視顯示器。輸入顯示器的圖象也可以通過硬拷控制。在每個偏轉(zhuǎn)位置，電子槍束的強度的一種簡便方法是利用標準輸寄存器隔開。先將奇數(shù)列感光基元的內(nèi)容順序送進垂直傳輸寄存器，然后再送進水平傳輸寄存器。把水平傳輸寄存器的內(nèi)容送進放大器就得到1幀隔行的視頻信號。對偶數(shù)列感光基元重復以上過程就可得到另1幀隔行的視頻信號。將2幀合起來就得到隔行掃描電視的1場()?，F(xiàn)在常用的線掃描CCD一般有512到4096個象素或更多，而4096X4096個象素的掃描CCD也已在使用。2.2.3圖像的數(shù)據(jù)編碼和傳輸數(shù)字圖像的數(shù)據(jù)量是相當龐大的，一幅512X512個像素的數(shù)字圖像的數(shù)據(jù)量為256K字節(jié)，若假設每秒傳輸25幀圖像，則傳輸?shù)男诺浪俾蕿?2.4M比特/秒。高信道速率意味著投資高普及難度。因此，傳輸過程中，對圖像數(shù)據(jù)進行壓縮顯得非常重要。數(shù)據(jù)的壓縮主要通過圖像數(shù)據(jù)的編碼和變換壓縮完成。圖像數(shù)據(jù)編碼一般采用預測編碼，即將圖像數(shù)據(jù)的空間變化規(guī)律和序列變化規(guī)律用一個預測公式表示，如果知道了某一像素的前面各相鄰像素值之后，可以用公式預測該像素值。采用預測編碼，一般只需傳輸圖像數(shù)據(jù)的起始值和預測誤差，因此可將8比特/像素壓縮到2比特/像素。變換壓縮方法是將整幅圖像分成一個個小的(取8X8或16X16)數(shù)據(jù)塊，再將這些數(shù)據(jù)塊分類、變換、量化，從而構(gòu)成自適應的變換壓縮系統(tǒng)。該方法可將一幅圖像的數(shù)據(jù)壓縮到為數(shù)不多的幾十個特傳輸，在接收端再變換回去即可。對圖像的處理和分析一般可用算法的形式描述，而大多數(shù)的算法可以用軟件實現(xiàn)，只有在為了提高速度或克服通用計算機限制的情況下才用特制的硬件。進入90年代尤其是21世紀后，人們設計了各種與工業(yè)標準總線兼容的可以插入微機或工作站的圖像卡。這不僅減少了成本，也促進了圖象處理和分析專用軟件的發(fā)展。這些圖像卡包括用于圖象數(shù)字化和臨時存儲的圖像采集卡，用于以視頻速度進行算術和邏輯運算的算術邏輯單元，以及前面提到的幀緩存。圖象處理和分析中的一個重要事實是對特殊的問題需要特殊的解決方法。2.3機器視覺技術2.3.1機器視覺技術簡介機器視覺是一個相當新興的研究領域。機器視覺發(fā)展到現(xiàn)在已有15年的歷史。機器視覺作為一種應用系統(tǒng)，其功能特點是隨著工業(yè)自動化的發(fā)展而逐漸完善和發(fā)展的。人們從20世紀50年代開始研究二維圖像的統(tǒng)計模式識別，60年代Roberts始進行三維機器視覺的研究，70年代中，MIT人工智能實驗室正式開設機器視覺課程，80年代開始，開始了全球性的研究熱潮，機器視覺獲得了蓬勃發(fā)展，新概念、新理論不斷涌現(xiàn)。2.3.2機器視覺系統(tǒng)的概念、組成及特點機器視覺是將圖像處理、計算機圖形學、模式識別、計算機技術、人工智能等眾多學科高度集成和有機結(jié)合，而形成的一門綜合性的技術。一般地說，機器視覺是研究計算機或其他處理器模擬生物宏觀視覺功能的科學和技術，也就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)的組成如圖2-1。有照明部分、圖像獲取部分、圖像顯示部分和圖像處理部分。一般采用CCD攝像頭攝取檢測圖像并轉(zhuǎn)化為數(shù)字信號，再對圖像數(shù)字信號進行處理，從而得到所需要的各種目標圖像特征值，并由此實現(xiàn)模式識別、坐標計算、灰度分布圖等多種功能。然后再根據(jù)其結(jié)果顯示圖像，輸出數(shù)據(jù)，發(fā)出指令，配合執(zhí)行機構(gòu)完成位置調(diào)整，好壞篩選，數(shù)據(jù)統(tǒng)計等自動化流程。圖2-1機器視覺系統(tǒng)構(gòu)成機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機器視易于實現(xiàn)信息集成，是實現(xiàn)計算機集成制造的基礎技術。因此，在現(xiàn)代自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質(zhì)量控制等領域。有不少學科的研究目標與機器視覺相近或者相關，這些學科中包括圖像處理、模式識別或圖像識別、圖像理解等。由于歷史發(fā)展或領域本身的特點，這些學科有某種程度的相互重疊。