機器視覺在塑膠制品表面缺陷檢測中的應用

在塑料加工過程中，不同表面的缺陷影響了產品的后續生產工藝及其外觀的適應性、完整性和安全性。因此,及時對塑膠制品的表面缺陷進行檢測具有十分重要的意義。在生產過程中,制品表面缺陷的檢測技術作為一種制品質量控制的重要手段,被廣泛地用于工業過程的質量控制。目前,許多企業對大批量的小工件制品的表面缺陷,仍采用人工目測的方法。這種方法一方面由于工人的責任心及眼睛疲勞等生理狀況容易造成漏檢;另一方面,極大的工作量也容易影響工人的身體健康。因此,為提高檢測質量和生產效率,降低成本,并把操作者從單調而繁瑣的工作中解脫出來,設計合理的表面缺陷自動檢測系統是工業自動化質量控制十分重要的課題。機器視覺是一門涉及人工智能、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多領域的交叉學科。機器視覺主要利用計算機來模擬人或再現與人類視覺有關的某些智能行為,從客觀事物的圖像中提取信息進行處理,并加以理解,最終用于實際檢測和控制。應用機器視覺技術對塑膠制品表面缺陷進行智能化自動檢測,可以提高檢測效率和精度,同時大大提高生產效率和生產的自動化程度。1機器視覺系統的組成機器視覺系統結構包括光源、光學成像系統、圖像捕捉系統、圖像采集與數字化模塊、智能圖像處理與決策模塊、控制執行模塊等,如圖1所示。機器視覺的這些模塊只有相互協調應用才能構成一個完整的工業機器視覺應用系統。機器視覺系統雖應用了很多技術,但關鍵的技術主要體現在照明系統、攝像機、圖像增強、圖像分割和圖像識別等方面。下面對這些關鍵技術的發展現狀進行闡述。1.1led照明源對鍍層性能的影響性能優異的照明系統是目前機器視覺應用系統成敗的關鍵。它應當具有以下的特征:(1)盡可能突出目標特征,在物體需要檢測的部分與非檢測部分之間盡可能產生明顯的區別,增加對比度;(2)保證足夠的亮度和穩定性;(3)物體位置的變化不應影響成像的質量。由于被測物體表面往往是不規則的,粗糙度也不同,有些制品表面還有電鍍層或涂覆層,造成被測制品表面對光的反射不一樣,這給制品表面缺陷檢測中CCD成像、圖像的采集和處理增加了難度。因此,需要針對不同的被測制品表面質量設計特殊的照明系統,以獲得質量良好的圖像,方便后面的處理分析工作。針對不同零件表面粗糙度的差異,唐慧玲等研究了缺陷顯現力和光照度之間的關系,發現光照度和缺陷顯現力在某個光照區間內存在某種線性關系,提出了綜合光照度的概念,并分析了制品表面粗糙度與最佳光照度之間的關系,提出了光照度自調節的方法,并把最佳光照自調節方法應用于烤漆表面缺陷檢測系統中,取得了良好的效果。針對強反射復雜表面反射光極強,導致CCD成像畫面亮度失真并將所要檢測缺陷信息淹沒的難題,錢小龍等通過應用MAX1698芯片,設計了亮度可連續調節并且照度均勻的LED照明光源,如圖2所示。實驗證明,該照明光源有效地解決了電鍍工件表面的強反射光給圖像處理和檢測帶來的困難,提高了CCD采集到的圖像質量,同時也減輕了后續圖像處理的難度,提高了檢測的準確性。針對電鍍工件表面的強反射光給圖像處理和檢測帶來的困難,何瀅等采用了均勻散射光作為照明光源,設計了LED照明系統,如圖3所示。緊密排列的LED燈發出的光經過磨砂玻璃透射后向所有方向散射,以致從各個方向來看,其亮度接近相等,可近似看作均勻散射光。實驗證明,在這種照明方式下對各種缺陷的綜合表現力較好,會得到對比度較強的灰度圖,不會丟失信息。由上可知,目前,機器視覺技術中常采用LED作為照明光源。LED光源可分為點光源、線形光源、球積分光源、環形光源等,在對制品表面缺陷進行自動檢測中,針對不同類型的缺陷可采用不同類型的LED光源。如:點光源,其發光強度高,可用于芯片檢測、Mark點定位;線形光源,有超高亮度,采用柱面透鏡聚光,適用于各種流水線連續檢測場合,應用于線陣相機照明專用和AOI專用;球積分光源,具有積分效果的半球面內壁,均勻反射從底部360°發射出的光線,使整個圖像照度十分均勻,適用于曲面、表面凹凸、弧形表面檢測或金屬、玻璃表面反光較強的物體表面檢測;環形光源,提供不同照射角度、不同顏色組合,更能突出物體的三維信息,解決了對角照射陰影的問題,適用于PCB基板檢測、IC元件檢測、塑膠容器檢測等。