摘 要：傳統(tǒng)人工檢測(cè)難以同時(shí)滿足光學(xué)薄膜缺陷檢測(cè)速度要求高、缺陷種類多、缺陷尺寸變化大等特點(diǎn)，為此提出了一種基于機(jī)器視覺(jué)的自動(dòng)化在線檢測(cè)系統(tǒng)，給出了一種高效可行的滿足光學(xué)薄膜在線檢測(cè)的算法流程。對(duì)原始圖像使用改進(jìn)的均值濾波器進(jìn)行預(yù)處理之后，采用基于Otsu閾值分割算法實(shí)現(xiàn)薄膜缺陷的快速精確分割，提高薄膜缺陷特征提取和識(shí)別的效率及精度。使用漏檢率和誤檢率兩個(gè)指標(biāo)進(jìn)行相應(yīng)的實(shí)驗(yàn)，結(jié)果表明，該系統(tǒng)高效可行。在最大檢測(cè)速度300m/min時(shí)，漏檢率和誤檢率分別為4.6%和4.8%，符合企業(yè)生產(chǎn)要求。

關(guān)鍵詞：機(jī)器視覺(jué)；光學(xué)薄膜；缺陷檢測(cè)；Otsu

中圖分類號(hào)：TP391．4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1673-1794（2023）02-0013-05

作者簡(jiǎn)介：權(quán)躍文，安徽理工大學(xué)機(jī)械工程學(xué)院碩士生（安徽 淮南 232000）；通信作者：謝有浩，滁州學(xué)院機(jī)械與電氣工程學(xué)院教授，正高級(jí)工程師，研究方向：現(xiàn)代汽車設(shè)計(jì)理論與方法，智能裝備制造技術(shù)（安徽 滁州 239000）；姜闊勝，安徽理工大學(xué)機(jī)械工程學(xué)院副教授（安徽 淮南 232000）。

基金項(xiàng)目：滁州市重點(diǎn)研發(fā)專項(xiàng)“智能高效熱合成型成套裝備關(guān)鍵技術(shù)研究及產(chǎn)業(yè)化應(yīng)用”（2020ZG003）；安徽理工大學(xué)研究生創(chuàng)新基金項(xiàng)目“基于云計(jì)算的柔性視覺(jué)檢測(cè)設(shè)備關(guān)鍵技術(shù)研究”（2021CX2050）

收稿日期：2022-01-10

1 引言

機(jī)器視覺(jué)檢測(cè)具備安全可靠、無(wú)需接觸、高效率以及高柔性等特點(diǎn)，同時(shí)可以使檢測(cè)趨向更高精度和更高速度^[1]。隨著制造業(yè)的快速發(fā)展，企業(yè)對(duì)產(chǎn)品質(zhì)量、生產(chǎn)效率以及信息化程度等要求越來(lái)越高，從而使得機(jī)器視覺(jué)在缺陷檢測(cè)方面獲得了廣泛的應(yīng)用^[2]。

光學(xué)薄膜大量應(yīng)用在電子、機(jī)械、光學(xué)等領(lǐng)域，具有很高的實(shí)用和經(jīng)濟(jì)價(jià)值。然而，由于制造技術(shù)、生產(chǎn)環(huán)境、人員主觀原因等的影響，在光學(xué)薄膜的實(shí)際生產(chǎn)過(guò)程中，缺陷很難完全消除，使得膜表面或者內(nèi)部出現(xiàn)氣孔、晶點(diǎn)、異物、孔洞、凹坑、劃痕等瑕疵^[3]。這些缺陷對(duì)光學(xué)薄膜的商業(yè)價(jià)值影響很大，同時(shí)對(duì)薄膜的使用性能也有一定影響，薄膜表面存在的缺陷可能會(huì)對(duì)使用者造成損失，甚至引發(fā)安全事故^[4]。光學(xué)薄膜缺陷檢測(cè)具有檢測(cè)速度要求高、缺陷種類多、缺陷尺寸變化大等特點(diǎn)。傳統(tǒng)人工檢測(cè)精度較低，檢測(cè)速度慢，代價(jià)高，誤差較大，這些缺點(diǎn)嚴(yán)重限制了現(xiàn)代企業(yè)的生產(chǎn)。

