機(jī)器視覺在塑膠制品表面缺陷檢測中的應(yīng)用

機(jī)器視覺在塑膠制品表面缺陷檢測中的應(yīng)用

在塑料加工過程中，不同表面的缺陷影響了產(chǎn)品的后續(xù)生產(chǎn)工藝及其外觀的適應(yīng)性、完整性和安全性。因此,及時對塑膠制品的表面缺陷進(jìn)行檢測具有十分重要的意義。在生產(chǎn)過程中,制品表面缺陷的檢測技術(shù)作為一種制品質(zhì)量控制的重要手段,被廣泛地用于工業(yè)過程的質(zhì)量控制。目前,許多企業(yè)對大批量的小工件制品的表面缺陷,仍采用人工目測的方法。這種方法一方面由于工人的責(zé)任心及眼睛疲勞等生理狀況容易造成漏檢;另一方面,極大的工作量也容易影響工人的身體健康。因此,為提高檢測質(zhì)量和生產(chǎn)效率,降低成本,并把操作者從單調(diào)而繁瑣的工作中解脫出來,設(shè)計合理的表面缺陷自動檢測系統(tǒng)是工業(yè)自動化質(zhì)量控制十分重要的課題。機(jī)器視覺是一門涉及人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計算機(jī)科學(xué)、圖像處理、模式識別等諸多領(lǐng)域的交叉學(xué)科。機(jī)器視覺主要利用計算機(jī)來模擬人或再現(xiàn)與人類視覺有關(guān)的某些智能行為,從客觀事物的圖像中提取信息進(jìn)行處理,并加以理解,最終用于實(shí)際檢測和控制。應(yīng)用機(jī)器視覺技術(shù)對塑膠制品表面缺陷進(jìn)行智能化自動檢測,可以提高檢測效率和精度,同時大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。1機(jī)器視覺系統(tǒng)的組成機(jī)器視覺系統(tǒng)結(jié)構(gòu)包括光源、光學(xué)成像系統(tǒng)、圖像捕捉系統(tǒng)、圖像采集與數(shù)字化模塊、智能圖像處理與決策模塊、控制執(zhí)行模塊等,如圖1所示。機(jī)器視覺的這些模塊只有相互協(xié)調(diào)應(yīng)用才能構(gòu)成一個完整的工業(yè)機(jī)器視覺應(yīng)用系統(tǒng)。機(jī)器視覺系統(tǒng)雖應(yīng)用了很多技術(shù),但關(guān)鍵的技術(shù)主要體現(xiàn)在照明系統(tǒng)、攝像機(jī)、圖像增強(qiáng)、圖像分割和圖像識別等方面。下面對這些關(guān)鍵技術(shù)的發(fā)展現(xiàn)狀進(jìn)行闡述。1.1led照明源對鍍層性能的影響性能優(yōu)異的照明系統(tǒng)是目前機(jī)器視覺應(yīng)用系統(tǒng)成敗的關(guān)鍵。它應(yīng)當(dāng)具有以下的特征:(1)盡可能突出目標(biāo)特征,在物體需要檢測的部分與非檢測部分之間盡可能產(chǎn)生明顯的區(qū)別,增加對比度;(2)保證足夠的亮度和穩(wěn)定性;(3)物體位置的變化不應(yīng)影響成像的質(zhì)量。由于被測物體表面往往是不規(guī)則的,粗糙度也不同,有些制品表面還有電鍍層或涂覆層,造成被測制品表面對光的反射不一樣,這給制品表面缺陷檢測中CCD成像、圖像的采集和處理增加了難度。因此,需要針對不同的被測制品表面質(zhì)量設(shè)計特殊的照明系統(tǒng),以獲得質(zhì)量良好的圖像,方便后面的處理分析工作。針對不同零件表面粗糙度的差異,唐慧玲等研究了缺陷顯現(xiàn)力和光照度之間的關(guān)系,發(fā)現(xiàn)光照度和缺陷顯現(xiàn)力在某個光照區(qū)間內(nèi)存在某種線性關(guān)系,提出了綜合光照度的概念,并分析了制品表面粗糙度與最佳光照度之間的關(guān)系,提出了光照度自調(diào)節(jié)的方法,并把最佳光照自調(diào)節(jié)方法應(yīng)用于烤漆表面缺陷檢測系統(tǒng)中,取得了良好的效果。