但是，機器視覺與其他學科又有著一定的區(qū)別，其特點是：1、綜合技術機器視覺是一項綜合技術，其中包括數(shù)字圖像處理技術、機械工程技術、控制技術、電光源照明技術、光學成像技術、傳感器技術、模擬與數(shù)字視頻技術、計算機軟硬件技術、人機接口技術等。這些技術在機器視覺中是并列關系，相互協(xié)調(diào)應用才能構(gòu)成一個成功的工業(yè)機器視覺應用系統(tǒng)2、強調(diào)工業(yè)可靠性機器視覺強調(diào)工業(yè)現(xiàn)場環(huán)境下的可靠性，要求能夠適應工業(yè)生產(chǎn)中惡劣的環(huán)境，有較高的容錯能力和安全性，不會破壞工業(yè)產(chǎn)品。3、強調(diào)實用性機器視覺強調(diào)實用性，要求有合理的性價比，要有通用的工業(yè)接口，能夠由普通工作來操作，必須有較強的通用性和可移植性。4、要求高速度和高精度由于機器視覺通常要求高速度和高精度，數(shù)字圖像處理中的許多新算法目前還難以應用。因此，機器視覺技術在工業(yè)生產(chǎn)中的實際應用速度遠遠滯后于圖像處理理論的發(fā)展速度。2.4機器視覺系統(tǒng)的應用及發(fā)展動向2.4.1機器視覺檢測應用機器視覺系統(tǒng)在高速、細微和重復的制造過程中顯得非?？煽浚虼吮粡V泛用于加工制造企業(yè)，完成大批量生產(chǎn)過程中的重復性檢測任務。機器視覺在質(zhì)量檢測方面的應用占整個工業(yè)應用的近80%，其中最大的應用行業(yè)為：汽車、制藥、電子與電氣、制造、包裝、食品、飲料等。機器視覺檢測是非接觸無損檢測，與傳統(tǒng)的檢測手段相比，它具有不可替代的優(yōu)越性，因而得到了廣泛的應用。利用線陣CCD配合包裝盒的一維運動獲取目標圖像，然后由計算機對圖像進行處理，可以檢測日期編號等信息的遺漏和正確與否；以頻閃光作為照明光源，利用面陣或者線陣CDC作為螺紋鋼外形輪廓尺寸的探測器件，實現(xiàn)熱軋螺紋鋼幾何參數(shù)在線測量；在各種產(chǎn)品表面缺陷檢測方面應用也很多。2.4.2機器視覺系統(tǒng)的發(fā)展動向近年來計算機視覺（即機器視覺）的發(fā)展大致表現(xiàn)在以下三個方面：1、基于幾何方法的計算機視覺計算理論體系已臻于完整計算機視覺的研究目標之一是使機器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運動等。20世紀90年代中期以來，計算機視覺界將對應與射影幾何、仿射幾何、歐幾里得幾何的描述，系統(tǒng)地引進視覺計算方法中，比較完美地對應為視覺系統(tǒng)中對物體由粗到細的描述，在計算機視覺系統(tǒng)中降低了對攝像系統(tǒng)參數(shù)了解的要求，提高了系統(tǒng)對噪聲的魯棒性。2、機器學習方法受到越來越多的關注模式識別的所有領域始終存在基于結(jié)構(gòu)與基于統(tǒng)計的兩大分支。如果說基于幾何的計算機視覺主要通過幾何，描述物體及其運動的三維結(jié)構(gòu)，屬于結(jié)構(gòu)方法，已得到較系統(tǒng)的研究；而在計算機視覺中的統(tǒng)計方法除較好地用于圖像的底層處理外，一直顯得不完善更不用說系統(tǒng)化了。3、針對眾多特定領域的應用研究不斷深入，較大規(guī)模的應用系統(tǒng)逐步走向商業(yè)化隨著當前計算機的性能價格比飛速提高，眾多特定領域的計算機實時應用系統(tǒng)的商業(yè)化已成為可能。如利用指紋、虹膜、人臉、語音等識別技術、行為識別技術與運動跟蹤技術、多攝像機融合技術構(gòu)成視覺監(jiān)測系統(tǒng)，用于信息安全、智能交通、反恐防盜、身份鑒別等。第3章系統(tǒng)總體設計本系統(tǒng)是由CCD攝像頭、照明系統(tǒng)、圖像采集卡、機械裝置、主控計算機等部件組成，圖3-1為系統(tǒng)結(jié)構(gòu)圖。其工作過程是：首先將工件送到CCD攝像頭視場內(nèi)；然后由成像系統(tǒng)和圖像采集卡將圖像采集到計算機內(nèi)部；運用圖像處理技術對采集到的原始圖像進行預處理以改善圖像質(zhì)量，從中提取感興趣的特征量；最后運用模式識別技術對取到得特征量進行分類整理以完成系統(tǒng)的檢測。下面分別介紹系統(tǒng)的各部分的組成及工作原理。1231、CCD攝像頭及照明系統(tǒng)1、CCD攝像頭及照明系統(tǒng)2、圖像采集卡3、主控計算機4、分類機構(gòu)5、工件6、傳送裝置圖3-1機器視覺系統(tǒng)結(jié)構(gòu)圖3.1CCD攝像頭CCD是一種半導體成像器件，具有靈敏度高、抗強光、畸變小、體積小、壽命長，抗震動等優(yōu)點。