【正文】 實(shí)驗(yàn)分析 將反復(fù)實(shí)驗(yàn)后各種缺陷的檢驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)并將 10 次實(shí)驗(yàn)結(jié)果進(jìn)行累計(jì) ，表面缺陷檢測(cè)系統(tǒng)軟件對(duì)圓環(huán)形工件缺陷的檢出率如下表 54 所示 。 表 51 合格限度樣品表面的缺陷數(shù)據(jù) (單位 ： 像素 ) 序號(hào) 掉角 劃痕 刀痕 麻坑 面積 周長(zhǎng) 面積 周長(zhǎng) 面積 周長(zhǎng) 面積 周長(zhǎng) 1 35 17 33 18 73 21 22 12 2 27 16 26 12 155 49 17 9 3 18 10 17 13 161 46 13 7 4 16 7 10 10 134 35 25 12 5 15 9 38 17 92 27 7 7 6 20 11 41 21 185 51 10 6 7 26 15 35 18 216 59 18 10 8 23 13 54 26 278 84 32 15 9 30 13 44 20 327 83 31 14 10 13 8 50 31 384 98 16 9 表 52 選取表面鍍層為鋅 、 工件規(guī)格為 ： D9* 的圓環(huán)形工件的掉角 、 麻坑 、 劃痕及刀痕等四種缺陷的合格限度樣品各 10 個(gè) 。 數(shù)據(jù)見(jiàn)表 51 和表 52。 利用不變矩 ， 就可以計(jì)算出缺陷區(qū)域的形心坐標(biāo) ， 判斷缺陷區(qū)域是否在工件圖像的邊緣 ， 如果在邊緣 ， 則可以確定是掉角 ； 否則 ， 是麻坑 。如圖428 所示，半徑的值并不是一條直線(xiàn)，而是一條曲線(xiàn)， 甚至有些地方 有凹溝，這表明工件本身不圓。 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 23 缺陷圖像 掉角 其他缺陷 掉角或麻坑 刀紋、裂紋或劃痕 掉角 麻坑 刀紋 裂紋或劃痕 圖 426 工件表面缺陷分類(lèi)二義樹(shù)表示 鑒于工件表面缺陷圖像不同特征之間有一定的相關(guān)性，為降低識(shí)別算法的復(fù)雜性，特征識(shí)別時(shí)采用階層識(shí)別的方法。為了把各種不同類(lèi)型的目標(biāo)缺陷分類(lèi)，需要識(shí)別出它們之間的不同。 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 22 圖 423 缺陷標(biāo)識(shí) 經(jīng)過(guò) 處理 過(guò)程后，就可以得到標(biāo)記后的缺陷圖像，如圖 424 所示。 圖 420 原圖像 根據(jù)上面的三原則 ， 在第一次掃描后所有的缺陷上皆已加標(biāo)記 ， 如圖 421所示 ， 標(biāo)記以此為 1， 2， 3， 4， 這是圖像中的同一缺陷可能有幾種不同的標(biāo)記 ，因此需要第二次掃描 ， 來(lái)把同一缺陷上的標(biāo)記統(tǒng)一起來(lái) ， 只要是 4 連通的都屬于同一缺陷 ， 其標(biāo)記都應(yīng)該為一致 ， 如圖 422 所示 。 如果有缺陷，則缺陷是否是獨(dú)立的缺陷，圖像中有幾個(gè)缺陷，需 要對(duì)不同的缺陷進(jìn)行標(biāo)識(shí)。掃描內(nèi)外光圈所得數(shù)據(jù)曲線(xiàn)如圖 418 所示。 圖 417 光 圈 掃描示意圖 其掃描過(guò)程如下 ： 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 19 首先，如圖 417 所示，以工件圓心為極坐標(biāo)系原點(diǎn) O 隨著極半徑 r 和極角 ?從小到大逐個(gè)掃描每個(gè)像素點(diǎn)，極半徑 r 的范圍是從內(nèi)徑到工件的外徑，極角 ? 的范圍是從 0 到 2? 掃描時(shí)，由于圖像相當(dāng)于一個(gè)矩陣，需要將極坐標(biāo)系轉(zhuǎn)化為直角坐標(biāo)系，其轉(zhuǎn)換公式為 cossin????? ??xryr 在轉(zhuǎn)化到圖像矩陣中，為 00cossin??????? ????x x ry y r 其中， 0x 和 0y 分別是工件圓心的橫坐標(biāo)和縱坐標(biāo)。