淺談錠狀物表面缺陷檢測研究現狀與展望

劉宇斌，王壯基，陳靖薰

（廣東理工學院，廣東 肇慶 526100）

機器視覺就是使用機器對目標物體進行測量與判斷，采用機器視覺產品將所獲取的目標物體轉換為圖像信號，目標物體像素的顏色、亮度等信息被傳輸至圖像處理系統轉換為數字化信號，圖像系統再對數字化信號運算后抽取目標的特征，根據判別的結果用于控制設備。

目前圖像處理、傳感器等技術的發展勢如破竹，使機器視覺越來越廣泛應用到人們生產和生活中，企業的自動化水平在不斷地進步，需要對產品外觀質量有更嚴格的控制要求，在工業方面的應用較為成熟的機器視覺技術被更多地應用于對產品進行表面缺陷檢測。但由于專業度和應用領域方面的局限，市面上的機器視覺檢測大多用于檢測絲綢、玻璃等材質的工業產品，檢測種類尚且存在一定的空缺。基于機器視覺的錠狀物表面缺陷檢測系統（物品外觀形狀為錠狀，如檸檬除垢片、洗衣機清潔錠、易拉罐頂蓋等）與其他的方法相比具有明顯優勢，將成為未來的主要發展方向之一。

1 錠狀物表面缺陷檢測的現狀及特點

1.1 現狀

由于錠狀物具有體積較小的特質，為確保高精確度及高效率的缺陷檢測，市面上大多采取機器視覺檢測代替人工檢測。

國外機器視覺檢測相對國內發展得較為成熟，如美國的公司已研發了用于專門檢測刀具刀刃的缺陷情況的基于機器視覺技術的CNC識別檢測系統，其檢測效率和識別準確率較高；現已研發出parsytec缺陷識別系統的德國的Parsytec公司成為全球領先的表面系統供應商，可以為工業生產提供先進和定制的表面檢測系統。

目前，國內也有越來越多的人投身于此行列，如浙江的臺州學院物理與電子工程學院成功研究出了一種全新的基于機器視覺的零件表面缺陷檢測算法，其有較高的識別準確率和魯棒性；上海大學的機電工程和自動化學院與當地的一個自動化重點實驗室合作，研發出了一套基于機器視覺的瓶蓋表面檢測技術，這項技術在工業現場有較好的實際檢測應用效果。

隨著工業4.0時代的到來，工業呈現智能化趨勢，政府印發《中國制造2025》等促使更多技術力量參與機器視覺表面缺陷檢測研究，推動人工智能在工業上的應用規劃。

1.2 特點

基于機器視覺的錠狀物表面缺陷檢測系統主要由圖像采集模塊、圖像處理模塊、圖像分析模塊、數據管理模塊四大模塊組成。其中所反映出系統設計思想的主要特點如下。

（1）通常用CCD攝像機，光源會直接影響圖像質量，常用光源有熒光燈、鎢絲燈。

（2）標準化模塊化設計，系統的硬件結構運行穩定、功能靈活、改進與優化升級便捷。

（3）低層的視覺計算任務諸如增強、分割、表示等采用針對性強的處理元件實現。

（4）人們利用機器視覺等方式自動分類和識別錠狀物表面缺陷，但缺陷分類器仍存在局限性。

在生產加工過程中，錠狀物表面可能會出現破損、污漬、凹陷等問題，其會影響錠狀物的產品的利用率和原材料成本。

2 關鍵技術與難點分析

2.1 光源與成像

在基于機器視覺的缺陷檢測中最重要以及首要的一步即為相機成像，所以光源的打照與方向久尤為重要，通過觀察現在市面上現有的機器視覺缺陷檢測儀所出現的問題可以得知，大部分的錯檢和漏檢都源于光源的問題，容易受到外界光源以及自身光源的影響等。

2.2 缺陷識別種類

在解決了光源與成像問題后，還存在缺陷識別種類的問題，使用時通常都是通過給機器預設其存在的缺陷類型，但在實際運用中，缺陷類型是千奇百怪的，之前沒有出現過的，如果是人來判斷，大概率會將此類缺陷檢查出來，但是，機器可能會存在錯檢或漏檢，在自適應學習這塊目前機器視覺還較難突破。

2.3 算法精準度

最后，則是算法精準度和識別速度的問題，既要保持較高的識別精度，又要保持識別速度，這無疑是每個缺陷檢測方法要突破的問題，隨著深度學習的發展，很多新的算法不斷涌現，此時，算法的優化問題，也成為各個缺陷檢測廠家的所追逐的目標。

3 結語

本文通過對缺陷檢測的現狀特點以及技術難點進行分析并得出了以下總結，雖然目前機器視覺缺陷檢測法在各類圖像采集硬件的飛速發展、圖像處理技術的不斷精進以及深度學習的發展下得到了質的飛躍，減小了大量的人力負擔，但是要想全面替代人工，還存在諸多疑點、難點，而對于光源成像，算法的自主學習以及精準度問題也將成為未來的研究發展方向。