本系統(tǒng)采用的是國產(chǎn)MTV-1881EX型號的黑白攝像頭，它的工作方式是將被攝物體的圖像經(jīng)過鏡頭聚焦到CCD芯片上，CCD根據(jù)光的強弱積累相應比例的電荷，各個像素積累的電荷在視頻時序的控制下，逐點外移，經(jīng)視頻捕捉卡濾波、放大處理，A/D轉(zhuǎn)換后形成視頻信號輸出。3.2圖像采集卡本系統(tǒng)采用的是大恒PCI-XR視頻捕捉卡，具有高品質(zhì)的視頻采集性能，具備高速PCI總線，采集頻率為3D幀/秒，顯示畫面流暢不間斷；顯示分辨率640X480。動態(tài)捕捉影像以靜態(tài)圖像方式存盤，提供BMP,JPG,TIP,TGA等多種存盤格式。其工作原理如圖3-2所示：圖3-2圖3-2VIDEO-PCI-XR圖像采集片工作原理四路復合視頻輸入經(jīng)多路開關，軟件選擇其中一路作為當前輸入，輸出到A/D進行模/數(shù)變換，數(shù)字化的圖像信號經(jīng)各種圖像處理后，利用PCI總線，傳到VAG卡顯示或計算機內(nèi)存存儲。由于要檢測工件的兩個表面，所以需要在硬件上使用兩路視頻輸入，每路采集不同表面的圖像。采樣頻率在一定范圍內(nèi)可調(diào)，滿足不同場合的需求。3.2.1視頻輸入信號及采樣頻率凡符合PAL制式（625行，50場/秒）和NTSC制式（525行，60場/秒）的視頻設備輸出的圖像信號均可作為該視頻捕捉卡的輸入源。在一般情況下，攝像機、錄像機等視頻設備均滿足上述標準。采樣頻率在一定范圍內(nèi)可調(diào)，滿足不同場合的需求。3.2.2視頻輸入窗口和顯示窗口視頻輸入窗口是指數(shù)字化后的輸入圖像尺寸。在PAL制式，輸入窗口最大尺寸為768X576。在NTCS制式為64X480。圖像顯示窗口是指在VAG顯示器上顯示的圖像尺寸，其最大值不能超過輸入圖像窗口。當圖像顯示窗口小于視頻輸入窗口時，有兩種方法可以采用。一種方法是減少視頻輸入窗口的大小，即重新設置起始行、終止行、起始列、終止列。使視頻輸入窗口與圖像顯示窗口相匹配。處理后的結(jié)果顯示的僅是全部輸入圖像的一個局部，這種方法稱為裁剪。另一種方法是采用對視頻輸入窗口采用抽點和抽行的方法減少其大小，即根據(jù)視頻輸入窗口和圖像顯示窗口的相對大小設置縮小比例系數(shù)，處理后的結(jié)果顯示的是縮小的全部輸入圖像，這種方法稱為比例縮小。也可以將兩種方法結(jié)合起來，達到所需要的結(jié)果。3.3軟件設計本課題中的圖像處理算法均采用Matlab程序語言實現(xiàn)模擬，Matlab提供一個高度集成的、集科學計算、程序設計和可視化歸于一身的。為了設計出實用有效的軟件，必須按照軟件工程的理論，進行充分的分階段的分析和設計。采用模塊化結(jié)構(gòu)設計，其特點為：1）可修改性。對模塊內(nèi)部的修改，對模塊外部沒有影響；增加或刪除幾個模塊，不影響整個程序；2）可讀性。每個模塊意義和職責明確，模塊間的接口關系清楚，便于用戶和設計人員進行系統(tǒng)代碼的維護；3）驗證性。獨立于其它模塊，可單獨驗證一個模塊的正確性，便于進行調(diào)試。采用模塊化原理使軟件結(jié)構(gòu)清晰，容易閱讀理解和維護。本系統(tǒng)中，按照算法要求設計了各子程序。第4章缺陷檢測軟件設計由于本系統(tǒng)是一個完整、實時的缺陷檢測系統(tǒng)，需要系統(tǒng)從原始圖像采集到圖像預處理、閾值選取、分割，再到模式識別，最后到缺陷種類分選整套過程有一個全面、整體的設計。系統(tǒng)主要有以下幾個模塊：圖像實時采集模塊、圖像預處理模塊、閾值選取模塊、圖像測量模塊、缺陷檢測模塊、缺陷識別模塊，其過程如圖4-1所示。圖4-1缺陷檢測過程4.1圖像實時采集模塊為了準確、及時獲得圖像的當前狀態(tài)，需要不斷地通過圖像采集卡將CCD攝像系統(tǒng)的圖像信息直接讀取到計算機內(nèi)存，在計算機內(nèi)存中進行其他的后續(xù)處理，如：圖像濾波、圖像測量、缺陷檢測等等。4.2圖像預處理模塊為去掉噪聲對圖像的于擾，要將剛采集的圖像數(shù)據(jù)進行預處理，如：去除孤立點、平滑、濾波等；同時，還要對圖像進行灰度調(diào)整，增加對比度，為后續(xù)的圖像處理工作做準備，如圖4-2所示。圖4-2原始圖像及灰度調(diào)整后圖像經(jīng)過預處理后，圖像的對比度增加，拉伸了圖像灰度，表現(xiàn)在灰度直方圖上就是峰與峰之間的距離加大，便于選取分割閾值及后續(xù)圖像分割，如圖4-3所示。