機(jī)器視覺(jué)技術(shù)的出現(xiàn)為光學(xué)薄膜在線缺陷檢測(cè)的實(shí)現(xiàn)提供了支撐。獲取到光學(xué)薄膜圖像信息之后，對(duì)圖像進(jìn)行針對(duì)性地處理，可以快速且精確地完成缺陷檢測(cè)，使得光學(xué)薄膜檢測(cè)更加智能化和自動(dòng)化。機(jī)器視覺(jué)應(yīng)用到產(chǎn)品檢測(cè)中，可以提高產(chǎn)品檢測(cè)精度和效率，提升產(chǎn)品的品質(zhì)，同時(shí)，降低生產(chǎn)成本，減輕質(zhì)檢人員的勞動(dòng)強(qiáng)度。事實(shí)上，基于機(jī)器視覺(jué)的缺陷在線檢測(cè)手段已成為目前最有效的自動(dòng)化檢測(cè)辦法。為實(shí)現(xiàn)光學(xué)薄膜智能化檢測(cè)，本文設(shè)計(jì)了一種基于機(jī)器視覺(jué)的自動(dòng)化檢測(cè)系統(tǒng)，選擇了靈活性更強(qiáng)且更容易實(shí)現(xiàn)的計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)，詳細(xì)介紹了該系統(tǒng)的總體設(shè)計(jì)方案。通過(guò)硬件設(shè)備獲取薄膜初始圖像，運(yùn)用改進(jìn)的均值濾波以及基于Otsu的閾值分割算法實(shí)現(xiàn)圖像的預(yù)處理和快速精確分割。

2 光學(xué)薄膜典型缺陷

在光學(xué)薄膜的制備過(guò)程中，缺陷可能會(huì)出現(xiàn)在每一道工藝流程中，很多因素都會(huì)影響到光學(xué)薄膜的質(zhì)量，如真空度、鍍膜時(shí)的沉積速率、基片的清潔度、膜層的材料等。下面對(duì)光學(xué)薄膜典型的表面缺陷進(jìn)行討論并研究其產(chǎn)生缺陷的內(nèi)在原因。

（1）異物。光學(xué)薄膜中出現(xiàn)異物，主要是由于：生產(chǎn)光學(xué)薄膜的環(huán)境中有懸浮著的顆粒物， 顆粒物進(jìn)入鍍膜腔室內(nèi)；生產(chǎn)光學(xué)薄膜時(shí)，薄膜的上下基材沒(méi)有清潔干凈，原材料本身混有異物，最終出現(xiàn)在加工后的光學(xué)薄膜上。

（2）孔洞?？锥闯１憩F(xiàn)為凹陷的小圓洞，尺寸一般很小。其產(chǎn)生的主要原因是涂料不均。在對(duì)基底表面進(jìn)行研磨或拋光等機(jī)械預(yù)處理操作時(shí)，會(huì)產(chǎn)生空穴或者凹點(diǎn)，大部分的空穴或者凹點(diǎn)會(huì)在沉積中完全被覆蓋而閉合。但在薄膜沉積中，會(huì)產(chǎn)生較高的晶粒，而這些較高的晶粒會(huì)擋住原本要進(jìn)入到相鄰晶粒的原子，從而影響沉積作用，導(dǎo)致部分空穴或者凹點(diǎn)沒(méi)有被完全覆蓋而形成孔洞^[5]。

（3）劃痕。相對(duì)于孔洞缺陷，劃痕常表現(xiàn)為一條長(zhǎng)線型，橫向尺寸一般較大。其產(chǎn)生的主要原因是在制備時(shí)，由于機(jī)械傳動(dòng)裝置的表面光潔度不夠，使得薄膜表面造成劃痕。另外，作為原材料的基材過(guò)于粗糙，其自身帶有劃痕也是薄膜產(chǎn)生劃痕的原因之一^[6]。

（4）氣泡。真空度達(dá)不到要求是氣泡產(chǎn)生的主要原因。薄膜制造的過(guò)程中，空氣不能完全被排出真空室，有氣體到達(dá)基片上，從而形成氣泡。

分析研究光學(xué)薄膜的典型缺陷，能夠進(jìn)行針對(duì)性的算法研究，選取適合光學(xué)薄膜的算法，從而提高檢測(cè)精度。同時(shí)，還有利于找到不同缺陷的形成機(jī)理，通過(guò)調(diào)整生產(chǎn)設(shè)備或改善工藝，從薄膜制造源頭把控光學(xué)薄膜質(zhì)量，提高合格率^[7]。圖1為光學(xué)薄膜典型缺陷。

