基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

基于机器视觉的晶圆表面缺陷检测

为降低晶圆缺陷对半导体制造的影响,设计一种基于机器视觉的晶圆表面缺陷在线自动检测技术。首先,针对晶圆中单个晶元可能出现缺角或者遮挡,设计一种基于轮廓匹配的晶元定位方法;其中选取轮廓完整的良品图,经过图像拉伸、中值滤波、边缘检测、形态学处理,得到外边缘轮廓和内部圆点轮廓,建立外边缘轮廓模板,搜索晶圆图像金字塔进行模板匹配。其次,针对晶元背景是有一定规律排列的几何图案,缺陷可能与背景几何图案相似的问题,利用仿射变换原理,设计一种几何图案轮廓仿射变换与分区域检测方法;在此基础上,裁剪几何图案内部区域和几何图案外部区域,分别进行阈值分割和形态学处理,提取缺陷。再次,将缺陷做并集,得到总的缺陷,并进行标记,完成缺陷检测。实验结果表明,所提检测算法能有效解决晶元缺角或严重遮挡无法匹配定位和缺陷与背景几何图案相似的问题,且能有效检测出各种缺陷,单个小晶元的检测速度约430 ms,算法效果好,检测速度快,符合工业要求。     

基于视觉注意力融合的表面微小缺陷检测

在生产过程中手机等智能设备的屏幕表面可能出现的微小缺陷与灰尘等脏污很相似,传统检测方法易将脏污误检为缺陷。为了提高产品表面微小缺陷的识别准确率,本文提出一种基于视觉注意力融合的检测方法。首先利用金字塔下采样初步识别出潜在目标,以减少图像数据量及提高计算效率,然后将角点检测、伽马变换和Otsu阈值分割等传统检测方法与3种显著性提取方法(布尔图显著性模型BMS、谱残差模型SR和频率调谐模型FT)相结合,建立了融合检测模型。实验结果表明,所提出的融合模型能够较为准确地区分出缺陷与脏污,F₁值可达到0.73,与其他几种显著性检测方法相比,本文方法在对脏污的识别上具有明显优势。     

基于机器视觉的带钢表面缺陷检测系统

研究了一种基于机器视觉的带钢表面缺陷检测系统，它采用模块化硬件设计，图像处理软件满足实时检测的要求，可以有效地检测了生产线上的带钢表面缺陷。为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器，具有一定的学习能力，当待测材料或有关设备发生变化时，系统可以根据缺陷样本库对分类器进行训练，以适应生产线的相关变化。系统具有较强的容错性、适应性及可移植性。     

重轨表面缺陷机器视觉检测的关键技术

针对重轨生产线中重轨表面缺陷在线检测的困难,提出了基于机器视觉检测的系列关键技术,包括缺陷成像机理、多CCD组合采集器、图像处理技术、基于多空间的缺陷参数提取等.通过图像校正、基于支持向量机(SVM)的直线(面)边缘搜索算法和缺陷特征参数提取等核心技术,可获得完整的重轨全表面的图像,其提纯的缺陷特征参数可以进行模式识别.实验验证表明,采用上述关键技术对重轨表面常见的缺陷识别,正确率在80%以上,达到了工程检测的需要.     

基于机器视觉的陶瓷瓦表面鼓包缺陷检测算法研究

针对陶瓷瓦表面鼓包缺陷自动化检测的需要,本文提出了基于机器视觉的表面鼓包缺陷检测算法。首先,对陶瓷瓦图像进行预处理,降低噪声。其次,通过自定义滑动滤波、线性中值滤波、插值低通滤波处理来提高鼓包与背景对比度,再采用阈值分割方法及形态学方法将鼓包区域提取出来。最后,通过特征提取得到缺陷信息。实验结果表明,该算法可以实现陶瓷瓦复杂表面的鼓包缺陷的检测,准确率达93%,能够将其应用于陶瓷瓦表面鼓包缺陷检测的生产实践中。     

活塞包胶组件表面缺陷的机器视觉检测研究

活塞包胶组件是摩托车减震器的重要组成部分,其表面缺陷的人工目测精度低、速度慢。在借鉴国内外研究的基础上,提出了一种基于机器视觉的活塞包胶组件表面缺陷检测系统。硬件方面,设计了光学照明方式,完成了机器视觉系统的研制。软件方面,提出了缺陷检测算法。端面以目标连通域面积为依据判定缺陷,侧面图像则结合组件侧面轮廓分析和连通域特性分析来检测缺陷。实验表明,该系统能够有效的检测出活塞包胶组件的表面缺陷。     

微小零件视觉检测系统

通过提取芯片图像中暗点、边缘、块数、面积和亮点等5种与芯片位置无关而且相互独立、易于提取的图像特征,建立正态分布模型,利用新识别出的损坏或缺陷芯片自动修正模型参数,提高模型的准确度.基于最小风险贝叶斯模式识别构造出各种损坏和缺陷芯片的分类器,对污损、烧蚀、碎裂和电极缺失芯片的正确识别率可以达到90%以上.     

基于机器视觉的钢板表面缺陷在线实时检测系统

钢板表面缺陷将对钢的耐磨性、抗腐蚀性等带来一定的影响,本文提出一种基于机器视觉的钢板表面缺陷检测系统。设计了光学成像子系统、图像实时采集子系统、图像准实时处理子系统及缺陷分类子系统。采用模块化设计方便系统在硬件和软件上的扩展,最后采用多分类器集成方法对图像缺陷进行自动分类识别。     

采用机器视觉的铝压铸件表面缺陷检测

对铝压铸件常见的缺陷形态进行分析,提出适用于铝压铸件表面缺陷的检测算法.首先,采用阈值分割与形态学相结合的方法分割出可疑区域;然后,根据基于面积、亮度均值、亮度均值差、灰度曲线分析的4个剔除原则,剔除伪缺陷的干扰.试验结果表明:文中的检测方法具有低成本、高精度、可操作性强等优点,能有效提高铝压铸件生产过程中的检测效率.     

