典型的機器視覺系統第一章1.471課件

典型的機器視覺系統授課人：第一章1.4典型的機器視覺系統第2頁目前，機器視覺系統的基礎功能主要可以分為四大類:模式識別/計數、視覺定位、尺寸測量和外觀檢測，當前的應用也基本是基于這四大類功能來展開的。(1)模式識別/計數主要是指對已知規律的物體進行識別,比較容易的包含外形、顏色、圖案、數字、條碼等的識別，也有信息量更大或更抽象的識別,如人臉、指紋、虹膜等(2)視覺定位主要是指在識別出物體的基礎上，精確地給出物體的坐標和角度信息。定位在機器視覺應用中是非常基礎且核心的功能，一個軟件的好壞大概率與其定位算法的好壞密切相關。(3)尺寸測量主要是指把獲取的圖像像素信息標定成常用的度量衡單位，然后在圖像中精確地計算出需要知道的幾何尺寸，其優勢在于對高精度、高通量以及復雜形態的測量，例如，有些高精度的產品由于人眼測量困難，以前只能抽檢，有了機器視覺后就可以實現全檢了。(4)外觀檢測主要是指檢測產品的外觀缺陷，最常見的包括表面裝配缺陷(如漏裝、混料、錯配等)、表面印刷缺陷(如多印、漏印、重印等)以及表而形狀缺陷(如崩邊、凸起、凹坑等)。由于產品外觀缺陷一般情況下種類繁雜，所以外觀檢測在機器視覺的應用中屬于相對較難的一類。1.4.1機器視覺系統的基礎功能典型的機器視覺系統第3頁從技術實現難度上來說，識別、定位、測量、檢測的難度是遞增的，而基于四大基礎功能延伸出的多種細分功能在實現難度上也有差異，目前，3D視覺功能是當前機器視覺應用技術中最先進的方向之一。機器視覺功能實現難度對比如圖1-1所示。1.4.1機器視覺系統的基礎功能圖1-1機器視覺功能實現難度對比易難易難典型的機器視覺系統第4頁1.4.2

玻璃缺陷檢測機器視覺系統圖1-2無缺陷及含常見缺陷玻璃圖像1、玻璃缺陷玻璃生產過程中，常見缺陷有:氣泡、結石、含裂、粘錫、劃傷等，如圖1-2所示。(1)氣泡(圖1-2b)是由于玻璃生產材料含有氣體、外界環境氣泡、金屬鐵絲等引起的，主要特點為整體輪廓近似于圓形或線形、中空、具有光透射性等。(2)結石(圖1-2c)主要分為原材料結石、耐火材料結石以及玻璃析晶結石等，由于其熱脹系數和外界環境熱脹系數的差異，嚴重影響玻璃質量。(3)含裂(圖1-2d)主要是玻璃中因為應力而產生了裂紋。(4)粘錫(圖1-2e)的特點是是暗黑色、具有光吸收性。(5)劃傷(圖1-2f)主要是由于玻璃原板與硬質介質間的相互摩擦而產生的，外表呈線形。典型的機器視覺系統第5頁2、玻璃缺陷檢測原理玻璃生產過程大體可分為:原料加工、備制配合料、熔化和澄清、冷卻和成型及切裁等。由于制造工藝、人為等因素，在玻璃原板的任一生產過程中都有可能產生缺陷。無缺陷玻璃(圖1-2a)的特點是質地均、表面光潔且透明。玻缺陷檢測是采用先進的CCD成像技術和智能光源，系統照明采用背光式照明，如圖1-3所示，即在玻璃的背而放置光源，光線經待檢玻璃，透射進入攝像頭。1.4.2

玻璃缺陷檢測機器視覺系統圖1-3玻璃缺陷檢測示意圖光源待檢玻璃機器視覺檢測系統典型的機器視覺系統第6頁光線垂直人射待檢玻璃后，當待檢玻璃中沒有雜質，即無缺陷時，光線出射的方向不會發生改變，如圖1-5a所示，CCD攝像機的靶面探測到的光也是均的;當待檢玻璃中含有雜質，即含有缺陷時，光線出射的方向會發生變化，CCD攝像機的靶面探測到的光也會隨之改變。玻璃中含有的缺陷主要分為兩種:一是光吸收型(如結石、粘錫等)，如圖1-5b所示，光線透射玻璃時，該缺陷位置的光會變弱，CCD攝像機的靶面上探測到的光比周圍的光要弱；二是光透射型(如含裂、氣泡等)，如圖1-5c所示，光線在該缺陷位置發生了折射，光的強度比周圍的要大，CCD攝像機的靶面上探測到的光也相應增強。1.4.2