圖4-3灰度調(diào)整前及灰度調(diào)整后圖像直方圖4.3閾值選取模塊閾值的選取對于分割圖像、提取缺陷信息至關重要，其方法也很多，本系統(tǒng)采取利用圖像的灰度直方圖來選取閾值，如圖4-4所示。0501001502002502005010015025005010015020025020050100150250灰度值灰度值圖4-4濾波前及濾波后的灰度直方圖4.4圖像測量模塊工件尺寸和位置測量根據(jù)閾值選取模塊所計算的閾值分割圖像，將圖像二值化處理，便于圖像整體信息的掃描，如圖4-5所示。圖4-5圖像位置信息掃描圖4-5圖像位置信息掃描下工吐斤刀由圖4-6所示，可列:圖由圖4-6所示，可列:C,j))/2(i,j))/2=(F(C,j))/2(i,j))/2/從左到右從右到左y=(F(i,j)+F0從上到下從下到上那么，可得到工件的圓心坐標，其曲線分別如圖5-7所示。圖像寬(Y)圖像寬(Y)圖4-7x坐標數(shù)據(jù)曲線和y坐標數(shù)據(jù)曲線由于在實際圖像中存在噪聲或者其他干擾，圖像的背景并不是理想的那種單純灰度級，所以在對整幅圖像進行逐個像素掃描時，所檢測到的圖像信息也會存在干擾信息，即存在粗大誤差，在圖4-7中可以比較直觀地顯現(xiàn)。一旦發(fā)現(xiàn)含有粗大誤差的測量值，應將其從測量結(jié)果中剔出。設被測量的真值為L0，一系列測得值為l，則測量列中的隨機誤差5為ii5=l—Lii0式中i二1,2,…,n

正態(tài)分布的分布密度f(5)為:f(5)二標準差(或均方根誤差)；自然對數(shù)的底，值為2.7182…。由此可知：b值愈小，則b的指數(shù)的絕對值愈大，因而f(5)減小得愈快，即曲線變陡。而b值愈小，在b前面的系數(shù)值變大，即對應于誤差為零(b=0)的縱坐標也大，曲線變高。反之，b愈大，f(5)減小愈慢，曲線平坦，同時對應于誤差為零的縱坐標也小，曲線變低。圖4-8中三個測量列所得的分布曲線不同，其標準差b也不相同，且b<b<b。1232n-在等精度測量列中，單次測量的標準差按下式計算:2n-52+52+...+5—12—n式中n——測量次數(shù)(應充分大);5—測得值與被測量的真值之差;il—測得值;i測得值的殘余誤差(簡稱殘差);測得值的平均值。為了把掃描到的粗大誤差去除掉，采用3b準則來判斷每個檢測數(shù)據(jù)是否是存在誤差。即vi>若滿足上式，應于剔出。下面圖4-9是經(jīng)過剔出粗大誤差之后工件圓心的x坐標和y坐標的曲線圖，可以明顯地看出經(jīng)過處理的數(shù)據(jù)已經(jīng)比較統(tǒng)一。）咼像圖600500400300200100圖像數(shù)據(jù)）咼像圖00100200300400500600700800圖像寬（X）圖像寬（x）圖4-9經(jīng)過剔出誤差后的x坐標數(shù)據(jù)曲線和y坐標數(shù)據(jù)曲線（兩，兒）i”、仇時兒）U/h兒)丿(5卜…一/由圓心坐標,如圖4-10所示、在x方向上（rr圖4-10半徑計算再結(jié)合去除粗大誤差后掃描數(shù)據(jù)就可以計算工件的半徑大小,:-x1+(y-yJ20i0j/2蘭rj廠=j二1

xN其中’“為圖像的高度，N為rj豐0的個數(shù);在y方向上1+（y-y）|0j+k丿/24=1—其中，m為圖像的寬度，M為r豐0的個數(shù)。i600600Y方向計算的半徑大小小大徑半X方向計算的半徑大小OO004005003O80OO1O20O002小大徑半oooOoooO600600Y方向計算的半徑大小小大徑半X方向計算的半徑大小OO004005003O80OO1O20O002小大徑半oooOoooO4321003O201O像40圖0000圖4-11x方向和y方向上的半徑數(shù)據(jù)曲線圖4-11中的數(shù)據(jù)曲線就是x方向和y方向的上的半徑數(shù)據(jù)線，兩個方向上的半徑大小基本一致，如果有一定的相差，需要及時調(diào)整攝像頭，使攝像角度垂直工件表面。圓環(huán)和圓片的判斷在確定工件的圓心位置和半徑大小后，就需要判斷該工件時圓環(huán)還是圓片。圓環(huán)和圓片的區(qū)別就是：圓環(huán)的中心是空心，也是就說所采集工件圖像的中心數(shù)據(jù)為背景信息；而圓片的中心為實心，所采集工件圖像的中心數(shù)據(jù)為工件表面信息。圖4-12值度灰圖像寬(圖4-12值度灰圖像寬(x)圓環(huán)圖像寬（X）值圖像寬（X）值圖4-13圖4-13圖4-12是圓環(huán)形工件經(jīng)過圓心水平掃描的原始圖像數(shù)據(jù)和閾值分割后的圖

像數(shù)據(jù)；圖4-13是圓片形工件經(jīng)過圓心水平掃描的原始圖像數(shù)據(jù)和閾值分割后

的圖像數(shù)據(jù)。從圖4-12和圖4-1可以看出，如果所檢測的工件是圓環(huán)形，則在