1.2圖像數據處理目前,在機器視覺圖像采集過程中,應用較廣的是CCD(ChargeCoupledDevice)攝像機。CCD攝像機的工作原理是:通過光學成像系統將被測物體圖像成像在CCD的像敏面上,像敏面將照在每個像敏單元上的圖像照度信號轉變為少數載流子數密度信號存儲于像敏單元中,然后在轉移脈沖的作用下轉移到CCD的移位寄存器中,并在驅動脈沖的作用下順序地移出器件,成為視頻信號。CCD分為線陣CCD和面陣CCD。線陣CCD應用線陣集成電路作為傳感器,其處理信息的速度快,后續處理電路簡單,易實現實時控制,但它只能獲得一維圖像,不能處理復雜的圖像。面陣CCD可以獲得二維圖像,獲得的信息量大,能處理復雜的圖像,但處理速度相對較慢,成本也比線陣CCD高。CCD攝像機的主要性能指標包括像素、分辨率和靈敏度等。像素決定了顯示圖像的清晰程度,分辨率越高,圖像細節的表現越好。對于圖像處理,用600線的攝像機能得到較清晰的圖像。靈敏度是CCD對環境光線的敏感程度,即CCD正常成像時所需要的最暗光線。照度越小,表示需要的光線越少,攝像頭也越靈敏。針對運動的和旋轉的被測物體照相后圖像模糊的情況,Asundi等提出了使用TDI-CCD(TimeDelayIntegrationChargeCoupledDevice)技術,用于動態檢測和旋轉圓柱體的成像。實驗證明,應用TDI-CCD技術,能夠采集到圓柱體表面的圖像,并能快速識別被測物體的邊緣和缺陷。圓柱形物體表面缺陷的自動檢測實驗裝置如圖4所示。1.3空域方法或改進算法圖像增強是指按特定的需要突出一幅圖像中的某些信息,同時削弱或去除某些不需要的信息,使得圖像更符合某些特定的需要。圖像增強技術主要分為兩大類,即基于空域(圖像域)的方法和基于變換域的方法。空域方法是直接對圖像數據進行處理,增強過程是對每個像素點或者對較小的子圖像進行處理,如線性對比度拉伸、UnsharpMasking(UM)、自適應增強算法、直方圖均衡化以及在直方圖均衡基礎上的各種改進算法。變換域方法是在圖像的變換域中進行,即圖像數據通過某種變換轉換到其他空間,對變換的數據進行處理后,再轉換回圖像空間以得到所需的效果,一般采用的變換方法有傅立葉變換、離散余弦變換和小波變換等,基于小波變換的自適應增強方法、Retinex以及基于Curvelet變換的增強方法等都屬于這個范疇。1.4算法的應用,解決點、難點圖像分割是將圖像分成各具特性的區域并提取出感興趣目標的技術和過程。這里的特性可以是灰度、顏色、紋理等,目標可以對應單個區域,也可以對應多個區域。對圖像分割的研究一直是圖像工程和機器視覺技術的重點和難點。近年來,利用諸如馬爾可夫隨機場、專家系統、Gribbs隨機場、Bayesian理論、Gabor濾波器、小波模極大值、隱含馬爾可夫模型、分形、布朗鏈、模擬退火、高斯混合分布、遺傳算法等的算法不斷被提出來并應用于實際中。圖像分割的方法依照分割時所依據的圖像特性不同,大致可以分為三類:第一類是閾值方法,這種方法是根據圖像的灰度值的分布特性確定某個閾值來實現圖像分割;第二類為邊界分割法,這類方法是通過檢測出封閉某個區域的邊界來實現圖像分割,即沿著閉合的邊緣線將其包圍的區域分割出;第三類方法是區域提取方法,這類方法的特點是根據特定區域與其他背景區域特性上的不同來實現圖像分割。1.5圖像分類及機器視覺圖像識別是對圖像處理后的圖像進行分類,確定類別名稱,它可在分割的基礎上選擇需要提取的特征,并對某些參數進行測量,再提取這些特征,最后根據測量結果作分類。所以圖像識別是在上述分割后的每個部分中,找出它的形狀及紋理等特征,即特征抽取(有時也包括圖像分割),以便對圖像進行分類,并對整個圖像作結構上的分析。