玻璃缺陷檢測機器視覺系統圖1-5玻璃缺陷光學檢測原理示意圖典型的機器視覺系統第7頁3、玻璃缺陷檢測系統構成玻璃缺陷檢測系統結構示意圖如圖1-6所示。其中，光源及待檢玻璃固定，光源位于待檢玻璃底部，光線通過透射進人攝像頭。攝像頭以X-Y方式勻速掃描整塊待檢玻璃。其信號由圖像采集卡接收，濾波后經模數轉換變成24位的數字信號，再由計算機對信號加以分析。如發現缺陷，則進行分類和統計，報告缺陷類型、尺寸、位置等，為玻璃分級打標提供信息。1.4.2

玻璃缺陷檢測機器視覺系統圖1-6玻璃缺陷檢測系統結構示意圖典型的機器視覺系統第8頁4.機器視覺檢測系統檢測過程機器視覺檢測系統檢測過程如圖1-7所示1.4.2玻璃缺陷檢測機器視覺系統圖1-7

機器視覺檢測系檢測過程典型的機器視覺系統第9頁(1)圖像獲取:一般采用高速線陣CCD攝像機實時采集生產線上的玻璃圖像，所獲取的模擬圖像信號通過圖像采集卡的數字化處理，再傳送到計算機中進行圖像預處理。(2)圖像預處理:圖像預處理是圖像分析的一個重要環節，對圖像進行適當的預處理，可以使圖像更加便于分制和識別，主要包括圖像濾波(均值濾波、中值濾波、高斯濾波等)和圖像增強(灰度變換、直方圖均衡化、尖銳化處理等)。為了消除圖像中的各種噪聲，必須用到濾波器。圖像增強是圖像預處理的基本內容之一，是指按照特定的需要，突出一幅圖像中的某些信息的同時，消弱或去除某些不需要的信息的處理方法，主要目的是使處理后的圖像比原始圖像更適合于某種特定的應用，例如，突出邊緣信息，改善對比度，增強圖像的輪廓特征，以保證檢測的準確性，使處理后的圖像更適合于人的視覺特性或機器的識別系統。因此，圖像增強是為了某種特定的應用而去改善圖像質量的。(3)圖像分制:為了進一步對目標圖像進行分析、理解和識別,必須把目標從背景中分制出來。圖像分制是依據圖像的灰度、顏色或幾何性質將其中具有特殊含義的不同區域區分開，這些被區分開的區域是互不相交的，且都滿足特定區域的一致性，如對同一物體的圖像，一般需要將圖像中屬于該物體的像素或物體特征像素點從背景中分割出來，即將屬于不同物體的像索點分離開。在玻璃缺陷圖像處理過程中，缺陷的灰度值與背景的灰度值相比，有較大差異并且在灰度圖像中，缺陷邊緣灰度值與周圍背景相比，也存在很大的差異，所以采用基于灰度直方圖的閾值分割算法和邊緣檢測算法相結合的方法，就可以將缺陷從背景中分割出來，形成完整的缺陷目標，為缺陷目標的特征參數提取和缺陷判斷識別提供了良好基礎。1.4.2玻璃缺陷檢測機器視覺系統典型的機器視覺系統第10頁對圖像進行平滑、灰度均衡和陰影去除等預處理后，圖像上只有背景和缺陷兩種成分，兩種成分的灰度級分布在灰度直方圖上表現為較為明顯的兩個峰值，這時如果取谷底為閾值，進行閾值分割，就可以分離缺陷與背景，將缺陷提取出來，分割后的圖像表現為黑白兩種成分，一類為缺陷，另一類為背景。(4)特征提取:特征提取的基本任務是從許多特征中找出那些最有效的特征，是模式識別中的一個關鍵問題。對于玻璃缺陷的特征提取，特征參數的確定至關重要。在選取玻璃缺陷的特征參數時，要盡量選取反映缺陷本原的特征，盡量選取缺陷之間最能區別于其他缺陷的特征，特征參數還要盡量選得精、選得少，以能把缺陷識別出來即可，太多的參數將會增加系統的計算量，降低系統的運行速度。選取缺陷的幾何特征參數，如長短徑比、周長平方面積比、面積像素數與周長像素數之比，能較好地識別玻璃的各種缺陷。計算機在識別時，不僅要考慮缺陷的幾何形狀，還需考慮缺陷灰度差等缺陷的光學參數，即缺陷與光和顏色有關的特征參數，如缺陷的灰度，對光的反射、折射和衍射的情況等。不同缺陷的光學性能不同，如氣泡的透光性就比結石的透光性好，在圖像上的顯示相對來說就稍微亮一些，并且氣泡還可能會出現小孔衍射的現象。(5)判斷決策:判斷決策就是對玻璃缺陷的分類。基于圖像識別的分類器設計有很多，主要包括傳統的經典模式識別方法，如統計模式識別和句法模式識別，以及近年來新