圓心左右會有明顯的間斷；如果是圓片形，則在圓心左右沒有明顯的間斷。如圖4-14所示,4-14所示,圖4-14掃描示意圖首先，如圖4-14所示，以工件圓心為極坐標系原點O隨著極半徑r和極角0從小到大逐個掃描每個像素點，極半徑r的范圍是從0到工件的外徑，極角0的范圍是從0到2“；掃描時，由于圖像相當于一個矩陣，需要將極坐標系轉(zhuǎn)化為直角坐標系，其轉(zhuǎn)換公式為x二rcos0y二rsin0在轉(zhuǎn)化到圖像矩陣中，為x'=x+rcos00y'=y+rsin00其中，x和y分別是工件圓心的橫坐標和縱坐標。00其次，當逐個掃描每個像素遇到灰度突變時，記錄極半徑產(chǎn)r的大小和極角0的角度：小大徑半按弧度計算的內(nèi)圓半徑大小200180608010002040弧度602014010080604020小大徑半0oooO08642111后內(nèi)徑數(shù)據(jù)曲線0020小大徑半按弧度計算的內(nèi)圓半徑大小200180608010002040弧度602014010080604020小大徑半0oooO08642111后內(nèi)徑數(shù)據(jù)曲線0020406080100弧度2d圖4-15去除誤差前、得到的其數(shù)據(jù)曲線如圖4-15左圖所示；將掃描到的數(shù)據(jù)進行處理，去除偏差比較大的數(shù)據(jù)，其數(shù)據(jù)曲線如圖4-15右圖所示；計算出圓環(huán)的內(nèi)徑大小。最后，掃描完畢,光圈計算圖4-16去除光圈在檢測過程中，由于工件的邊緣反射，一部分光源的光進入攝像系統(tǒng)，形成光圈，如4-16所示，影響了檢測圖像。為了在實際應用中得到比較理想的圖像數(shù)據(jù)，而且又有利于后續(xù)的圖像處理，必須把光圈去掉。圖4-17光圈掃描示意圖圖4-17光圈掃描示意圖其掃描過程如下:首先，如圖4-17所示，以工件圓心為極坐標系原點O隨著極半徑r和極角0從小到大逐個掃描每個像素點,極半徑r的范圍是從內(nèi)徑到工件的外徑，極角0的范圍是從0到2“掃描時，由于圖像相當于一個矩陣，需要將極坐標系轉(zhuǎn)化為直角坐標系，其轉(zhuǎn)換公式為[x二rcos0[y二rsin0在轉(zhuǎn)化到圖像矩陣中，為fx'=x+rcos0foIy'=y+rsin00其中，x和y分別是工件圓心的橫坐標和縱坐標。00根據(jù)圓環(huán)和圓片的判斷結(jié)果來確定是掃描圓環(huán)還是圓片，如果是圓環(huán)就要從小于工件內(nèi)環(huán)半徑的區(qū)域開始掃描，一直掃描到工件外徑外的區(qū)域；如果是圓片，就以根據(jù)該工件的外徑大小，只從外徑內(nèi)的區(qū)域掃描到外徑外的區(qū)域，根據(jù)所檢測的工件形狀適當減小運算量，提高圖像的處理速度。其次，當逐個掃描每個像素遇到第一次灰度突變時，記錄下極半徑r的大小r和極角0的角度0；當遇到第二次灰度突變時，記錄下極半徑r的大小r和極112角0的角度0；當遇到第三次灰度突變時，記錄下極半徑r的大小r和極角0的23角度0；當遇到第四次灰度突時，記錄下極半徑r的大小r和極角0的角度0；TOC\o"1-5"\h\z344當，極半徑r的大小增大到所檢測工件的外徑大小時，停止該角度方向的繼續(xù)掃描。由此，可得到此角度方向上的內(nèi)光圈和外光圈的寬度為：k=r一r內(nèi)21k=r一r外43如果所檢測的工件為圓片，遇到第二次灰度突變之后，當極半徑r的大小增大到所檢測工件的外徑大小時，停止該灰度方向的繼續(xù)掃描二可得到此角度方向上的內(nèi)光圈和外光圈的寬度為：k=0內(nèi)

k=r一r外21另外，由于在同一個方向，即0=0=0=0。掃描內(nèi)外光圈所得數(shù)據(jù)曲線如1234圖4-18所示。

值度灰極坐標半徑值度灰極坐標半徑圖4-18工件內(nèi)光圈和外光圈寬度掃描曲線檢測圖像經(jīng)過圖像預處理、去除光圈，選取合適的閾值對所得到的圖像數(shù)據(jù)進行分割，再通過膨脹和腐蝕，就可以把圖像的缺陷信息提取出來，如圖4-19所示。只有把圖像的缺陷信息提取出來之后，我們才能對缺陷信息進行測量和形態(tài)識別。圖4-19圖4-19閾值分割及反色后圖像4.5缺陷檢測模塊對缺陷進行檢測，首先必須確定經(jīng)過處里后的圖像是否有缺陷，如果沒有，則工件無缺陷。如果有缺陷，則缺陷是否是獨立的缺陷，圖像中有幾個缺陷，需要對不同的缺陷進行標識。設有一幅已經(jīng)分割出的二值圖像，如圖4-20所示，圖中A代表缺陷，0代表背景，規(guī)定用4連通準則加標記。