3 系統(tǒng)總體方案設(shè)計(jì)

3.1 系統(tǒng)原理

為達(dá)到高精度以及高速檢測(cè)要求，本方案選擇PC式視覺(jué)檢測(cè)系統(tǒng)，在整個(gè)檢測(cè)系統(tǒng)中，光學(xué)成像單元可以提供一個(gè)合適的成像條件，提高目標(biāo)亮度，減少環(huán)境光對(duì)于檢測(cè)系統(tǒng)的干擾^[8]。圖像采集單元由工控機(jī)、線陣相機(jī)和鏡頭等組成，為系統(tǒng)采集到初始的圖像信息。圖像處理與分析單元主要由檢測(cè)軟件對(duì)初始圖像進(jìn)行處理和分析?？刂茊卧饕菣z測(cè)薄膜的速度，獲得控制相機(jī)拍照的脈沖信號(hào)，從而控制相機(jī)拍照。圖2為整個(gè)檢測(cè)系統(tǒng)原理圖。

3.2 系統(tǒng)硬件

相機(jī)和鏡頭主要負(fù)責(zé)采集運(yùn)動(dòng)中光學(xué)薄膜的圖像，光學(xué)薄膜的缺陷尺寸變化大，其中最小尺寸可達(dá)到0.05mm，另外為符合現(xiàn)代企業(yè)生產(chǎn)速度要求，檢測(cè)速度要達(dá)到300m/min^[9]。因薄膜的缺陷檢測(cè)需要采集高速連續(xù)的圖像，同時(shí)黑白線陣相機(jī)在分辨率、圖像對(duì)比度、采集速度等方面比彩色相機(jī)更具有優(yōu)勢(shì)，所以選擇黑白線陣相機(jī)作為系統(tǒng)的采集硬件。為滿足系統(tǒng)對(duì)速度和精度的要求，在選擇相機(jī)時(shí)主要考慮相機(jī)的兩個(gè)重要參數(shù)。

（1）分辨率。實(shí)驗(yàn)所用的光學(xué)薄膜寬度為400mm，故相機(jī)的視野為400mm，為滿足0.05mm的最小缺陷尺寸，則相機(jī)分辨率為：

N=400/0.05=8000（pixel）

（2）掃描行頻。相機(jī)的掃描行頻與薄膜運(yùn)動(dòng)的速度以及檢測(cè)精度有關(guān)，系統(tǒng)要求的最大檢測(cè)速度為300m/min，圖像檢測(cè)精度為0.05mm。則相機(jī)的掃描行頻為：

所以本系統(tǒng)相機(jī)采用分辨率為8k，掃描行頻為100 kHz的?？低昅V-CL084-91CM型黑白工業(yè)線陣相機(jī)。相機(jī)基本參數(shù)信息如表1所示：

光源照明系統(tǒng)的設(shè)置在很大程度上決定著視覺(jué)檢測(cè)系統(tǒng)的最初輸入圖像數(shù)據(jù)質(zhì)量，一個(gè)合適的光源照明系統(tǒng)設(shè)置可以使得亮度均勻、圖像干擾減弱、保證圖像的穩(wěn)定性、易區(qū)分背景與特征，最終使得后期的圖像處理變得相對(duì)簡(jiǎn)單。本文選擇高功率、可調(diào)節(jié)亮度的長(zhǎng)壽命線性LED光源，照明方式采用透射，透過(guò)光學(xué)薄膜進(jìn)行打光。另外，光源波長(zhǎng)會(huì)影響到光學(xué)薄膜的透光率，隨著光源波長(zhǎng)的增加，其透光率會(huì)升高，但是其反射率隨光源波長(zhǎng)的增加變化不明顯^[10]。所以系統(tǒng)中LED光源的波長(zhǎng)可根據(jù)不同光學(xué)薄膜，進(jìn)行針對(duì)性的選擇。

3.3 系統(tǒng)軟件設(shè)計(jì)