基于机器视觉的食品缺陷检测系统研究

为解决食品生产过程中产品残缺问题,研究了一种基于机器视觉的缺陷检测方法,以饼干为样本进行了实验分析。首先构建实验系统,对单目摄像机进行标定,利用标定所得参数对图像进行畸变校正;然后对校正后所得图像进行图像分析处理;最后对处理完成图像进行区域检测,得到检测结果。实验结果表明:以该方法进行饼干缺陷检测成功率可达98.67%,并满足高精度、实时性的要求,为今后食品缺陷检测提供一定的参考方向。     

基于机器视觉的金手指外观缺陷检测

针对人工检测金手指缺陷的局限性,提出用图像处理技术进行金手指缺陷的自动检测。首先对采集到的待检金手指图像进行预处理,然后对增强后的图像进行缺陷提取和几何特性分析,实验证明了该算法的有效性。     

基于机器视觉的太阳能电池缺陷检测实验设计

随着煤、石油等不可再生资源的过度消耗,人类面临着越来越严重的能源紧缺危机和环境问题。太阳能作为绿色、无污染的可再生能源受到日益广泛的关注与应用。太阳能电池是太阳能发电的关键,其质量的好坏直接影响了能量转换效率、使用寿命和器件稳定性。为了帮助学生理解太阳能电池制备工艺、缺陷、性能三者之间的关系,寻找改善太阳能电池性能的方法,该文设计了基于机器视觉的太阳能电池缺陷检测实验系统,介绍了电致发光缺陷检测方法、检测系统的构成及各模块之间的作用和相互联系。以单晶硅太阳能电池为例,对太阳能电池片的各种缺陷问题进行了检测研究,探讨了检测过程中的问题。实践表明,设计的实验系统加深了学生对太阳能电池相关理论知识的理解;培养了学生发现问题、解决问题的实践能力。     

基于机器视觉的玻璃磨边缺陷检测

玻璃边部的磨削质量的快速检测是保证玻璃品质的重要措施,本文对现有的玻璃磨边缺陷进行了分类与成因分析,选用了一套合理的玻璃磨边缺陷检测光源,设计了一套基于机器视觉的玻璃边部缺陷检测装置,提出一种结合了快速傅立叶变换、高斯滤波、亚像素边缘阈值分割、数学形态学运算、频域处理和最小二乘法的检测方法,实验证明所提出的检测方法能够快速有效地检测出亮斑、白线和爆边3种缺陷.     

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。     

高温连铸坯表面缺陷的机器视觉无损检测

针对高温连铸坯表面缺陷无法在线检测问题,采用机器视觉技术和相应的试验装置,建立了高温背景下CCD快门控制时间成像模型,同时设计分类器算法对缺陷种类进行归类.系统所选CCD成像装备采用水冷风冷双层冷却方式,在高温状态下能长时间连续工作.系统可检测最大铸坯宽度为3 000 mm,能有效抑制铸坯表面振痕产生的图像噪声影响,实现热态铸坯表面缺陷在线检测与分类.     

图像处理耦合机器视觉的芯片表面缺陷检测研究与应用

微电子工业中芯片表面外观检查需求已广泛存在,而人眼检测已愈来愈不能对应当前自动化、数字化的要求.当前已有图像处理技术应用在电子芯片外观检查上,但往往没有整套的系统,只是针对某个问题提出算法或解决方法.对此,提出了一个图像处理耦合机器视觉的芯片表面缺陷检查系统,并在软件硬件上集成实现.首先设计并搭建光源取像平台;然后基于轮廓定位芯片ROI区域,识别各种缺陷.最后,引入IO卡控制传动伺服、读码器记录芯片ID、基于Socket通信完成电算统计,从而完善整个系统.对比实验结果显示:与人工检测方法相比,所提方案具备更高的效率和精度.     

基于机器视觉的SOP芯片引脚缺陷检测研究

随着微电子元器件向着微小化发展,传统的人眼目检较之于在线机器视觉检测技术对于芯片缺陷的识别而言,精度低、效率低且成本高,无法满足当今芯片检测行业的高精度、高速度的要求。针对SOP芯片引脚缺陷进行基于机器视觉的检测识别方法的研究,通过一系列图像处理算法的运用,以模板匹配思想为主,以连通像素区域标记法为主要算法,采用MATLAB进行运算研究,可清晰地识别、提取出SOP芯片的各区域的特征,达到检测目的。     

基于机器视觉缺陷检测的实践教学平台研究

目的构建一个能够模拟工业现实环境的机器视觉缺陷检测软件平台,用于工业自动化和计算机图像学的教学工作,便于学生掌握工业机器视觉系统的基本原理及处理流程,掌握数字图像的各种算法及其应用场景。方法在对机器视觉缺陷检测系统需求进行分析的基础上,使用Python 2.75和Opencv 2.4构建系统的软件模块。结果与结论该平台能够实现相机配制、图像获取、图像标定、图像处理、分析统计等工业缺陷检测全过程,并将计算机图像的相关理论教学融于实践教学过程,对于提高学生课堂的互动性、激发学习兴趣、掌握各种图像处理算法有着重要意义。