孫曉東SUN Xiao-dong

（淮南聯(lián)合大學(xué)機(jī)電系，淮南232038）

0 引言

機(jī)器視覺(jué)檢測(cè)技術(shù)是用視覺(jué)傳感器和計(jì)算機(jī)組成的采集與控制系統(tǒng)對(duì)被測(cè)對(duì)象進(jìn)行成像，再利用圖像處理技術(shù)提取被測(cè)量信息的測(cè)量技術(shù)。機(jī)器視覺(jué)檢測(cè)系統(tǒng)通常由視覺(jué)傳感器、計(jì)算機(jī)采集與控制、圖像處理三大模塊組成，其中視覺(jué)傳感器是由特定的照明光源和成像器件組成。在機(jī)器視覺(jué)表面缺陷檢測(cè)量方法上關(guān)鍵要解決照明方法與成像方法兩個(gè)問(wèn)題。

1 LED光源照明的打光技巧與LED光源模組設(shè)計(jì)分析

在視覺(jué)檢測(cè)中，LED光源的設(shè)計(jì)，是實(shí)現(xiàn)正確打光技巧的前題。打光方法是否合理關(guān)系到目標(biāo)信息是否能準(zhǔn)確的攝取。因此，LED光源設(shè)計(jì)與打光技巧是視覺(jué)檢測(cè)中的關(guān)鍵問(wèn)題。

首先在理論上解決以下兩個(gè)問(wèn)題：一是明場(chǎng)照明與暗場(chǎng)照明、直接照明與散射照明、傾斜照明與同軸照明、投射照明、偏振照明等照明方式同表面粗糙度和表面特征之間的關(guān)系；二是照面光源的色溫和光譜特性同目標(biāo)特征的顏色以及背景顏色之間的互補(bǔ)關(guān)系，以及光譜與色溫對(duì)目標(biāo)特征增強(qiáng)的影響規(guī)律。

然后以光的反射、散射等物理光學(xué)及光度學(xué)為理論基礎(chǔ)，以LightTools和TracePro為光源設(shè)計(jì)工具軟件，結(jié)合圖1對(duì)LED光源的要求，研究LED光源照明的打光技巧和LED光源的設(shè)計(jì)原理和方法。

2 表面缺陷視覺(jué)在線檢測(cè)中大孔徑遠(yuǎn)心光路成像技術(shù)分析

不論是點(diǎn)掃描成像、線掃描成像還是幀成像，通常在圖像傳感器的前方需要放置一個(gè)物鏡，在特定的照明方式下，在特定的空間位置，把含有表面缺陷信息的散射光場(chǎng)匯聚到圖像傳感器的感光面上。由于成像物鏡一般都有有限的孔徑，在近幾年的研究中發(fā)現(xiàn)，這種小孔徑視覺(jué)成像，在大面積表面缺陷測(cè)量中，對(duì)很多缺陷不敏感，要解決這個(gè)問(wèn)題，需要研究采用大孔徑遠(yuǎn)心光路成像。而在大面積表面缺陷檢測(cè)中，大孔徑遠(yuǎn)心光路系統(tǒng)又很難實(shí)現(xiàn)。

以往的研究中發(fā)現(xiàn)用線陣掃描方法或面陣攝像機(jī)直接對(duì)被測(cè)表面成像時(shí)，即使攝像機(jī)的分辨率很高，有時(shí)都難以分辨表面上的微觀缺陷，主要原因是攝像機(jī)鏡頭的孔徑大小改變了光線的傳播方向。為了解決這個(gè)問(wèn)題，只有讓散射光場(chǎng)中的光線平行地投射到感光面上，即采用遠(yuǎn)心光路系統(tǒng)。圖1給出了高速線陣掃描的兩種可能的視覺(jué)成像方式。

3 表面缺陷計(jì)算機(jī)自動(dòng)識(shí)別技術(shù)分析

采用計(jì)算機(jī)從視覺(jué)圖像中自動(dòng)識(shí)別表面缺陷，在理論上與實(shí)際應(yīng)用中一直都是一個(gè)非常難的問(wèn)題，尤其是復(fù)雜背景的視覺(jué)圖像中表面缺陷的自動(dòng)識(shí)別。這通常是表面缺陷在線檢測(cè)中的一個(gè)主要瓶頸。不過(guò)近些年來(lái)，隨著數(shù)學(xué)形態(tài)學(xué)、計(jì)算機(jī)紋理分析技術(shù)與模式識(shí)別技術(shù)的發(fā)展，各種新的自動(dòng)識(shí)別方法不斷出現(xiàn)，為表面缺陷的自動(dòng)識(shí)別在理論與方法上提供了很好的支持。

目前研究工作中，常用的途徑是采用數(shù)學(xué)形態(tài)學(xué)與紋理分析等分類法。如Anand等人對(duì)焊接的缺陷圖像首先利用Canny算子探測(cè)出缺陷的邊界，再用膨脹法連接哪些相似的邊界，用腐蝕去除掉哪些不相干的邊界，最后根據(jù)缺陷的特性進(jìn)行分類。Chetverikov等人在視覺(jué)檢測(cè)具有規(guī)則紋理結(jié)構(gòu)表面的缺陷時(shí)，采用形態(tài)學(xué)對(duì)紋理中的缺陷進(jìn)行增強(qiáng)，然后根據(jù)紋理的規(guī)則性與局部方向性把缺陷從紋理圖像中分離出來(lái)。

可以分析得出，將數(shù)學(xué)形態(tài)學(xué)與計(jì)算機(jī)紋理分析技術(shù)結(jié)合起來(lái)，進(jìn)行表面缺陷的自動(dòng)識(shí)別技術(shù)研究將是一種可行的方法。形態(tài)學(xué)方法一般比較適合用于表面缺陷視覺(jué)圖像的前期處理，因?yàn)橛盟鼘?duì)缺陷圖像進(jìn)行變換，可以增強(qiáng)表面缺陷的特征，但是它難以單獨(dú)完成缺陷的自動(dòng)識(shí)別任務(wù)。紋理分類有四大種類，每個(gè)種類有許多不同的分類方法，利用紋理中的特征值或函數(shù)，可以完成圖像自動(dòng)識(shí)別。但是在紋理分類法中，目前現(xiàn)有的分類方法對(duì)復(fù)雜的紋理圖像識(shí)別精度不是很高，有時(shí)難以勝任表面缺陷在線自動(dòng)檢測(cè)的需要。因此如果把形態(tài)學(xué)方法與紋理分類法結(jié)合起來(lái)，也許是一條比較好的提高自動(dòng)識(shí)別精度的途徑。

[1]A.Anand,P.Kumar,“Flaw detection in radiographic weld images using morphological approach,”NDT&E International,Vol.39，2006：29-23.

[2]D.Chetverikov,A.Hanbury,“Finding defects in texture using regularity and local orientation,”P(pán)attern Recognition,Vol.35,2002：2165-2180.

[3]彭向前.產(chǎn)品表面缺陷在線檢測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D].華中科技大學(xué)，2008.

[4]朱正德.零部件表面缺陷的機(jī)器視覺(jué)檢測(cè)模式[J].現(xiàn)代零部件，2005(09).