机器视觉检测.pdf

"机器视觉检测" 机器视觉检测技术是产品表面质量检测的重要组成部分，也是产品商业价值的重要保障。本技术从最初的依靠人工目视检测到现在以CCD和数字图像处理技术为代表的计算机视觉检测技术，经历了三个阶段，分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。 计算机视觉检测技术具有实时性好、精确度高、灵活性好、用途易于扩充、非接触式无损检测等优点。基于机器视觉的缺陷检测系统可以集成化生产、缩短产品进入市场时间、改进生产流程、100%检测、提高产量精确检测等优点。 机器视觉图像处理技术是视觉检测的核心技术，常见缺陷有砂眼、气孔、缩孔、披缝、粘砂、冷隔、掉砂、毛刺、浇不足、缺陷变形等。研究背景为产品表面质量检测技术的发展和应用，并解决检测系统误识问题。 国外研究发展现状为20世纪90年代后，基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统，拥有自学习分类功能。美国Cognex公司研发了一种iLearn自学习分类器软件系统，并应用于其研制的iS-2000自动检测系统。 国内研究发展现状为2005年北航周正干等人提出了一种新型的数学形态学滤波与计算机视觉算法相结合的缺陷自动提取方法。2009年北京科技大学徐科等采用线形激光进行连铸坯表面裂纹的在线检测，并用AdaBoosting分类器成功地实现了对表面裂纹、水痕、渣痕、氧化铁皮和振痕等5种缺陷和伪缺陷样本的识别。 北京科技人学高效轧制国家工程研究中心研制开发了具有全部自主知识产权的冷轧带钢和热轧带钢表面在线检测系统，并在生产线上得到成功应用。《基于光度立体学的金属板带表面微小缺陷在线检测方法》徐科等机械工程学报2013金属板带检测示意图摄像机微小缺陷与常规缺陷同步检测装置关键点：二维图像上缺陷研究的关键是如何对图像进行预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后，提取图像中的表面缺陷的相关特征参数，再进行缺陷图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。