針對強(qiáng)反射復(fù)雜表面反射光極強(qiáng),導(dǎo)致CCD成像畫面亮度失真并將所要檢測缺陷信息淹沒的難題,錢小龍等通過應(yīng)用MAX1698芯片,設(shè)計了亮度可連續(xù)調(diào)節(jié)并且照度均勻的LED照明光源,如圖2所示。實(shí)驗(yàn)證明,該照明光源有效地解決了電鍍工件表面的強(qiáng)反射光給圖像處理和檢測帶來的困難,提高了CCD采集到的圖像質(zhì)量,同時也減輕了后續(xù)圖像處理的難度,提高了檢測的準(zhǔn)確性。針對電鍍工件表面的強(qiáng)反射光給圖像處理和檢測帶來的困難,何瀅等采用了均勻散射光作為照明光源,設(shè)計了LED照明系統(tǒng),如圖3所示。緊密排列的LED燈發(fā)出的光經(jīng)過磨砂玻璃透射后向所有方向散射,以致從各個方向來看,其亮度接近相等,可近似看作均勻散射光。實(shí)驗(yàn)證明,在這種照明方式下對各種缺陷的綜合表現(xiàn)力較好,會得到對比度較強(qiáng)的灰度圖,不會丟失信息。由上可知,目前,機(jī)器視覺技術(shù)中常采用LED作為照明光源。LED光源可分為點(diǎn)光源、線形光源、球積分光源、環(huán)形光源等,在對制品表面缺陷進(jìn)行自動檢測中,針對不同類型的缺陷可采用不同類型的LED光源。如:點(diǎn)光源,其發(fā)光強(qiáng)度高,可用于芯片檢測、Mark點(diǎn)定位;線形光源,有超高亮度,采用柱面透鏡聚光,適用于各種流水線連續(xù)檢測場合,應(yīng)用于線陣相機(jī)照明專用和AOI專用;球積分光源,具有積分效果的半球面內(nèi)壁,均勻反射從底部360°發(fā)射出的光線,使整個圖像照度十分均勻,適用于曲面、表面凹凸、弧形表面檢測或金屬、玻璃表面反光較強(qiáng)的物體表面檢測;環(huán)形光源,提供不同照射角度、不同顏色組合,更能突出物體的三維信息,解決了對角照射陰影的問題,適用于PCB基板檢測、IC元件檢測、塑膠容器檢測等。1.2圖像數(shù)據(jù)處理目前,在機(jī)器視覺圖像采集過程中,應(yīng)用較廣的是CCD(ChargeCoupledDevice)攝像機(jī)。CCD攝像機(jī)的工作原理是:通過光學(xué)成像系統(tǒng)將被測物體圖像成像在CCD的像敏面上,像敏面將照在每個像敏單元上的圖像照度信號轉(zhuǎn)變?yōu)樯贁?shù)載流子數(shù)密度信號存儲于像敏單元中,然后在轉(zhuǎn)移脈沖的作用下轉(zhuǎn)移到CCD的移位寄存器中,并在驅(qū)動脈沖的作用下順序地移出器件,成為視頻信號。CCD分為線陣CCD和面陣CCD。線陣CCD應(yīng)用線陣集成電路作為傳感器,其處理信息的速度快,后續(xù)處理電路簡單,易實(shí)現(xiàn)實(shí)時控制,但它只能獲得一維圖像,不能處理復(fù)雜的圖像。面陣CCD可以獲得二維圖像,獲得的信息量大,能處理復(fù)雜的圖像,但處理速度相對較慢,成本也比線陣CCD高。CCD攝像機(jī)的主要性能指標(biāo)包括像素、分辨率和靈敏度等。像素決定了顯示圖像的清晰程度,分辨率越高,圖像細(xì)節(jié)的表現(xiàn)越好。對于圖像處理,用600線的攝像機(jī)能得到較清晰的圖像。靈敏度是CCD對環(huán)境光線的敏感程度,即CCD正常成像時所需要的最暗光線。照度越小,表示需要的光線越少,攝像頭也越靈敏。針對運(yùn)動的和旋轉(zhuǎn)的被測物體照相后圖像模糊的情況,Asundi等提出了使用TDI-CCD(TimeDelayIntegrationChargeCoupledDevice)技術(shù),用于動態(tài)檢測和旋轉(zhuǎn)圓柱體的成像。實(shí)驗(yàn)證明,應(yīng)用TDI-CCD技術(shù),能夠采集到圓柱體表面的圖像,并能快速識別被測物體的邊緣和缺陷。圓柱形物體表面缺陷的自動檢測實(shí)驗(yàn)裝置如圖4所示。1.3空域方法或改進(jìn)算法圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息,同時削弱或去除某些不需要的信息,使得圖像更符合某些特定的需要。