机械视觉之外貌划痕检测，裂纹自动化检测

在工业生产中总是经常遇到裂痕、划痕和变色等产品的外貌缺陷问题，而这些问题不管关于人工检测照旧机械视觉检测都极富挑战。其难度在于该类缺陷形状不规则、深浅比照度低，并且往往会被产品外貌的自然纹理或图案所滋扰。因此，外貌缺陷检测关于正确打光、相机区分率、被检测部件与工业相机的相对位置、庞大的机械视觉算法等要求很是高；凳泳趸奂觳獾幕熘拔隼谭治讲剑菏紫，确定检测产品外貌是否有划痕，其次，在确定被剖析图像上保存划痕之后，对划痕进行提取。外貌划痕通？煞治罄啵篋 1类划痕从外观上较易辨认、同时灰度变革跟周围区域比照也比较明显？梢匝≡窠闲〉你兄稻毕莶糠种苯颖昙。

D 1类划痕缺陷图像第二类划痕，部分灰度值变革并不明显，整幅图像灰度比较平均，划痕面积也比较小，只有几个像素点，灰度也只比周围图像稍低，很难区分？梢远栽枷窠芯德瞬，获得较平滑的图像，并与原图像相减，当其差的 值大于阈值时就将其置为目标，并对全的目标进行标记，盘算其面积，将面积过小的目标去掉，剩下的就标记为划痕。

第二类划痕缺陷图像第三类划痕，各部分灰度差别较大，形状通常呈长条形，如果在一幅图像上接纳牢固阈值支解，则标记的缺陷部分会小于实际部分。由于这类图像的划痕狭长，纯粹依靠灰度检测会将缺陷延伸部分漏掉。关于这类图像，凭据其特点选择双阈值和缺陷形状特征相结合的要领。

第三类划痕缺陷图像由于在工业检测中图像的多样性，关于每一种图像，都要经太过析综合考虑种种手段来进行处理抵达效果。一般来说，划痕部分的灰度值和周围正常部分相比要暗，也就是划痕部分灰度值偏；并且，大多都是在平滑外貌，所以整幅图的灰度变革总体来说很是均匀，缺乏纹理特征。因此，划痕的检测一般使用基于统计的灰度特征或者阈值支解的要领将划痕部分标出。 基于机械视觉的外貌缺陷检丈量系统，可装置在具有规则形状的金属产品生产流水线上，对生产线上的每个产品的外貌缺陷及外形尺寸等进行在线检测，尤其关于有金属光泽的产品的外貌质量检测效果越发突出。当检测到有缺陷的工件时，系统可凭据实际需求发出相应的控制信号，即可直接将废品剔除，也可控制打标机构在缺陷品上喷涂标记。

文章来源：新机械视觉（*如有版权问题请联系后台，将在24小时内删除文章）