表面缺陷的光学检测Word格式文档下载.docx
- 文档编号:14347012
- 上传时间:2022-10-22
- 格式:DOCX
- 页数:20
- 大小:256.83KB
表面缺陷的光学检测Word格式文档下载.docx
《表面缺陷的光学检测Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《表面缺陷的光学检测Word格式文档下载.docx(20页珍藏版)》请在冰豆网上搜索。
机器视觉缺陷检测图像处理
ABSTRACT
Inrecentyearswiththedevelopmentofscienceandtechnology,peoplearemoreonthepartsurfaceofthehigherrequirements.Butintheprocessofthecomplexandvaried,partssurfacewillcrack,sandholemicrodefects,surfacedefectsnotonlyaffecttheappearancewillcausedamagetotheequipment.Foralongtimethedetectionofsurfacemicrodefectoftenrelyonmanualcompletioninchina.Thedetectionresultsarepoorqualityandconsistency,lowdetectionefficiencyandthedefectiverollermissinganderrordetectionproblem,itisnecessarytoimprovethemeansofdetection.Opticaldetectionisimageprocessingtechnologydevelopveryquicklyinrecentyears.Inthispaperthecolumnbearingrollerdiameter1cm,high2cmastheresearchobject,thesystemandthedefectsonrollersurfaceimageprocessingalgorithmtodetectonlineresearchdefectsonrollersurface,achievetherapididentificationofrollersurfacedefectto.
KEYWORDS:
machinevisiondefectionofdefectimageprocessing
第1章引言
1.1研究背景
近年来随着科技的发展,人们对零件的材料特性表面质量结构形状可靠性等方面要求越来越高。
但其的制造主要通过粉末成型、机械加工、真空烧制、光刻技术等工艺方法视线,在这些复杂多样的工艺加工过程中,在器件表面会产生砂眼、划痕、裂纹、麻坑等微观缺陷,这些缺陷不仅影响美观还可能对设备造成难以估计的损失,对安全生产造成极大的隐患。
因此用机器快速识别器件表面微缺陷成为急于解决的问题。
1.2目前缺陷检测的方法
目前,零件表面微缺陷检测主要采用3种方式:
a、基于超声波、射线、电磁涡流等的检测方式,这种方式普遍存在着检测效率低、准确性差、环境要求高等弊病,并不适合微小尺寸零件表面缺陷快速精确检测;
b、人工目测检测方式,该方法存在着检测效率低、误检率高、不能在线检测等缺陷,为提高检测精度,目测必须在强光下进行,对检测人眼睛造成极大损伤。
c、光学检测通常是将零件捕捉成像,通过软件图像处理判断这一零件特征是否完好,该方法采用光源为LED光源,成本比用超声波射线电磁涡流等方法性价比更高,系统稳定,检测速度快。
所以本题采用基于图像处理的光学检测进行对零件微缺陷检测。
1.3图像处理技术的发展态势以及基于图像处理的光学检测应用实例
20世纪60年代随着计算机技术的兴起数字图像处理技术不断的发展、成熟,逐渐成为一个新兴技术领域,它在理论和实际应用中都取得了很大成就。
1964年美国喷气推进实验室(JPL)对航天探测器徘徊者7号发回的几千张图片进行几何校正、去除噪声、灰度变换等图像处理,由计算机成功绘制出月球表面地图并获得了成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理,获得了月球的地形图、彩色图及全景镶嵌图,为人类登月创举奠定了坚实的基础。
1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置,也就是我们通常所说的CT(ComputerTomograph)。
CT的基本方法是根据人的头部截面的投影,经计算机处理来重建截面图像,称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。
1979年,这项无损伤诊断技术被授予诺贝尔奖,以表彰它对人类做出的划时代贡献。
20世纪70年代末MIT的Marr提出视觉计算理论,这个理论成为计算机视觉领域其后十多年的主导思想。
1988年Mallat效地将小波分析应用于图像分解和重构。
小波分析被认为是信号与图像分析在数学方法上的重大突破。
随后数字图像处理技术迅猛发展,到目前为止,图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。
20世纪90年代至今,随着PCB的大量使用,国外PCB厂商广泛使用基于图像处理的自动光学检测技术。
21世纪国内大量使用基于图像处理的光学检测对器件以及农作物表面进行缺陷检测。
1.4本课题主要研究内容