由于掃描有一定的次序，對任一點來說，當前點的左前一點和上一點必然是已經(jīng)掃描過了的點，在掃描過程中遇到缺陷上一點P，則其上點及左點必然是已經(jīng)標記過了的點，對P點加標記的方法是由左點及上點來確定的，主要有下面幾種不同的情況，如下所示。當左前一點和上一點皆為背景0則P點加新標記；當左前一點和上一點有一個為0，另一個為已加標記，則點P和已加標記的鄰點加上相同的標記；當左前一點和上一點兩個鄰點皆為已加標記，則P點標記與左點標記相同。00JXJJ00000ij0圖4-20原圖像根據(jù)上面的三原則，在第一次掃描后所有的缺陷上皆已加標記，如圖4-21所示，標記以此為1，2,3,4,這是圖像中的同一缺陷可能有幾種不同的標記,因此需要第二次掃描，來把同一缺陷上的標記統(tǒng)一起來，只要是4連通的都屬于同一缺陷，其標記都應該為一致，如圖4-22所示。TOC\o"1-5"\h\z■■■0C]1I]C'000000-0222222IIU>3SU■■■0D?5555550■-S66：■077777088圖4-21圖像掃描示意圖…|_|U1111U0lj00UII…...IJ1.1111111U111II...???01■10i;1]1]1110‘…11■10011111(.1115圖4-22圖像標記示意圖4.5.1二值圖像區(qū)域標記在二值圖像中，相互連接的白像素或黑像素的集合成為一個區(qū)域，通過對圖像內(nèi)每個區(qū)域進行標記操作，求得區(qū)域的數(shù)目。由于處理前的圖像是二值的，像素值只有0和1,所以處理后每個像素的值即為其所處理區(qū)域的區(qū)域標號(1,2,3,…，)。連接性8連通，如圖4-23所示，圖中有A、B、C三個不連通的缺陷。咧例2列3列4列劇&列洌剛10列"列12列1洌〕0^00oo00000ana001行0AAA00Q0EE&E00芍G0AA0u0EBEEg300丸AA00EBE0町004仃00AAA0000k&町tl3現(xiàn)QAAAAAQQEEBL童一0j0AAnrr-0dDrgh呂6帀00A000■茯…nD0a0000aA0GQ匕cc00000布QQ0cCcccC,c,c1Q1閒L0Ec總CeccG0c0011右0iQQ00c,ccccC0Q坨行0000000f1cccca1希"o"0000000D0a00—廠圖4-23缺陷標識經(jīng)過處理過程后，就可以得到標記后的缺陷圖像，如圖4-24所示。圖4-24缺陷標識4.5.2二值圖像的小區(qū)域消除通過對圖像內(nèi)每個標記操作的區(qū)域進行計算，求得總區(qū)域的數(shù)目，同時求得每個區(qū)域的像素個數(shù)。當二值圖像的某區(qū)域面積（像素數(shù)）在閾值以下時則消去該區(qū)域，全部置為0由此得到新圖像，如圖4-25。圖4-25去除小面積區(qū)域4.6缺陷識別模塊經(jīng)過以上處理，從原始圖像中提取出了含有缺陷的圖像信息，得到了目標缺陷。為了把各種不同類型的目標缺陷分類，需要識別出它們之間的不同。根據(jù)缺陷的形狀信息，可以用一組描述特征來表示其特性。選擇區(qū)域描述特征，不但可以減少在區(qū)域中原始數(shù)據(jù)的數(shù)量，而且也有利于區(qū)別帶有不同特性的區(qū)域。同時,這些描述特征對于目標缺陷大小的變化、旋轉(zhuǎn)、平移是不變的。

掉角或麻坑掉角麻坑刀紋、裂紋或劃痕刀紋裂紋或劃痕掉角或麻坑掉角麻坑刀紋、裂紋或劃痕刀紋裂紋或劃痕圖4-26工件表面缺陷分類二義樹表示鑒于工件表面缺陷圖像不同特征之間有一定的相關性，為降低識別算法的復雜性，特征識別時采用階層識別的方法。利用二叉樹線性分類器，如圖4-26所示，逐層選用不同的描述特征，選擇描述特征的準則是同種特征值相差最明顯的,保證描述特征具有較大相互獨立性。描述特征的分類閾值由實驗分析和特征分析結(jié)果得到，具體過程如下所述。圖4-27圖4-27圓度判斷（1）圓度判斷圓度判斷主要是針對掉角的缺陷，根據(jù)工件的特性，如圖4-27所示，我們采取的方法：首先遍歷圓周，因為背景的灰度值是很低的，可以比較容易將工件和背景分割開，提取出工件的外形；然后計算圓周上各點到圓心的距離，并和半徑比較，如果比半徑小于某一個設定值時，認為該點不在圓周上，如果這樣的點連續(xù)而它們個數(shù)超過掉角缺陷的設定值時，可以認為這個工件是不圓的。如圖4-28所示，半徑的值并不是一條直線，而是一條曲線，甚至有些地方有凹溝，這表明工件本身不圓。我們可以利用這個數(shù)據(jù)曲線可以計算最小半徑、掉角方向和掉角角度。