如圖414 所示，具體檢測(cè)過(guò)程如下 ： 圖 414 掃描示意圖 首先，如圖 414 所示，以工件圓心為極坐標(biāo)系原點(diǎn) O 隨著極半徑 r 和極角 ?從小到大逐個(gè)掃描每個(gè)像素點(diǎn)，極半徑 r 的范圍是從 0 到工件的外徑，極角 ? 的范圍是從 0 到 2? ； 掃描時(shí)，由于圖像相當(dāng)于一個(gè)矩陣，需要將極坐標(biāo)系轉(zhuǎn)化為直角坐標(biāo)系，其轉(zhuǎn)換公式為 cossin????? ??xryr 在轉(zhuǎn)化到圖像矩陣中，為 00cossin??????? ????x x ry y r 其中， 0x 和 0y 分別是工件圓心的橫坐標(biāo)和縱坐標(biāo)。 （ 2）圓環(huán)和圓片的判斷 在確定工件的圓心位置和半徑大小后，就需要判斷該工件時(shí)圓環(huán)還是圓片。即 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 15 0 100 200 300 400 500 600 700 800 圖像數(shù)據(jù) 圖像寬（ X） 圖像高（Y） 600 500 400 300 200 100 0 圖像寬（ X） 0 100 200 300 400 500 600 700 800 圖像數(shù)據(jù) 圖像高（Y） 600 500 400 300 200 100 0 iv 3? 若滿(mǎn)足上式 ，應(yīng)于剔出。反之， ? 愈大， ()?f 減小愈慢，曲線(xiàn)平坦，同時(shí)對(duì)應(yīng)于誤差為零的縱坐標(biāo)也小，曲線(xiàn)變低。一旦發(fā)現(xiàn)含有粗大誤差的測(cè)量值，應(yīng)將其從測(cè)量結(jié)果中剔出。 圖像實(shí)時(shí)采集模塊 缺陷識(shí)別模塊 圖像預(yù)處理模塊 缺陷檢測(cè)模塊 閾值選取模塊 圖像測(cè)量模塊 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 12 0 50 100 150 200 250 直方圖 直方圖 像素值 3000 2500 2022 1500 1000 500 0 0 50 100 150 200 250 像素值 3000 2500 2022 1500 1000 500 0 圖 43 灰度調(diào)整前及灰度調(diào)整后圖像直方圖 4. 3 閾值選取模塊 閾值的選取對(duì)于分割圖像、提取缺陷信息至關(guān)重要，其方法也很多，本系統(tǒng)采取利用圖像的灰度直方圖來(lái)選取閾值，如圖 44 所示。 系統(tǒng) 主要有以下幾個(gè)模塊 ： 圖像實(shí)時(shí)采集模塊、圖像預(yù)處理模塊、 閾 值選取模塊、圖像測(cè)量模塊、缺陷檢測(cè)模塊、缺陷識(shí)別模塊，其過(guò)程如圖 41 所示。 獨(dú)立于其它模塊 ， 可單獨(dú)驗(yàn)證一個(gè)模塊的正確性 ， 便于進(jìn)行調(diào)試 。 為了設(shè)計(jì)出實(shí)用有效的軟件 ， 必須按照軟件工程的理論 ， 進(jìn)行充分的分階段的分析和設(shè)計(jì) 。 處理后的結(jié)果顯示的僅是全部輸入圖像的一個(gè)局部 ， 這種方法稱(chēng)為裁剪 。 圖像顯示窗口是指在 VAG 顯示器上顯示的圖像尺寸 ， 其最大值不能超過(guò)輸入圖像窗口 。采樣頻率在一定范圍內(nèi)可調(diào) ， 滿(mǎn)足不同場(chǎng)合的需求。 由于要檢測(cè)工件的兩個(gè)表面 ， 所以需要在硬件上使用兩路視頻輸入 ， 每路采集不同表面的圖像 。本系統(tǒng)采用的是國(guó)產(chǎn) MTV1881EX 型號(hào)的黑白攝像頭 ，它的工作方式是將被攝物體的圖像經(jīng)過(guò)鏡頭聚焦到 CCD 芯片上， CCD 根據(jù)光的強(qiáng)弱積累相應(yīng)比例的電荷，各個(gè)像素積累的電荷在視頻時(shí)序的控制下，逐點(diǎn)外移，經(jīng)視頻捕捉卡濾波、放大處理， A/D 轉(zhuǎn)換后形成視頻信號(hào)輸出。 