基于FCN與形態學濾波的工件表面缺陷檢測

(天津工業大學機械工程學院 天津 300387)

一、引言

工業零件產品表面缺陷是降低產品質量的主要因素之一，不僅影響后續生產，而且影響最終產品的裝配，甚至導致產品失效。在表面缺陷檢測的領域中，由于技術和成本的限制，大多數公司仍然使用傳統的人工目視檢測方法，該方法具有一定的主觀性，而且勞動成本高、效率低、靈活性差，導致測試結果不準確，無法滿足在線檢測的要求。目前使用機器視覺的方式進行缺陷檢測，具有自動化程度高、識別率高、非接觸式測量的優點[1-2]。王柯賽等提出一種基于機器視覺在厚壁鋼管端面缺陷檢測方法，該方法使用Otsu算法實現缺陷區域的分割[3]，但是該算法是一種基于像素的閾值分割算法，當采集的圖像灰度不均勻時，使用該算法難以進行有效的缺陷區域分割。陳小改提出一種基于PCA-SVM的帶鋼表面缺陷識別算法，該算法結合PCA與SVM進行缺陷檢測[4]，但是沒有對缺陷特征進行有效的提取，且缺陷區域并沒有進行定位，而本文提出的算法能夠實現缺陷特征的輪廓提取，以及有效的缺陷檢測。

二、基本原理

為了實現良好的圖像分割效果，使用FCN與形態學濾波完成檢測，FCN利用二值化后的標簽圖像作為一種像素級的有監督訓練的網絡模型，圖1顯示了基于FCN與形態學濾波的工件表面缺陷檢測算法的結構。首先將待檢測圖像輸入到FCN中實現像素級圖像分割，輸出分類的結果作為初次分割的圖像，可以看出初次分割后帶有較多的局部噪聲點，結合形態學濾波填補內部細小孔洞，濾除局部噪聲，將其缺陷特征完整分割后進行輪廓提取，實現工件表面缺陷檢測。

圖1 基于FCN與形態學濾波的工件表面缺陷檢測算法的結構

三、結合形態學濾波的工件表面缺陷檢測

FCN是一種圖像語義分割網絡，具有端到端的像素級檢測能力，在工件表面缺陷檢測中，由于工件表面的缺陷特征與背景特征分離不明顯這一特點，在圖像分割后會存在大量的噪點，因此很難實現有效的缺陷目標分割，但是利用FCN的端到端特性可以有效的避免這一問題，它通過提取工件表面缺陷的特征，對每個像素進行類別識別，可以達到準確的分割效果并快速實現像素預測任務，因此廣泛用于工件表面缺陷檢測領域中。形態學濾波是基于形狀的一系列圖像處理操作，具體流程如圖2所示。開運算和閉運算是形態學濾波的基本操作[5]，開運算是對圖像先腐蝕、后膨脹，而閉運算是先膨脹、后腐蝕。

圖2 結合形態學濾波實現缺陷檢測的結構框架

四、實驗與分析

(一)實驗圖像樣本集及實驗環境

本實驗的工件表面缺陷圖像采集裝置由維視的以太網工業相機(型號MV-EM120M)、鏡頭(型號M0824-MPW2)、環形光源(型號HDR-90-45),及調節器、多功能調節支架和電腦組成。為了評估基于FCN與形態學濾波的工件表面缺陷檢測的可行性，進行了如下實驗，本實驗主要針對平面類型、金屬材質的工件作為研究對象，其表面為銑削表面。通過圖像采集系統獲得4600幅工件表面缺陷樣本，經過人工選擇2000幅為測試集，主要針對凹坑、劃痕與磕碰缺陷進行研究，其表面缺陷和正常表面如圖3所示。

(a)凹坑表面 (b)劃痕表面 (c)磕碰表面 (d)合格表面

(二)基于FCN與形態學濾波算法性能分析

通過對工件表面缺陷數據集進行檢測，將2000幅測試數據集分成正常表面圖像500幅，缺陷表面圖像1500幅，使用基于FCN與形態學濾波算法分別對樣本的占比情況不同進行缺陷檢測性能分析，實驗結果如表1所示，可以看出當缺陷和合格樣本占比為10%時，缺陷樣本的檢測率為100%，誤檢率為6%，合格樣本的檢測率為94%，誤檢率為0。通過數據占比程度逐漸加大，當缺陷與合格樣本占比100%時，缺陷樣本檢測率為97.8%，合格樣本檢測率為98.6%，其檢測效果圖如圖4所示，可以看出該算法可以有效的實現缺陷檢測。

表1 樣本占比不同的缺陷檢測實驗結果

圖4 缺陷檢測的效果圖

(三)算法的對比實驗分析

為了進一步驗證本文提出的算法的性能，將所提出的算法與文獻[4]的算法以及決策樹、最鄰近算法(KNN)、多層感知器(MLP)進行實驗比較。算法的對比實驗結果如表2所示，從表中可以看出，文獻[4]的算法缺陷檢測準確率僅為40.8%，雖然可以降低維度，但是檢測準確率較低，使用CNN進行缺陷檢測準確率為94.75%，可以證明所使用的深度學習框架進行缺陷檢測是有效的，但是對于缺陷區域并沒有實現輪廓提取并且進行有效的缺陷定位，而本文所提出的算法不僅可以實現缺陷特征的輪廓提取、缺陷定位以及有效的缺陷檢測，而且具有更高的檢測準確率，其準確率為98%。

表2 算法的對比實驗

五、結論

本文提出了一種基于FCN與形態學濾波的工件表面缺陷檢測算法，該算法以工件表面缺陷作為研究對象，通過FCN語義分割模型實現像素級分割，提取缺陷特征區域，然后結合形態學濾波算子填補內部細小孔洞，濾除局部噪聲，將其缺陷特征有效分割，最后將分割后的特征進行輪廓提取，實現缺陷檢測。通過對所提出的算法進行性能分析實驗，結果表明該算法具有較理想的誤檢率和檢測率，且經過與其他算法進行實驗比較，結果證明了所提出的算法性能的優異性。