圓度判斷圓外件工200圓度判斷oooooO864208111116200圓外件工oooooO8642081111140r200圓度判斷圓外件工200圓度判斷oooooO864208111116200圓外件工oooooO8642081111140r200L4020-oL020406080100020406080100弧度X100+1弧度弧度X100+1圖4-28掃描工件外圓所得的數(shù)據(jù)經(jīng)過運算，可以得到如表4-1數(shù)據(jù)，根據(jù)圓度技術要求，設定合適缺陷閾值,可以把圓度上有缺陷的工件在識別其他種類缺陷之前剔出來。表4-1圓度判斷數(shù)據(jù)工件工件半徑R最小半徑r(R-r)(R-r)/R掉角方向掉角角度工件A152像素149像素3像素0.0197347.96°19.49工件B152像素142像素10像素0.0657971.65。36.11。識別麻坑和掉角麻坑和掉角區(qū)別就是麻坑在工件表面的內(nèi)部，而掉角在工件表面的邊緣。利用不變矩，就可以計算出缺陷區(qū)域的形心坐標，判斷缺陷區(qū)域是否在工件圖像的邊緣，如果在邊緣，則可以確定是掉角；否則，是麻坑。識別刀紋、裂紋和劃痕刀紋一般寬度和長度較大，而且面積也大，不變矩長短徑之比要比裂紋和劃痕小，同時，缺陷區(qū)域的分散度和復雜度較大，綜合利用這幾點就可以確定刀紋。至于裂紋和劃痕，在缺陷區(qū)域本身的形狀上很難區(qū)分。第5章實驗結(jié)果及分析5.1實驗數(shù)據(jù)一、將企業(yè)提供的各種缺陷的合格限度樣品按已經(jīng)完成的程序進行檢測獲得其缺陷的特征參數(shù)面積值、周長值，單位為：像素個數(shù)。數(shù)據(jù)見表5-1和表5-2。進行合格限度樣品檢測的目的是為了確定區(qū)分工件合格與否的標準，即周長和面積兩個特征的數(shù)據(jù)，以便將各種缺陷的面積和周長與之對比，從而確定判斷的依據(jù)。表5-1選取表面鍍層為鎳、工件規(guī)格為：D9.2*d4.02*1.2的圓環(huán)形工件的掉角、麻坑、劃痕及刀痕等四種缺陷的合格限度樣品各10個。只要檢測到有裂紋缺陷，則判定為不合格品。表5-1合格限度樣品表面的缺陷數(shù)據(jù)（單位：像素）序號掉角劃痕刀痕麻坑面積周長面積周長面積周長面積周長13517331873212212227162612155491793181017131614613741671010134352512515938179227776201141211855110672615351821659181082313542627884321593013442032783311410138503138498169表5-2選取表面鍍層為鋅、工件規(guī)格為：D9*1.2的圓環(huán)形工件的掉角、麻坑、劃痕及刀痕等四種缺陷的合格限度樣品各10個。同樣只要有缺陷就判定為不合格。表5-2合格限度樣品表面的缺陷數(shù)據(jù)（單位：像素）序號掉角劃痕刀痕麻坑面積周長面積周長面積周長面積周長1198411917347137

2271636202777421113241348212135226124331757331384119105251129131964523116291439173498217973815332037289381584320654045511229159472151294079631141052274221364862512二、根據(jù)表5-1和表5-2的檢測結(jié)果，我們將規(guī)格為D9.2*d4.02*1.2的圓環(huán)形工件和規(guī)格為D9*1.2的圓形工件的掉角、劃痕、刀痕及麻坑等缺陷的判斷閾值設定為如表5-3和表5-4所示。表5-3圓環(huán)形工件缺陷的判斷閾值（單位：像素）缺陷類型掉角劃痕刀痕麻坑面積周長面積周長面積周長面積周長數(shù)值36175331384983114表5-3圓形工件缺陷的判斷閾值（單位：像素）缺陷類型掉角劃痕刀痕麻坑面積周長面積周長面積周長面積周長數(shù)值512765404551123815三、將人工檢測出的規(guī)格為D9.2*d4.02*1.2（D9*1.2）的圓環(huán)形（圓形）合格品20片、掉角10片、劃痕10片、裂紋10片、刀痕10片、麻坑10片及砂眼10片共80片工件混合在一起，放入初步研制成功的表面缺陷自動檢測系統(tǒng)進行缺陷的檢測和分類識別，經(jīng)多次反復實驗，記錄數(shù)據(jù)分析結(jié)果。5.2實驗分析將反復實驗后各種缺陷的檢驗數(shù)據(jù)進行統(tǒng)計并將10次實驗結(jié)果進行累計，表面缺陷檢測系統(tǒng)軟件對圓環(huán)形工件缺陷的檢出率如下表5-4所示。

