基于 PCA—SIFT 算法的产品表面缺陷检测研究
【摘要】针对复杂产品表面正确性的快速自动无损检测问题,提出了一种基
于 PCA-SIFT 算法的自动识别。该算法是对基于尺度旋转不变性(SIFT)算法的
改进,在保证识别精确度的前提下,利用主元分析法(PCA)进行降维处理,改
变了描述子的生成方式,以减少计算的时间,提高算法的实时性,最后通过相关
度计算判别各区域有无缺陷。实验表明在保证准确率的前提下本论文所提出的算
法比单独使用 SIFT 算法平均可以节省 0.5s。
【关键词】缺陷检测;旋转步长采样;投影法;PCA-SIFT 算法
引言
随着电子技术、计算机技术和图像处理等技术的快速发展,人们对产品质量
要求的提高,传统的人工检测由于很多原因已不能得到令人满意的检测结果,视
觉检测技术越来越多地应用于各领域,以便代替人工进行全自动产品检测等[1]。
自动视觉检测相比于人眼检测,具有非常明显的优势:检测速度快、生产效率高;
不依赖于人的主观因素从而保证高稳定性与高可靠性 ;容易满足各种特殊高危生
产检测场合;便于实现缺陷信息的自动记录与数据库管理及查询功能,保障产品
生产的全面质量管理与过程控制等[2]。
基于上述诸多优势,图像视觉自动检测技术正逐渐触及到人类生产和生活各
个领域,从工业检测到文件处理,从交通自动化到民宅安全监控,从毫微米技术
到多媒体数据库等等。表面缺陷自动检测的方法有很多,主要包括统计方法、结
构方法、全局方法和基于模型的方法[3]。
自动视觉检测是建立在机器视觉基础上的一门新兴检测技术,是综合应用图
像处理与分析、模式识别、人工智能、精密仪器等技术的非接触式检测方法。近
年来,红外技术、CCD 技术和计算机技术都有了飞速地发展,基于激光扫描、
光谱图像、红外成像和超声波扫描的机器视觉技术因其成本低、无损伤、准确、
快速、永不疲劳等优点在缺陷检测领域也得到了越来越广泛的应用[4]。
1.检测的总体流程
工件旋转检台如下图 1 所示[5]是为了使系统能够自动对被检产品进行多方
位信息提取。
图 1 视觉检测原理框图
图 2 表面有不同分辨率条纹的圆柱产品
产品的缺陷检测可以分为内部装配缺陷与外部表面缺陷,但最终具体的缺陷
检测机制是相同的,由于外部缺陷检测可以通过相机即可获取数据,因此,本文