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 9 第 3 章 系統(tǒng)總體設(shè)計(jì) 本系統(tǒng)是由 CCD 攝像頭、照明系統(tǒng)、圖像采集卡、機(jī)械裝置、主控計(jì)算機(jī)等部件組成，圖 31 為系統(tǒng)結(jié)構(gòu)圖。 機(jī)器學(xué)習(xí)方法受到越來(lái)越多的關(guān)注模式識(shí)別的所有領(lǐng)域始終存在基于結(jié)構(gòu)與基于統(tǒng)計(jì)的兩大分支。機(jī)器視覺(jué)檢測(cè)是非接觸無(wú)損檢測(cè) ， 與傳統(tǒng)的檢測(cè)手段相比 ， 它具有不可替代的優(yōu)越性 ， 因而得到了廣泛的應(yīng)用。 要求高速度和高精度 由于機(jī)器視覺(jué)通常要求高速度和高精度 ， 數(shù)字圖像處理中的許多新算法目前還難以應(yīng)用。由于歷史發(fā)展或領(lǐng)域本身的特點(diǎn) ， 這些學(xué)科有某種程度的相互重疊。在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿(mǎn)足要求的場(chǎng)合 ， 常用機(jī)器視覺(jué)來(lái)替代人工視覺(jué) ； 同時(shí)在大批量工業(yè)生產(chǎn)過(guò)程中 ， 用人工視覺(jué)檢查產(chǎn)品質(zhì)量效率低且精度不高 ， 用機(jī)器視覺(jué)檢測(cè)方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。 有 照明部分、圖像獲取部分、圖像顯示部分和圖像處理部分。人們從 20 世紀(jì) 50 年代開(kāi)始研究二維圖像的統(tǒng)計(jì)模式識(shí)別 ， 60 年代 Roberts 始進(jìn)行三維機(jī)器視覺(jué)的研究 ， 70 年代中 ， MIT 人工智能實(shí)驗(yàn)室正式開(kāi)設(shè)機(jī)器視覺(jué) 課程 ， 80 年代開(kāi)始 ， 開(kāi)始了全球性的研究熱潮 ， 機(jī)器視覺(jué)獲得了蓬勃發(fā)展 ， 新概念、新理論不斷涌現(xiàn) 。 圖象處理和分析中的一個(gè)重要事實(shí)是對(duì)特殊的問(wèn)題需要特殊的解決方法 。 對(duì)圖像的處理和分析一般可用算法的形式描述 ， 而大多數(shù)的算法可以用軟件實(shí)現(xiàn) ， 只有在為了提高速度或克服通用計(jì)算機(jī)限制的情況下才用特制的硬件 。 圖像數(shù)據(jù)編碼一般采用預(yù)測(cè)編碼 ， 即將圖像數(shù)據(jù)的空間變化規(guī)律和序列變化規(guī)律用一個(gè)預(yù)測(cè)公式表示 ， 如果知道了某一像素的前面各相鄰像素值之后 ， 可以用公式預(yù)測(cè)該像素值 。 圖像的數(shù)據(jù)編碼和傳輸 數(shù)字圖像的數(shù)據(jù)量是相當(dāng)龐大的 ， 一幅 512 X 512 個(gè)像素的數(shù)字圖像的數(shù)據(jù)量為 256K 字節(jié) ， 若假設(shè)每秒傳輸 25 幀圖像 ， 則傳輸?shù)男诺浪俾蕿? 比特 /秒 。把水平傳輸寄存器的內(nèi)容送進(jìn)放大器就得到 1 幀隔行的視頻信號(hào) 。 對(duì)圖象分析來(lái)說(shuō) ， 分析的結(jié)果也可以解析系統(tǒng)的主要顯示設(shè)備是電視顯示器 。 固態(tài)陣列中主要元件是電荷藕合器件CCD。 另一種稱(chēng)為數(shù)字化器 ，它能將上述模擬電信號(hào)轉(zhuǎn)化為數(shù)字離散的形式 。 最后 ， 圖象處理和分析主要是運(yùn)算 ， 所使用的設(shè)備主要是計(jì)算機(jī) 。 圖像采集可采用 CCD 的照相機(jī) 、 帶有視像管的視頻攝像機(jī)和掃描儀等 。圖象分析則進(jìn)入了中層 ， 分割和特征提取把原來(lái)以像素描述的圖像轉(zhuǎn)變成比較簡(jiǎn)潔的非圖形式的描述。圖象分析則主要是對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量 ， 以獲得它們的客觀信息從而建立對(duì)圖像的描述。 