表5-4實驗結(jié)果、缺陷類型實驗數(shù)據(jù)掉角麻坑劃痕或裂紋刀痕應識別出的工件數(shù)10*1010*1010*1010*1010*10實驗1軟件識別99879硬件識別99879實驗2軟件識別88679硬件識別88778實驗3軟件識別98778硬件識別98878實驗4軟件識別98878硬件識別98878實驗5軟件識別89759硬件識別89759實驗6軟件識別88869硬件識別88869實驗7軟件識別98768硬件識別98768實驗8軟件識別88778硬件識別88778實驗9軟件識別88878硬件識別88878實驗10軟件識別88869硬件識別88869合計8482746585檢出率％8482746585分析上面的數(shù)據(jù)一方面可以看出該表面缺陷檢測系統(tǒng)的硬件分選機構(gòu)可以將軟件檢測系統(tǒng)識別出的缺陷全部要求實現(xiàn)正確的剔除，表明工件分選機構(gòu)的協(xié)調(diào)性和重復性比較可靠；另一方面可以看出掉角、麻坑及刀痕的檢出率比較高，達到了80%，劃痕的檢出率達到了74%，裂紋的檢出率較低只有65%，根據(jù)對誤判為合格品中裂紋及劃痕工件的采集圖像可以看出，裂紋工件由于缺陷面積極小而深度很深，現(xiàn)在的成像系統(tǒng)不能將工件的缺陷信息充分顯示出來，因此應重新設計合適的照明光源；而劃痕誤判的原因是因為工件表面的缺陷比較淺，采集后的圖像是不連續(xù)的線狀或片狀，經(jīng)圖像處理后成為斷斷續(xù)續(xù)的短線狀、點狀，從而使得的缺陷的特征參數(shù)小于相應缺陷判斷的閾值，因而造成誤判為合格品，而且由于現(xiàn)有的缺陷識別方法的限制及裂紋和劃痕缺陷形狀的相識性、缺陷位置的隨機性使得這倆種缺陷的區(qū)分存在難度，在檢測結(jié)果中這倆種缺陷是相互摻雜的，因此除了要改善獲得的圖像質(zhì)量外還應通過尋找合適的圖像處理算法來提高檢出率和識別率。全文總結(jié)理論分析及實驗結(jié)果表明，本表面缺陷在線檢測系統(tǒng)能夠?qū)崿F(xiàn)金屬工件表面缺陷的在線檢測及識別。本系統(tǒng)具有非接觸、不干擾生產(chǎn)過程的特點，具有很好的實用推廣價值。該系統(tǒng)采用黑白面陣CCD和多通道圖像采集卡采集圖像數(shù)據(jù)，提高了檢測系統(tǒng)的速度并降低了對CCD性能要求，使系統(tǒng)在現(xiàn)有的條件下比較容易實現(xiàn)實時在線檢測；采用自動選取圖像分割閾值，降低了對實時環(huán)境的要求，提高了系統(tǒng)的可推廣性；根據(jù)實際應用的閾值把工件信息從圖像中提取出來并掃描工件在圖像中的位置、尺寸信息，實現(xiàn)了系統(tǒng)的自動測量；利用自動選取的閾值對金屬工件表面的圖像進行二值化分割，再根據(jù)掃描得到的工件信息去除掉工件邊緣的光圈，從而實現(xiàn)各種缺陷的自動提取，為缺陷類型的識別打下基礎；系統(tǒng)以計算機視覺理論為檢測原理，在現(xiàn)有技術基礎上，借助誤差理論，以模塊化為設計思想并通過了大量的實驗和圖像算法仿真，設計了適合本系統(tǒng)的檢測算法，并成功在Matlab6.5中進行算法仿真。目前的算法雖然可以較好地實現(xiàn)要求的功能，但仍存在不足之處，需要加以改進。一、選取高穩(wěn)定度光源本課題主要是通過獲取工件的表面圖像，再對圖像進行處理、識別來實現(xiàn)缺陷的在線檢測。光源的穩(wěn)定度直接影響所獲取圖像的質(zhì)量，進而影響整個系統(tǒng)的識別、二、改進閾值選取算法閾值的選取對后續(xù)的圖像處理起著至關重要的作用，如果閾值選取的不好，可能會丟失很多有用的圖像信息，造成誤檢。本系統(tǒng)中采用雙閾值根據(jù)不同需要來分割圖像：一是為了掃描工件位置和尺寸大小，二是為了提取缺陷區(qū)域?？梢赃x用其他有效的分割閾值，最大限度地提取缺陷信息，摒除其他干擾信息，如光圈等。三、改進缺陷識別算法由于缺陷種類多，而且劃痕和裂紋在提取出來后的形態(tài)差不多，用一般的形態(tài)描述特征很難區(qū)分，可以采用神經(jīng)網(wǎng)絡進行識別，提高識別的準確度。四、完善軟件部分該系統(tǒng)的整體軟件部分雖然已經(jīng)完成，但是要在工業(yè)現(xiàn)場正常應用還需不斷的調(diào)試、修改，再調(diào)試、再修改，才能使軟件部分不斷完善；同時，軟件的操作要盡量簡單、直觀，符合工人的操作習慣，降低工人的誤操作率，提高該系統(tǒng)真正使用價值。參考文獻[1]Hermann-Joser,Kopineck,WilhelmTapper,NewOn-lineMeasuringandTestingSystemsforSteelStrip,Metallurgi