圖像增強(qiáng)技術(shù)主要分為兩大類,即基于空域(圖像域)的方法和基于變換域的方法。空域方法是直接對圖像數(shù)據(jù)進(jìn)行處理,增強(qiáng)過程是對每個像素點(diǎn)或者對較小的子圖像進(jìn)行處理,如線性對比度拉伸、UnsharpMasking(UM)、自適應(yīng)增強(qiáng)算法、直方圖均衡化以及在直方圖均衡基礎(chǔ)上的各種改進(jìn)算法。變換域方法是在圖像的變換域中進(jìn)行,即圖像數(shù)據(jù)通過某種變換轉(zhuǎn)換到其他空間,對變換的數(shù)據(jù)進(jìn)行處理后,再轉(zhuǎn)換回圖像空間以得到所需的效果,一般采用的變換方法有傅立葉變換、離散余弦變換和小波變換等,基于小波變換的自適應(yīng)增強(qiáng)方法、Retinex以及基于Curvelet變換的增強(qiáng)方法等都屬于這個范疇。1.4算法的應(yīng)用,解決點(diǎn)、難點(diǎn)圖像分割是將圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。這里的特性可以是灰度、顏色、紋理等,目標(biāo)可以對應(yīng)單個區(qū)域,也可以對應(yīng)多個區(qū)域。對圖像分割的研究一直是圖像工程和機(jī)器視覺技術(shù)的重點(diǎn)和難點(diǎn)。近年來,利用諸如馬爾可夫隨機(jī)場、專家系統(tǒng)、Gribbs隨機(jī)場、Bayesian理論、Gabor濾波器、小波模極大值、隱含馬爾可夫模型、分形、布朗鏈、模擬退火、高斯混合分布、遺傳算法等的算法不斷被提出來并應(yīng)用于實(shí)際中。圖像分割的方法依照分割時所依據(jù)的圖像特性不同,大致可以分為三類:第一類是閾值方法,這種方法是根據(jù)圖像的灰度值的分布特性確定某個閾值來實(shí)現(xiàn)圖像分割;第二類為邊界分割法,這類方法是通過檢測出封閉某個區(qū)域的邊界來實(shí)現(xiàn)圖像分割,即沿著閉合的邊緣線將其包圍的區(qū)域分割出;第三類方法是區(qū)域提取方法,這類方法的特點(diǎn)是根據(jù)特定區(qū)域與其他背景區(qū)域特性上的不同來實(shí)現(xiàn)圖像分割。1.5圖像分類及機(jī)器視覺圖像識別是對圖像處理后的圖像進(jìn)行分類,確定類別名稱,它可在分割的基礎(chǔ)上選擇需要提取的特征,并對某些參數(shù)進(jìn)行測量,再提取這些特征,最后根據(jù)測量結(jié)果作分類。所以圖像識別是在上述分割后的每個部分中,找出它的形狀及紋理等特征,即特征抽取(有時也包括圖像分割),以便對圖像進(jìn)行分類,并對整個圖像作結(jié)構(gòu)上的分析。影響圖像識別結(jié)果的因素主要有目標(biāo)特征的選取以及分類算法兩個方面,其中目標(biāo)特征選取是否準(zhǔn)確,對識別結(jié)果將起至關(guān)重要的作用,對于分類算法的運(yùn)算量也有很大的影響。由于Gabor小波變換較好地描述了生物視覺神經(jīng)元的感受問題,根據(jù)特定的視覺需要可相應(yīng)地調(diào)整它的空間與頻率采樣特性,從而獲得感興趣的目標(biāo)特征,因此Gabor濾波器及其在圖像分類和機(jī)器視覺方面的應(yīng)用的研究得到了廣泛關(guān)注。SVM(支持向量機(jī))算法,在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢,現(xiàn)已廣泛應(yīng)用于解決高位數(shù)據(jù)的監(jiān)督分類問題,尤其善于處理高維特征空間和大數(shù)據(jù)量的分類問題。BLOB算法就是在一塊區(qū)域內(nèi)把出現(xiàn)“灰度突變”的范圍找出來,并確定其大小、形狀、面積及準(zhǔn)確位置等的算法。該算法適用圖像質(zhì)量較高、能較好地進(jìn)行像閾值分割的場合,具有速度快、實(shí)時性好等特點(diǎn)。