本系統(tǒng)軟件以C++作為開(kāi)發(fā)語(yǔ)言，采用 QT面向?qū)ο缶幊痰姆椒ㄟM(jìn)行人機(jī)交互界面的設(shè)計(jì)。在人機(jī)交互模塊中，交互界面需要簡(jiǎn)潔友好，便于人員操作。啟動(dòng)檢測(cè)后，軟件實(shí)時(shí)顯示檢測(cè)畫面，對(duì)光學(xué)薄膜上出現(xiàn)的缺陷進(jìn)行自動(dòng)識(shí)別和處理，并把當(dāng)前檢測(cè)到的缺陷展示在畫面中。系統(tǒng)軟件界面如圖3所示。識(shí)別出缺陷后，記錄缺陷位置的同時(shí)，對(duì)缺陷的尺寸、灰度等特征進(jìn)行自動(dòng)計(jì)算，并對(duì)缺陷進(jìn)行分類，最后實(shí)現(xiàn)自動(dòng)存檔，生成相應(yīng)的薄膜缺陷信息統(tǒng)計(jì)表 ^[11]。圖4為系統(tǒng)軟件架構(gòu)圖。

4 缺陷檢測(cè)處理方法

作為機(jī)器視覺(jué)的核心，檢測(cè)算法對(duì)檢測(cè)的實(shí)時(shí)性和精度有決定性的影響。針對(duì)光學(xué)薄膜自身缺陷尺寸小，檢測(cè)需同時(shí)滿足實(shí)時(shí)性和準(zhǔn)確性要求，本文采用簡(jiǎn)單的目標(biāo)區(qū)域提取和基于Otsu的準(zhǔn)確目標(biāo)區(qū)域分割相結(jié)合的圖像處理思路，在保證低誤檢率以及漏檢率的同時(shí)，最大程度確保系統(tǒng)實(shí)時(shí)性的要求^[12-13]。

4.1 圖像預(yù)處理

在圖像分割前，對(duì)初始圖像進(jìn)行預(yù)處理可以提高光學(xué)薄膜的圖像質(zhì)量，突出其特征信息。作為線性平均濾波器的均值濾波，其具有算法簡(jiǎn)單、速度快，可以有效降低圖像的銳度和噪聲等特點(diǎn)^[14]。但是均值濾波會(huì)導(dǎo)致圖像邊緣信息丟失，為減小圖像細(xì)節(jié)上的損失，本系統(tǒng)采用一種改進(jìn)的均值濾波器^[15]。其算法流程如圖5所示。

4.2 圖像分割

圖像分割就是提取出圖像中感興趣部分，其余作為背景。如何選擇合適的圖像分割算法將目標(biāo)準(zhǔn)確快速的從圖像中分割出來(lái)，同時(shí)滿足系統(tǒng)實(shí)時(shí)性要求是實(shí)現(xiàn)缺陷準(zhǔn)確檢測(cè)的難點(diǎn)和關(guān)鍵^[16]。Otsu閾值分割是圖像分割中廣泛使用的一種算法，具有計(jì)算簡(jiǎn)單、分割準(zhǔn)確、實(shí)時(shí)性高、穩(wěn)定性和魯棒性強(qiáng)等特點(diǎn)^[17]。

Otsu閾值分割原理如下：

將圖像G（x，y）分為目標(biāo)像素和背景像素，目標(biāo)和背景像素點(diǎn)數(shù)占整幅圖像的比例分別為w₀和w₁，其平均灰度分別為u₀和u₁。U記為圖像的總平均灰度，g記為類間方差，T為目標(biāo)和背景之間分割值。

設(shè)大小為M×N的圖像，其中N₀為圖像中像素的灰度值小于閾值T的像素個(gè)數(shù)，N₁為圖像中像素的灰度值大于閾值T的像素個(gè)數(shù)，則：

綜合（5）和（6），可得公式（7）。最后，類間方差g最大的閾值T使用遍歷法即可得出。

4.3 缺陷特征的提取

使用基于Otsu的閾值分割算法實(shí)現(xiàn)了圖像目標(biāo)與背景之間的分離之后，缺陷的特征得到了較好的展示，下一步操作就是提取圖像中的缺陷特征。本系統(tǒng)主要提取光學(xué)薄膜缺陷的灰度特征和幾何形狀特征，作為缺陷特征比對(duì)和識(shí)別的標(biāo)準(zhǔn)。缺陷的灰度特征描述了缺陷圖像像素值的分布狀況，在圖像的灰度量化級(jí)內(nèi)，通過(guò)計(jì)算像素灰度值的分布從而得到灰度統(tǒng)計(jì)特征。圖6為圖像處理效果圖。

