智能制造之机器视觉缺陷检测

智能制造之机器视觉缺陷检测

表面缺陷不仅影响美观，一般也会带来使用性能的不良影响，所以生产企业对产品的表面缺陷检测非常重视。
传统肉眼+放大镜的检测方式，由于抽检率低、效率低、严重依靠人的经验和精力，存在诸多不可控的主观因素，而人力成本又越来越高，企业需要有更好的技术方法来实现自动化检测。随着人工智能的发展及应用，将机器视觉等技术应用于生产制造领域，可以帮助企业提升产品良品率及生产效率，有效降低人力成本。

实现原理

    机器视觉表面缺陷检测系统主要组成包含图像获取模块、图像处理模块、数据管理及人机接入模块。
   其中，图像获取模块是由CDD摄像机、光学镜头、光源及其挟持装置等组成。在光源的照明下，通过光学镜头将产品表面成像于相机传感器上。
   图像处理模块是利用视觉检测设备以数字的形式对信号进行采集、滤波、检测、均衡、去噪、估计等处理，从而得到符合需要的信号形式，包括图像变换、图像编码、图像增强、图像恢复、图像分割、图像理解、识别系统等。 
   数据管理及人机接口模块可在显示器上立即显示缺陷类型、位置、形状、大小，对图像进行存储、查询、统计等。

主要功能
根据设定的技术指标要求自动检测产品的大小、表面斑点、凹点、划伤、颜色等，异常时提供声、光报警，并可控制设备停机、剔除不良品等，同时可以对有缺陷的部分进行标标识，自动统计产品质量等。

应用场景
机器视觉技术可以应用在消费电子、汽车、医药食品、印刷等，比如消费电子的晶圆切割，3C表面检测、AOI光学检测等；汽车行业的车身装配检测、间隙检测等；医药食品行业的药瓶封装缺陷检测、食品封装检测、外观与内部质量检测等。

实施考虑因素

• 获取高质量图片

机器视觉监测项目中最重要的是得到一张高质量的图片，然而为了得到一个图片需要考虑太多太多的内容，比如镜头、传感器、安装布置、设备速度/抖动性、产品精度要求、工件状态变化等，哪一部分出了问题都会影响到图像质量，从而影响视觉检测系统的可靠性和准确性。

- 制定图片存储与展示规则

图片占据存储空间较大，需要制定图片清除规则，比如按照时间周期性一周清除一次，或是设定存储空间的上线，当大于某值时删除图片；同时结合对缺陷产品的图片需求，例如是否实时展示、是否可回溯查找等，制定缺陷图片的存储、调取规则。

主流供应商
国外视觉检测技术研究开展的较早，已涌现了许多较为成熟的商业化软件，应该比较多的有HALCON、HexSight、Vision Pro、LEADTOOLS等。国内机器视觉检测系统开发较晚，目前实用性比较好的是海康威视等。