浅谈锭状物表面缺陷检测研究现状与展望

刘宇斌，王壮基，陈靖薰

（广东理工学院，广东 肇庆 526100）

机器视觉就是使用机器对目标物体进行测量与判断，采用机器视觉产品将所获取的目标物体转换为图像信号，目标物体像素的颜色、亮度等信息被传输至图像处理系统转换为数字化信号，图像系统再对数字化信号运算后抽取目标的特征，根据判别的结果用于控制设备。

目前图像处理、传感器等技术的发展势如破竹，使机器视觉越来越广泛应用到人们生产和生活中，企业的自动化水平在不断地进步，需要对产品外观质量有更严格的控制要求，在工业方面的应用较为成熟的机器视觉技术被更多地应用于对产品进行表面缺陷检测。但由于专业度和应用领域方面的局限，市面上的机器视觉检测大多用于检测丝绸、玻璃等材质的工业产品，检测种类尚且存在一定的空缺。基于机器视觉的锭状物表面缺陷检测系统（物品外观形状为锭状，如柠檬除垢片、洗衣机清洁锭、易拉罐顶盖等）与其他的方法相比具有明显优势，将成为未来的主要发展方向之一。

1 锭状物表面缺陷检测的现状及特点

1.1 现状

由于锭状物具有体积较小的特质，为确保高精确度及高效率的缺陷检测，市面上大多采取机器视觉检测代替人工检测。

国外机器视觉检测相对国内发展得较为成熟，如美国的公司已研发了用于专门检测刀具刀刃的缺陷情况的基于机器视觉技术的CNC识别检测系统，其检测效率和识别准确率较高；现已研发出parsytec缺陷识别系统的德国的Parsytec公司成为全球领先的表面系统供应商，可以为工业生产提供先进和定制的表面检测系统。

目前，国内也有越来越多的人投身于此行列，如浙江的台州学院物理与电子工程学院成功研究出了一种全新的基于机器视觉的零件表面缺陷检测算法，其有较高的识别准确率和鲁棒性；上海大学的机电工程和自动化学院与当地的一个自动化重点实验室合作，研发出了一套基于机器视觉的瓶盖表面检测技术，这项技术在工业现场有较好的实际检测应用效果。

随着工业4.0时代的到来，工业呈现智能化趋势，政府印发《中国制造2025》等促使更多技术力量参与机器视觉表面缺陷检测研究，推动人工智能在工业上的应用规划。

1.2 特点

基于机器视觉的锭状物表面缺陷检测系统主要由图像采集模块、图像处理模块、图像分析模块、数据管理模块四大模块组成。其中所反映出系统设计思想的主要特点如下。

（1）通常用CCD摄像机，光源会直接影响图像质量，常用光源有荧光灯、钨丝灯。

（2）标准化模块化设计，系统的硬件结构运行稳定、功能灵活、改进与优化升级便捷。

（3）低层的视觉计算任务诸如增强、分割、表示等采用针对性强的处理元件实现。

（4）人们利用机器视觉等方式自动分类和识别锭状物表面缺陷，但缺陷分类器仍存在局限性。

在生产加工过程中，锭状物表面可能会出现破损、污渍、凹陷等问题，其会影响锭状物的产品的利用率和原材料成本。

2 关键技术与难点分析

2.1 光源与成像

在基于机器视觉的缺陷检测中最重要以及首要的一步即为相机成像，所以光源的打照与方向久尤为重要，通过观察现在市面上现有的机器视觉缺陷检测仪所出现的问题可以得知，大部分的错检和漏检都源于光源的问题，容易受到外界光源以及自身光源的影响等。

2.2 缺陷识别种类

在解决了光源与成像问题后，还存在缺陷识别种类的问题，使用时通常都是通过给机器预设其存在的缺陷类型，但在实际运用中，缺陷类型是千奇百怪的，之前没有出现过的，如果是人来判断，大概率会将此类缺陷检查出来，但是，机器可能会存在错检或漏检，在自适应学习这块目前机器视觉还较难突破。

2.3 算法精准度

最后，则是算法精准度和识别速度的问题，既要保持较高的识别精度，又要保持识别速度，这无疑是每个缺陷检测方法要突破的问题，随着深度学习的发展，很多新的算法不断涌现，此时，算法的优化问题，也成为各个缺陷检测厂家的所追逐的目标。

3 结语

本文通过对缺陷检测的现状特点以及技术难点进行分析并得出了以下总结，虽然目前机器视觉缺陷检测法在各类图像采集硬件的飞速发展、图像处理技术的不断精进以及深度学习的发展下得到了质的飞跃，减小了大量的人力负担，但是要想全面替代人工，还存在诸多疑点、难点，而对于光源成像，算法的自主学习以及精准度问题也将成为未来的研究发展方向。