4.4 缺陷特征的比對(duì)和識(shí)別

提取到光學(xué)薄膜缺陷的特征值之后，通過(guò)分析比對(duì)不同典型缺陷之間的差異，從而實(shí)現(xiàn)薄膜缺陷的識(shí)別分類。光學(xué)薄膜的缺陷幾何和形狀特征主要包括缺陷的寬度、高度、面積、周長(zhǎng)、長(zhǎng)寬比、位置、彎曲度、矩形度、圓形度等^[18]。缺陷特征參數(shù)應(yīng)該具有較好的獨(dú)立性、可靠性以及可區(qū)別性。該系統(tǒng)根據(jù)光學(xué)薄膜缺陷自身特點(diǎn)，選擇周長(zhǎng)、面積、長(zhǎng)寬比、彎曲度和圓形度作為缺陷特征參數(shù)，通過(guò)這五個(gè)主要缺陷特征參數(shù)進(jìn)行薄膜缺陷的比對(duì)和識(shí)別。

（1）周長(zhǎng)L： 目標(biāo)外形輪廓包圍的像素點(diǎn)的個(gè)數(shù)。

（2）面積S： 目標(biāo)包圍的像素點(diǎn)個(gè)數(shù)。

（3）長(zhǎng)寬比P：外形輪廓的外接矩形長(zhǎng)度（h）和寬度（w）之比。

（4）彎曲度C：目標(biāo)輪廓的彎曲程度。

（5）圓形度R₀：缺陷輪廓接近圓形程度的衡量指標(biāo)。

5 實(shí)驗(yàn)分析

為驗(yàn)證本系統(tǒng)的可行性，以聚酰亞胺薄膜為實(shí)驗(yàn)對(duì)象，以漏檢率和誤檢率為指標(biāo)，試驗(yàn)了不同速度下系統(tǒng)的性能，結(jié)果如表2所示。

由表2中實(shí)驗(yàn)數(shù)據(jù)可知，在100m/min之前，隨著速度的增加，漏檢率和誤檢率數(shù)值變化微小，在速度從20m/min增加到100m/min過(guò)程中，漏檢率和誤檢率都只增加了0.1%。100m/min之后，隨著速度的增加，漏檢率和誤檢率增加明顯，在速度從100m/min增加到300m/min過(guò)程中，漏檢率和誤檢率分別增加了0.7%和0.5%。在最大檢測(cè)速度為300m/min時(shí)，系統(tǒng)的漏檢率和誤檢率分別為4.6%和4.8%，符合企業(yè)生產(chǎn)要求。

6 結(jié)論

針對(duì)光學(xué)薄膜表面檢測(cè)速度要求高、缺陷種類多、缺陷尺寸變化大等特點(diǎn)，為實(shí)現(xiàn)光學(xué)薄膜智能化檢測(cè)，本文提出了一種基于機(jī)器視覺(jué)的自動(dòng)化檢測(cè)系統(tǒng)，通過(guò)8k線陣相機(jī)和鏡頭，同時(shí)搭配合適的光照條件，獲得清晰高質(zhì)量圖像信息。運(yùn)用改進(jìn)的均值濾波以及基于Otsu的閾值分割算法實(shí)現(xiàn)圖像的預(yù)處理和快速精確分割。以聚酰亞胺薄膜為實(shí)驗(yàn)對(duì)象，通過(guò)進(jìn)一步實(shí)驗(yàn)發(fā)現(xiàn)系統(tǒng)算法高效可行、實(shí)用性較好，系統(tǒng)可以長(zhǎng)時(shí)間穩(wěn)定運(yùn)行。在薄膜速度小于等于100m/min時(shí)，系統(tǒng)的漏檢率和誤檢率可達(dá)到3.9%和3.6%，在相對(duì)較高的速度下，依舊可以符合企業(yè)檢測(cè)要求。該缺陷檢測(cè)系統(tǒng)可高速且精確地檢測(cè)出光學(xué)薄膜不同大小和種類的缺陷，對(duì)產(chǎn)品生產(chǎn)質(zhì)量實(shí)時(shí)監(jiān)控具有積極意義，同時(shí)通過(guò)分析缺陷的種類和數(shù)量，能針對(duì)性地發(fā)現(xiàn)生產(chǎn)工藝或原材料問(wèn)題，通過(guò)及時(shí)調(diào)整，提高光學(xué)薄膜的合格率，降低企業(yè)生產(chǎn)成本。

[參 考 文 獻(xiàn)]

[1] 韋玉科，曾貴，范鵬.基于計(jì)算機(jī)視覺(jué)的切膜機(jī)薄膜表面缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制，2014，22（9）：2752-2753+2757.