圖像工作者普遍認(rèn)為 需對(duì)圖像和 圖像 處理技術(shù)進(jìn)行綜合研究和應(yīng)用 ， 這個(gè)工作的框架就形成了圖像工程。 圖像技術(shù)和圖像工程 圖像技術(shù)在廣義上是各種與圖像有關(guān)的技術(shù)的總稱(chēng)。為了能用數(shù)字計(jì)算機(jī)對(duì)圖像進(jìn)行加工處理 ， 需要把連續(xù)的圖像在坐標(biāo)空間 XY 和性質(zhì)空間 F 都進(jìn)行離散化。 客觀世界在空間上是 三維 (3D)的 ， 但一般從客觀景物得到的圖像是二維(2D)的。它是用各種觀測(cè)系統(tǒng)以不同形式和手段觀測(cè)客觀世界而獲得的 ， 可以直接或間接作用于人眼并進(jìn)而產(chǎn)生視知覺(jué)的實(shí)體。 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 3 第 2 章 圖像技術(shù)及機(jī)器視覺(jué)簡(jiǎn)介 圖像處理技術(shù) 機(jī)器視覺(jué)系統(tǒng)中 ， 視覺(jué)信息的處理技術(shù)主要依賴(lài)于圖像處理方法 ， 它包括圖像增強(qiáng)、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識(shí)別與理解等內(nèi)容。目前在我國(guó)隨著配套基礎(chǔ)建設(shè)的完善 ， 技術(shù)、資金的積累、各行各業(yè)對(duì)采用圖像長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) 2 和機(jī)器視覺(jué)技術(shù)的工業(yè)自動(dòng)化、智能化需求開(kāi)始廣泛出現(xiàn) ， 國(guó)內(nèi)有關(guān)大專(zhuān)院校、研究所和企業(yè)近兩年在圖像和機(jī)器視覺(jué)技術(shù)領(lǐng)域進(jìn)行了積極思索和大膽的嘗試 ，逐步開(kāi)始了工業(yè)現(xiàn)場(chǎng)的應(yīng)用。電子生產(chǎn)加工設(shè)備 ： 電子元件制造設(shè)備、半導(dǎo)體及集成電路制造設(shè)備、元器件成型設(shè)備、電子工模具 。本論文的目標(biāo)就是以己有的圖像處 理理論為基礎(chǔ) ,通過(guò)大量的實(shí)際實(shí)驗(yàn) ,設(shè)計(jì)適合本產(chǎn)品表面缺陷檢測(cè)的算法。 所以，人工檢測(cè)難以達(dá)到降低消耗、提高產(chǎn)品質(zhì)量的目的，采用機(jī)器視覺(jué)的表面缺陷檢測(cè)成為迫切需要。近 年來(lái)，迅速發(fā)展的以圖像處理技術(shù)為基礎(chǔ)的機(jī)器視覺(jué)技術(shù)恰恰可以解決這一問(wèn)題。 CCD。 關(guān)鍵詞 ： 機(jī)器視覺(jué) 表面缺陷 CCD 圖像處理 缺陷檢測(cè) 長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì) III Abstract In order to continually promote the quality of product and efficiency of production, the online automatic inspection technology of surface defect of metal workpiece has bee more and more important in the process of production. This paper designs an automatic system based on machine vision, which can inspect surface defect of metal workpiece timely without any damage on it. Firstly, using CCD and multichannel image acquisition card to acquire images, the system has accelerated the inspection speed and reduced the requirements of CCD on the perf