1    背景知识

板材已成为现代工业不可缺少的主要原材料产品 之一。板材表面质量的优劣直接影响其最终产品的性 能与质量。在板材制造过程中，由于原材料、轧制设 备和工艺等多方面的原因，导致表面出现裂纹、结疤、 刮伤、孑L洞、辊印、针眼、麻点等不同类型的缺陷。这 些缺陷不仅影响产品的外观，还严重降低了产品的抗 腐蚀性、耐磨性和疲劳强度等性能，直接影响产品的 使用价值。目前，国内外板材制造企业常采用人工目 视抽检和频闪光检测等方法进行表面质量检测。这些 方法不能真实可靠地反映表面的质量状况，且实时性 差，因而板材表面缺陷白动视觉检测技术是目前的研 究热点。
基于机器视觉的产品检测技术广泛应用在机器零
件⋯、集成电路生产心1、花岗岩质量检测131、精密电子
元件生产¨】、印刷品【51等工业生产过程中，以保证产品 的质量。采用的检测方法主要有基于阈值分割№J、形 态学【7 J、随机场模型及多种方法的结合等。采用基于 机器视觉的产品表面质量检测技术除了提供稳定、客 观的质量检测能力，还可对检测过程中所发现的缺陷 进行分析、分类，根据出现的位置、频率，对缺陷的 成囚进行辅助分析，并将结果反馈给监控中心。
本文针对目前主要的板材表面缺陷进行了统计分 析，结合边缘检测技术和数学形态原理，提出了一种 新的基于视觉的表面检测方法，它首先对缺陷图像进 行预处理，去掉噪声；再利用边缘检测技术和数学形 态操作提取缺陷目标；然后提取缺陷的形态特征量。 并根据这些特征量对缺陷进行分类。
2   表面缺陷图像特征分析

一般情况下，物体表面缺陷往往具有多样性、复
表1  表面缺陷的成因和主要特征
Table 1   The causes and the main characteristics of surface defects

杂性的特点，且不同生产线产生的表面缺陷往往有不 类型 成 因 特 征
同的特点，即使同一生产线在不同工艺参数，或在工     
艺参数相同而生产条件不同的情况下，产生的表面缺     
陷也有区别。     
本文主要针对3种常见的铝带表面缺陷(见图1)
即划痕、擦伤、结疤缺陷进行分析处理。表1详细给 出了这几种缺陷的成因和主要特征。

3    基于视觉的表面检测方法

基于以上分析，结合边缘检测技术和数学形态操 作，提出一种基于视觉的表面检测方法，其处理框架 见图2。

圈2  表面缺陷检测的框架圈
Fig．2   The framework of the surface defect inspection
3．1    图像平滑 由于CCD面阵固体摄像机在现场采集的图像会因
光照不均等原因，而使得图像存在噪声，图像平滑可
抑制图像噪声，提高图像质量。中值滤波是降低图像 噪声的有效工具，不仅能有效滤除噪声，且在一定的 条件下可克服线性滤波器带来的图像细节模糊，较好 地保持了图像边缘，中值滤波对滤波脉冲干扰及图像 扫描噪声尤为有效。
中值滤波就是用一个有奇数点的滑动窗口，将窗 口中心点的值用窗口内各点的中值代替，用数学公式
图1  缺陷原图和对应的直方图                     表示为：
№g l Orig晌1 defe。‘images and                 乃=Med{f,,训⋯，加．，丘，)，f∈Z，y=罕。     (1)
对大量缺陷图像进行统计分析，表明原图大都属             本文采用中值滤波对缺陷图像进行平滑，抑制噪 高背景的图像，即目标在整个图像中占的像素比重比         声，提高图像质量。
3•2   边缘检测
 
背景小，缺陷轮廓比较清晰，但是背景与缺陷的灰度
⋯．。．   ．．．．
分布集中，二者对比度不明显。从直方图上砉，图像       边缘检测不受图像对比度、尊景季度和缺陷誉型
大都呈现比较集中的单峰、或是双峰不明显结构。可         的限制，即不论图像的光照是否均匀、缺陷形状如何，
见，这些图不宜直接采用阈值分割处理，而区域生长         边缘检测都能比较完整地将缺陷从背景中分割出来。
法严重依赖于初始种子像素⋯，同时计算量也较大，         为了去除二些缺陷擘外堂堡璺，使图像缺陷变得更为
检测的速度较慢。                                       突出，以便后续的缺陷特征提取与识别，首先将缺陷
目标的边缘提取出来。
边缘检测算子是检查每个像素的邻域，并对灰度 变化率进行量化，通常也包含方向的确定。常用的边 缘检测算子有Sobel、Robert、Prewitt等。由于LOG算
．子计算量很大，Canny算子会去掉太多的细节，故本 文采用Sobel算子。
Sobel边缘检测器采用如图3所示的掩膜来数字化 地近似一阶导数值Gx和Gy。图像中的每个点都用这 两个算子核做卷积。一个核对通常的垂直边缘响应最 大而另一个对水平边缘响应最大。两个卷积的最大值 作为该点的输出值。

a)图像邻域     b)Sobel算子1     c)Sobel算子2
，图3  Sobel算子掩膜示意图
Fig．3   The diagram of Sobel operator mask
一个邻域的中心点处的梯度可按下式计算：
g=[q2十叶2]江{【(Z74-2Zs4-Z9)一(914-2224-毛)]2_(责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）