[2] 石煒，張?jiān)椋罴伍?列車滾子軸承表面缺陷機(jī)器視覺(jué)檢測(cè)方法研究[J].機(jī)械設(shè)計(jì)與制造，2022，374（4）：183-186.

[3] M. Y. P. COSTA，M. L. R. VENDITTI，M. O. H. CIOFFI，et al.Fatigue behavior of PVD coated Ti-6Al-4V alloy[J]. International Journal of Fatigue，2011，33（6）：759-765.

[4] 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].武漢：華中科技大學(xué)，2008：1-2.

[5] 馬永勝，楊雨晨，景泳淼，等.薄膜缺陷研究進(jìn)展綜述[J].表面技術(shù)，2021，50（3）：91-100.

[6] 劉鵬. 基于數(shù)字圖像處理的薄膜涂層缺陷檢測(cè)軟件設(shè)計(jì)與實(shí)現(xiàn)[D]. 哈爾濱：黑龍江大學(xué)，2018：7-8.

[7] 張振華，陸金桂，李浩然.基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)光學(xué)薄膜缺陷識(shí)別[J].計(jì)算機(jī)應(yīng)用與軟件，2021，38（4）：197-203.

[8] 丁曹凱.基于上下文的透明薄膜缺陷顯著性檢測(cè)[D].上海：東華大學(xué)，2016：9-10.

[9] 陳方涵，趙光宇，蔣仕龍.基于機(jī)器視覺(jué)系統(tǒng)的半透明薄膜缺陷檢測(cè)及厚度測(cè)量研究[J].光電子．激光，2018，29（7）：746-753.

[10] 胡廣華，鐘球盛.一種基于多目機(jī)器視覺(jué)的光學(xué)薄膜瑕疵檢測(cè)系統(tǒng)[J].機(jī)械設(shè)計(jì)與制造，2012（4）：162-164.

[11] 汪以歆，余光輝，徐鏹，等.一種基于機(jī)器視覺(jué)的產(chǎn)品外包裝印刷缺陷檢測(cè)技術(shù)[J].江蘇理工學(xué)院學(xué)報(bào)， 2019，25（4）：7-14.

[12] 李浩然，陸金桂.基于分塊閾值LBP算法的光學(xué)薄膜表面缺陷分割[J].南京工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020，42（5）：594-599.

[13] 宋克臣.帶鋼表面缺陷圖像中目標(biāo)區(qū)域的分割研究[D].沈陽(yáng)：東北大學(xué)，2011：9.

[14] 王科俊，熊新炎，任楨.高效均值濾波算法[J].計(jì)算機(jī)應(yīng)用研究，2010，27（2）：434-438.

[15] 趙建珍，董增壽.改進(jìn)的自適應(yīng)均值濾波算法及應(yīng)用[J].太原科技大學(xué)學(xué)報(bào)，2010，31（1）：34-37.

[16] 王利奉.基于otsu和最大熵的閾值分割算法的研究[D].哈爾濱：哈爾濱理工大學(xué)，2018：5-8.

[17] 張培培.基于機(jī)器視覺(jué)的多疵點(diǎn)薄膜區(qū)分算法研究[J].工業(yè)控制計(jì)算機(jī)，2016，29（11）：104-106.

[18] 張毅，何文.基于優(yōu)化背景差分法光學(xué)薄膜表面檢測(cè)系統(tǒng)[J].控制工程，2017，24（10）：2151-2155.

On-line Detection System of Optical Thin Film

Surface Defects Based on Machine Vision

Quan Yuewen， Xie Youhao， Jiang Kuosheng

Abstract： The traditional manual detection is difficult to meet the requirements of high speed， many kinds of defects and large change of defect size of optical thin film defect detection. Therefore， an automatic online detection system based on machine vision is proposed， and an efficient and feasible algorithm flow to meet the online detection of optical thin films is given. After preprocessing the original image with the improved mean filter， the Otsu threshold segmentation algorithm is used to achieve fast and accurate segmentation of thin film defects， which improves the efficiency and accuracy of thin film defect feature extraction and recognition. The corresponding experiments were carried out by using the 1 detection rate and missed detection rate， and the results show that the system is efficient and feasible. At the maximum detection speed of 300 m/min， the missed detection rate and 1 detection rate are 4.6% and 4.8%， respectively， which meet the production requirements of enterprises.

Key words：machine vision; optical thin film; defect detection; Otsu

責(zé)任編輯：陳星宇