您的位置 首页 芯闻

产品裂纹与划痕的机器视觉检测

裂纹、划痕、变色和烧蚀等的产品表面缺陷,不管对于人工检测还是机器视觉检测都极富挑战。难度在于该类缺陷形状不规则、深浅对比度低,而且

裂纹、划痕、变色和烧蚀等的产品外表缺点,不论关于人工检测仍是机器视觉检测都极富应战。难度在于该类缺点形状不规则、深浅对比度低,并且往往会被产品外表的天然纹路或图画所搅扰。因而外表缺点检测关于正确打光、相机分辨率、被检测部件与相机的相对方位、杂乱的机器视觉算法等要求十分高。Teledyne DALSA具有线扫描视觉的一流技能,领导业界外表检测的先进算法及强壮的Sherlock视觉软件及其丰厚的外表检测的运用经历,原用此文对产品裂纹和划痕检测技能进行了讨论。

明晰检测使命

有必要先了解产品外表缺点是怎么发生的,并明晰归类这些缺点在图画中或许出现的形状。例如,粉末金属零件在资料比较薄时烧结中会出现裂纹。依据经历常识,咱们能够将机器视觉检测会集在发生缺点的区域、明晰检测方向,这样有助于进步缺点检测的可靠性。

当时的人工检测操作是怎么进行的?现有检测体系存在哪些不足之处?精度、速度、全检仍是抽检, 可靠性怎么? 假如是机器视觉替代人工检测,又是怎么要求的?有必要事前了解清楚。

在人工检测过程中,能够凭直觉和经历来猜测缺点或许出现的形状。例如,划痕一般呈一系列平直或细微曲折线段,人们往往会凭仗心态学中的“完形”才能,下意识地将这些线段连成一条线。在机器视觉检测中,这种“完形”才能可经过视觉演算大致显现出来。

在进行高难度检测作业时,检测人员间或许会发生不同定见——那是一个划痕?或许仅仅是恰巧构成一条线的亮点?这说明缺点检测的可靠性有待考量。假如外表缺点较明晰,且缺点构成很明晰,那么机器视觉检测成果的一致性和可靠性要高于人工视觉检测。

照明是产品外表缺点检测的一个极其重要的要素,因为外表缺点一般具有低对比度的特色,而经过选用正确的照明可将其与布景别离开来。关于平面凸起缺点,可选用低视点照明,“照亮”凸起部位边际。关于滑润缺点,或进行曲折外表缺点检测时,可选用漫射光。众所周知,照明是一门艺术。请随时咨询光源供货商或TeledyneDALSA技能工程师的定见,他们的经历能够协助你挑选适宜的光源及正确打光。

在收集的图画中,裂纹或划痕应至少被三个或更多像素掩盖。有些状况下需运用多个高分辨率相机或单个相机进行屡次拍照,或许更常见的是线扫描相机1K至16k以便选用指定分辨率检测部件整个外表到达用户的精度要求。 为检测产品外表的小缺点,保证部件外表一直处于相机聚集区域至关重要。但这关于曲折外表是一个难题。

暗影校对

在获得没有缺点和有缺点的产品的明晰图画后,开端测验多种机器视觉算法进行检测。在本文中,作者运用了Teledyne DALSA公司出品的机器视觉软件 Sherlock。这款软件不只能够灵敏测验不同的预处理计划,并且供给了适用于裂纹和划痕检测的有用算法。

假如划痕或裂纹的灰度与缺点的布景存在较大的灰度误差,那么检测就比较简单。 在这种状况下,可设定灰度阈值,用二值化的办法将划痕或裂纹从布景中剥离开来。运用blob剖析办法得到划痕或裂纹的方位巨细等信息。

可是,二值化后的缺点也有或许是不均匀光照引起的,而非真实的划痕或裂纹。Teledyne DALSA 视觉软件Sherlock里的暗影校对法可消除光照改变,进步裂纹和划痕检测的可靠性。它主要是经过空频滤波或依据基准图进行输入图画别离来完成的。

空域高通滤波器能够扩大具有较高空域频率的裂纹和划痕,消除因照明强度改变形成的低频改变。因而,它可用于检测产品外表的裂纹和划痕。可是,高通滤波器也会扩大部件外表纹路,在图画上生成噪声,加大裂纹和划痕检测难度。 因而,咱们应设法去除较低空域频率,而非扩大较高空域频率。仅保存较高空域频率改变——划痕和裂纹。

图1 暗影校对消除照明改变形成的灰度改变(上图),进步划痕检测的可靠性(下图)

基准图是在部件未放置的状况下生成的。该图显现了照明散布状况。后续的输入图画则依据基准图进行别离,消除光照影响。因为图画灰度是光照和部件反射或透射相乘的成果,因而,依据基准图的逐一像素别离法能够消除光照要素,仅保存部件反射或透射要素。这一办法被广泛用于显微镜查看,但较少用于生产线。

黄金参照法

大都部件都存在反射或透射改变,而这会讳饰外表划痕和裂纹。咱们扩展基准图的思路,可经过多幅经严厉对齐的合格件图画(而非空白图画),得到平均值,然后生成黄金参照图画。依据这一整体误差,咱们能够预估部件各点上的天然或可承受改变值。

输入部件图画能够减去黄金参照图画,以便消除光照改变和部件反射或透射改变。这一办法可用于设定图画各点的检测阈值,在部件灰度结构能够被严厉控制的状况下特别有用,例如半导体。黄金参照图画和部件输入图画相同有必要进行方位、旋转、份额方面的校对。

声明:本文内容来自网络转载或用户投稿,文章版权归原作者和原出处所有。文中观点,不代表本站立场。若有侵权请联系本站删除(kf@86ic.com)https://www.86ic.net/news/xinwen/208286.html

为您推荐

联系我们

联系我们

在线咨询: QQ交谈

邮箱: kf@86ic.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

返回顶部