產品裂紋與劃痕的機器視覺檢測

明確檢測任務

必須先了解產品表面缺陷是如何產生的，并明確歸類這些缺陷在圖像中可能呈現的形狀。例如，粉末金屬零件在材料比較薄時燒結中會出現裂紋?；诮涷炛R，我們可以將機器視覺檢測集中在產生缺陷的區域、明確檢測方向，這樣有助于提高缺陷檢測的可靠性。

當前的人工檢測操作是如何進行的?現有檢測系統存在哪些不足之處?精度、速度、全檢還是抽檢， 可靠性如何? 如果是機器視覺取代人工檢測，又是如何要求的?必須事先了解清楚。

在人工檢測過程中，可以憑直覺和經驗來預測缺陷可能呈現的形狀。例如，劃痕通常呈一系列平直或輕微彎曲線段，人們往往會憑借心態學中的“完形”能力，下意識地將這些線段連成一條線。在機器視覺檢測中，這種“完形”能力可通過視覺演算大致顯現出來。

在進行高難度檢測作業時，檢測人員間可能會產生不同意見——那是一個劃痕?或者僅僅是恰巧形成一條線的亮點?這說明缺陷檢測的可靠性有待考量。如果表面缺陷較清晰，且缺陷構成很明確，那么機器視覺檢測結果的一致性和可靠性要高于人工視覺檢測。

照明是產品表面缺陷檢測的一個極其重要的因素，因為表面缺陷通常具有低對比度的特點，而通過采用正確的照明可將其與背景分離開來。對于平面凸起缺陷，可采用低角度照明，“照亮”凸起部位邊緣。對于平滑缺陷，或進行彎曲表面缺陷檢測時，可采用漫射光。眾所周知，照明是一門藝術。請隨時咨詢光源供應商或TeledyneDALSA技術工程師的意見，他們的經驗可以幫助你選擇合適的光源及正確打光。

在采集的圖像中，裂紋或劃痕應至少被三個或更多像素覆蓋。有些情況下需使用多個高分辨率相機或單個相機進行多次拍攝，或者更常見的是線掃描相機1K至16k以便采用指定分辨率檢測部件整個表面達到用戶的精度要求。 為檢測產品表面的小缺陷，確保部件表面始終處于相機聚焦區域至關重要。但這對于彎曲表面是一個難題。

陰影校正

在取得沒有缺陷和有缺陷的產品的清晰圖像后，開始嘗試多種機器視覺算法進行檢測。在本文中，作者使用了Teledyne DALSA公司出品的機器視覺軟件 Sherlock。這款軟件不僅可以靈活嘗試不同的預處理方案，而且提供了適用于裂紋和劃痕檢測的有效算法。

如果劃痕或裂紋的灰度與缺陷的背景存在較大的灰度偏差，那么檢測就比較容易。 在這種情況下，可設定灰度閾值，用二值化的方法將劃痕或裂紋從背景中剝離開來。使用blob分析方法得到劃痕或裂紋的位置大小等信息。

但是，二值化后的缺陷也有可能是不均勻光照引起的，而非真正的劃痕或裂紋。Teledyne DALSA 視覺軟件Sherlock里的陰影校正法可消除光照變化，提高裂紋和劃痕檢測的可靠性。它主要是通過空頻濾波或根據基準圖進行輸入圖像分離來實現的。

空域高通濾波器能夠放大具有較高空域頻率的裂紋和劃痕，消除因照明強度變化造成的低頻變化。因此，它可用于檢測產品表面的裂紋和劃痕。但是，高通濾波器也會放大部件表面紋理，在圖像上生成噪聲，加大裂紋和劃痕檢測難度。 因此，我們應設法去除較低空域頻率，而非放大較高空域頻率。僅保留較高空域頻率變化——劃痕和裂紋。

圖1 陰影校正消除照明變化造成的灰度變化(上圖)，提高劃痕檢測的可靠性(下圖)

基準圖是在部件未放置的情況下生成的。該圖顯示了照明分布情況。后續的輸入圖像則根據基準圖進行分離，消除光照影響。由于圖像灰度是光照和部件反射或透射相乘的結果，因此，基于基準圖的逐個像素分離法能夠消除光照因素，僅保留部件反射或透射因素。這一方法被廣泛用于顯微鏡檢查，但較少用于生產線。

黃金參照法

多數部件都存在反射或透射變化，而這會遮掩表面劃痕和裂紋。我們擴展基準圖的思路，可通過多幅經嚴格對齊的合格件圖像(而非空白圖像)，得到平均值，從而生成黃金參照圖像。根據這一總體偏差，我們可以預估部件各點上的自然或可接受變化值。

輸入部件圖像可以減去黃金參照圖像，以便消除光照變化和部件反射或透射變化。這一方法可用于設定圖像各點的檢測閾值，在部件灰度結構可以被嚴格控制的情況下尤其有效，例如半導體。黃金參照圖像和部件輸入圖像同樣必須進行位置、旋轉、比例方面的校正。