2帶材表面缺陷的檢測方法塑膠制品在成型加工過程中,由于材料、成型工藝、模具、制品設(shè)計及設(shè)備等各方面的影響,常會出現(xiàn)各種表面缺陷,如注射制品會出現(xiàn)填充不足、凹陷、縮痕、暗紋、熔接痕、銀絲、斑點(diǎn)、油污、毛刺、起泡、剝層、亂流紋、噴射痕、無光澤與光澤不均勻、翹曲變形、表面劃傷和龜裂等缺陷。檢測上述這些缺陷的方法有兩類,即傳統(tǒng)檢測方法和自動檢測方法。傳統(tǒng)檢測方法包括人工目視法和表面頻閃光檢測法,這類方法效率低、誤差大,但仍有大部分企業(yè)在采用這類方法。近年來,塑膠制品的缺陷檢測已經(jīng)開始采用以機(jī)器視覺技術(shù)為基礎(chǔ)的自動檢測方法,并在企業(yè)中逐漸得到推廣和應(yīng)用。Shima等提出了基于圖像分割和灰度直方圖的塑料表面自動視覺檢測方法,用于集成電路等塑料電子元件表面缺陷如裂紋、針孔、凸點(diǎn)等的自動檢測。何永輝等提出了一種基于機(jī)器視覺的帶材表面缺陷檢測的成像方法及裝置,建立了同步信號發(fā)生單元并產(chǎn)生同步信號,對切換單元和攝像單元進(jìn)行同步控制;建立了光源切換單元,使用切換單元對兩個光源進(jìn)行切換控制;使用兩個光源交替對帶材表面照明,并分別與攝像單元在一個掃描周期內(nèi)只構(gòu)成單一場(明、暗場)成像,以獲取帶材表面全部缺陷的圖像,且?guī)Р谋砻娴耐蝗毕菰谕粩z像單元、不同場照明下形成的圖像能夠精確匹配,避免了相同缺陷因重復(fù)成像產(chǎn)生的后續(xù)處理問題,大大提高了帶材表面缺陷檢測的準(zhǔn)確性,降低了成像裝置的成本以及結(jié)構(gòu)的復(fù)雜性。龍曉薇設(shè)計了PVC塑料建材的自動視覺檢測系統(tǒng)和缺陷的檢測方法。檢測系統(tǒng)的圖像采集與處理系統(tǒng)由攝相裝置、照明裝置和計算機(jī)處理裝置組成,其組成結(jié)構(gòu)示意圖如圖5所示。該系統(tǒng)主要由圖像采集面陣攝像機(jī)、圖像采集卡、面光源、圖像處理計算機(jī)和通信接口等部分組成,通過攝取建材表面圖像,并采用模糊閾值分割方法和數(shù)學(xué)形態(tài)學(xué)操作方法進(jìn)行了圖像分割和圖像識別。實(shí)驗(yàn)證明,該系統(tǒng)可以有效地檢測出建材表面常見的缺陷,如氣泡、裂紋、斑點(diǎn)等,具有較好的實(shí)時性和魯棒性。該系統(tǒng)可應(yīng)用于各種建材生產(chǎn)線在線表面檢測,實(shí)現(xiàn)了制品表面缺陷的實(shí)時檢測、報警和控制,提高了生產(chǎn)的自動化程度和信息化水平。周國良設(shè)計了一套聚合物膜制品缺陷在線測量系統(tǒng)。該系統(tǒng)是在散射光的照射下,通過線陣CCD控制電路獲得聚合物薄膜缺陷信號,使用PCI數(shù)據(jù)采集卡對一維缺陷信號進(jìn)行采集、傳輸,借助于計算機(jī)進(jìn)行分析處理,從而精準(zhǔn)地檢測出缺陷信息,并能夠?qū)崟r顯示缺陷的幾何形狀。實(shí)驗(yàn)證明,該系統(tǒng)可對50~1500μm范圍內(nèi)的缺陷進(jìn)行有效測量,誤差范圍在5%以內(nèi),并可以準(zhǔn)確地恢復(fù)缺陷的幾何形狀。HeFuqiang提出了一種應(yīng)用集多分辨率方法、能量和熵矩陣于一體的算法,用于皮革表面缺陷的檢測系統(tǒng)。該系統(tǒng)改進(jìn)了小波方法,用于自動確定分辨率水平的數(shù)目和分割亞圖像,從而更好地區(qū)分缺陷和移除圖像中重復(fù)的紋理模型。另外,該系統(tǒng)使用了一種自適應(yīng)的二閾值方法,用于分離存儲圖像的統(tǒng)一的灰度背景中的缺陷區(qū)域。該系統(tǒng)提出的方法能夠有效地檢測缺陷類型,且速度很快,能夠應(yīng)用于皮革制品缺陷的實(shí)時檢測。Prabuwono等提出了流水線上塑料瓶表面缺陷的智能視覺檢測系統(tǒng),如圖6所示。實(shí)驗(yàn)證明,該系統(tǒng)對流水線上轉(zhuǎn)數(shù)為106r/min的塑料瓶表面缺陷的檢測準(zhǔn)確