影響圖像識別結果的因素主要有目標特征的選取以及分類算法兩個方面,其中目標特征選取是否準確,對識別結果將起至關重要的作用,對于分類算法的運算量也有很大的影響。由于Gabor小波變換較好地描述了生物視覺神經元的感受問題,根據特定的視覺需要可相應地調整它的空間與頻率采樣特性,從而獲得感興趣的目標特征,因此Gabor濾波器及其在圖像分類和機器視覺方面的應用的研究得到了廣泛關注。SVM(支持向量機)算法,在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優勢,現已廣泛應用于解決高位數據的監督分類問題,尤其善于處理高維特征空間和大數據量的分類問題。BLOB算法就是在一塊區域內把出現“灰度突變”的范圍找出來,并確定其大小、形狀、面積及準確位置等的算法。該算法適用圖像質量較高、能較好地進行像閾值分割的場合,具有速度快、實時性好等特點。2帶材表面缺陷的檢測方法塑膠制品在成型加工過程中,由于材料、成型工藝、模具、制品設計及設備等各方面的影響,常會出現各種表面缺陷,如注射制品會出現填充不足、凹陷、縮痕、暗紋、熔接痕、銀絲、斑點、油污、毛刺、起泡、剝層、亂流紋、噴射痕、無光澤與光澤不均勻、翹曲變形、表面劃傷和龜裂等缺陷。檢測上述這些缺陷的方法有兩類,即傳統檢測方法和自動檢測方法。傳統檢測方法包括人工目視法和表面頻閃光檢測法,這類方法效率低、誤差大,但仍有大部分企業在采用這類方法。近年來,塑膠制品的缺陷檢測已經開始采用以機器視覺技術為基礎的自動檢測方法,并在企業中逐漸得到推廣和應用。Shima等提出了基于圖像分割和灰度直方圖的塑料表面自動視覺檢測方法,用于集成電路等塑料電子元件表面缺陷如裂紋、針孔、凸點等的自動檢測。何永輝等提出了一種基于機器視覺的帶材表面缺陷檢測的成像方法及裝置,建立了同步信號發生單元并產生同步信號,對切換單元和攝像單元進行同步控制;建立了光源切換單元,使用切換單元對兩個光源進行切換控制;使用兩個光源交替對帶材表面照明,并分別與攝像單元在一個掃描周期內只構成單一場(明、暗場)成像,以獲取帶材表面全部缺陷的圖像,且帶材表面的同一缺陷在同一攝像單元、不同場照明下形成的圖像能夠精確匹配,避免了相同缺陷因重復成像產生的后續處理問題,大大提高了帶材表面缺陷檢測的準確性,降低了成像裝置的成本以及結構的復雜性。龍曉薇設計了PVC塑料建材的自動視覺檢測系統和缺陷的檢測方法。檢測系統的圖像采集與處理系統由攝相裝置、照明裝置和計算機處理裝置組成,其組成結構示意圖如圖5所示。該系統主要由圖像采集面陣攝像機、圖像采集卡、面光源、圖像處理計算機和通信接口等部分組成,通過攝取建材表面圖像,并采用模糊閾值分割方法和數學形態學操作方法進行了圖像分割和圖像識別。實驗證明,該系統可以有效地檢測出建材表面常見的缺陷,如氣泡、裂紋、斑點等,具有較好的實時性和魯棒性。該系統可應用于各種建材生產線在線表面檢測,實現了制品表面缺陷的實時檢測、報警和控制,提高了生產的自動化程度和信息化水平。周國良設計了一套聚合物膜制品缺陷在線測量系統。該系統是在散射光的照射下,通過線陣CCD控制電路獲得聚合物薄膜缺陷信號,使用PCI數據采集卡對一維缺陷信號進行采集、傳輸,借助于計算機進行分析處理,從而精準地檢測出缺陷信息,并能夠實時顯示缺陷的幾何形狀。實驗證明,該系統可對50~1500μm范圍內的缺陷進行有效測量,誤差范圍在5%以內,并可以準確地恢復缺陷的幾何形狀。HeFuqiang提出了一種應用集多分辨率方法、能量和熵矩陣于一體的算法,用于皮革表面缺陷的檢測系統。該系統改進了小波方法,用于自動確定分辨率水平的數目和分割亞圖像,從而更好地區分缺陷和移除圖像中重復的紋理模型。另外,該系統使用了一種自適應的二閾值方法,用于分離存儲圖像的統一的灰度背景中的缺陷區域。該系統提出的方法能夠有效地檢測缺陷類型,且速度很快,能夠應用于皮革制品缺陷的實時檢測。Prabuwono等提出了流水線上塑料瓶表面缺陷的智能視覺檢測系統,如圖6所示。實驗證明,該系統對流水線上轉數為106r/min的塑料瓶表面缺陷的檢測準確