本文对采集的滚子表面图像,采用适当的图像处理和识别算法,对圆柱滚子的表面缺陷特征进行提取,在此基础上实现对滚子的识别与检测,主要研究内容包括:
1.探索滚子表面自动检测的新方法:
提出可靠的滚子表面缺陷检测方法。
2.分析滚子表面展开方法,通过实验,找出合理的展开路线。
搭建图像采集系统,对圆柱滚子表面图像进行实时采集。
选择合适光源和CCD,搭建明系统,选择合理的照明方式。
3.图像处理算法的研究与缺陷特征的提取:
根据CCD摄像机所采集的图像,运用MATLAB语言及其所提供的函数进行编程,通过一系列的图像处理技术,得到缺陷图像特征参数,并对提取的缺陷特征参数进行分析,设计合适的识别算法,能够合理的对滚子表面缺陷进行检测。
4.根据滚子缺陷图像的特征,提取缺陷的周长、面积等缺陷特征参数。
第2章机器视觉与图像处理
2.1机器视觉
机器视觉是用计算机来模拟人或者再现与人类视觉有关的某些智能行为的技术,从图像中提取信息进行处理,并加以理解,最终用于实际检测、测量和控制。
机器视觉是一项综合技术,包括机械工程技术、数字图像处理技术、光源照明技术、控制技术、模拟与数字视频技术、光学成像技术、传感器技术、计算机软硬件技术及人机接口技术等【1】。
2.2图像处理技术
在机器视觉系统中,视觉信息的处理主要是对图像信号进行处理,其内容包括图像变换图像数据编码、存储及传输、图像增强和复原、图像分割、目标特征的提取、图像识别与理解等【2,4】。
通过这些图像处理,使输出图像的视觉效果获得一定的改善,提高图像的清晰度;
易于计算机对图像进行分析、处理和识别,比如图像的锐化处理能突出图像的边缘轮廓线。
这样通过编程计算机进行跟踪,有利于进行各种特征的分析。
其中图像的预处理结果较为重要,如果初期处理不好,后面的工作会将很难展开。
2.2.1图像和数字图像
图像是用不同的观测系统采用不同方法和形式观测客观世界而得到的,能直接或间接作用于人眼并产生视觉的实体。
人类从外界所获得的信息大部分是来自于视觉系统,通过视觉系统得到的图像就是三维景物在人眼中形成的影像,图像信息包含光通量分布和人类视觉的主观感受。
图像能以各种不同的形式出现,如实际的和抽象的,可视的和不可视的,计算机能直接处理的和不能直接处理的等。
按照图像的本质可分为模拟图像和数字图像。
模拟图像包括电视图像、照相图像和光学图像等。
比如绘画、照片等就是模拟图像。
在生物研究中,从显微镜下所看到的图像也是光学模拟图像。
数字图像就是对连续的模拟图像进行离散化处理之后变成适于计算机辨识的点阵图像。
数字图像实际是二维采样数组被量化后的图像,由采样和量化共同完成数字化过程。
图像元素是图像中的一个基本单元,在三维图像中用体素表示图像的基本单元,英文中一般用voxel表示;
而二维图像中的基本单元被称为像素,英文中一般用pixel表示。
如视频、动画和图形等都是与数字图像相关的概念。
其中视频图像又称为运动图像、动态图像或者活动图像。
视频图像是二维图像在一维时间轴上形成的有序排列的图像。
设计视频图像的刷新速度时会因人眼的视觉特征而有一个明显的限制。
图形描述的是图像的几何特征,是图像的一种抽象表示,如图像的点、线、面等,图形直接描述这些点产生的过程及方法,叫做矢量图形。
图形的矢量化使得所有图形都能用数学的方法来描述,因此能对其中任意对象进行旋转、缩小、放大、移位、变形、扭曲、叠加等任意的变换,之后依然保持图形的特征,由于图形变换在其处理上较大的自由度以及灵活性等特点,给计算机图形学带来了巨大的发展活力。
2.2.2图像技术和图像工程
一般来说,各种与图像相关的技术被称为图像技术。
目前人们主要是应用计算机图像技术进行数字图像的研究,通过计算机和其它相关的电子设备来完成数字图像的一系列工作,比如图像的获取、图像的存储和传输,图像显示和输出,图像的增强和复原,图像分割,工件的检测和描述,目标特征提取,3D景物的重建复原,图像的分类与识别,图像模型的建立与匹配,以及对图像和场景的判断决策和行为规划等。
近年来,图像技术出现了大量的新理论、新方法、新手段、新设备以及新算法,得到了较多的重视和明显的发展。
一般来说,将自然科学的原理运用到工业部门中所组成的各学科被称为工程,图像工作者通常认为需要对图像和图像处理技术采取综合研究及集成应用,该工作的框架就构成了图像工程,图像工程学科是将数学和光学等相关基础科学的基本原理结合在图像应用中而发展起来的。
图像工程所包含的内容十分丰富,其在机器视觉中有着重要的地位,根据研究方法和抽象程度等方面的不同包括三个层次:
图像处理、图像分析和图像理解。
也就是说,图像工程与图像处理、图像分析和图像理解三者的有机结合是既有区别又有联系的。
图像处理的重点是进行图像之间的变换,一般的图像处理主要是对图像进行各种加工以增强图像的视觉效果,或者对图像进行压缩编码以缩小所需的存储空间或降低传输时间、传输通路的要求,它是图像自动识别的基础。
图像分析着重强调是对图像中感兴趣的区域进行检测,以得到特征区域的客观信息,并对图像进行描述。
图像处理的过程是从图像到图像,而图像分析的过程是从图像到数据,这些数据描述了图像中感兴趣区域的特点和性质,它们可以是基于测量的符号表示,或是对目标特征测量的结果。
图像理解则主要是在图像分析的基础上,进一步研究图像中各感兴趣区域的性质以及它们之间的相互联系,从而得出对图像内容含义的理解和对客观场景的解释,并指导和规划行动。
一般来说,图像分析通常是以观察者为中心研究可观察到的事物,而图像理解在一定程度上是以可观察到的事物为中心,依靠知识和经验来研究没有直接观察到的事物。
综上所述,图像处理、图像分析及图像理解
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 表面 缺陷 光学 检测