CCD機(jī)器視覺(jué)檢測(cè)技術(shù)能夠的提高產(chǎn)能，降低成本，同時(shí)機(jī)器視覺(jué)檢測(cè)設(shè)備可以24小時(shí)不間斷的工作，且在高速下執(zhí)行100%的在線監(jiān)視，檢視的準(zhǔn)確度也達(dá)到接近100%的程度，因此產(chǎn)業(yè)界大量地采用機(jī)器視覺(jué)檢測(cè)技術(shù)，在很多場(chǎng)合實(shí)現(xiàn)在線高精度高速測(cè)量。觀行業(yè)應(yīng)用概況，在自動(dòng)化生產(chǎn)的應(yīng)用中，機(jī)器視覺(jué)檢測(cè)設(shè)備按照其安裝的載體可分為：在線檢測(cè)系統(tǒng)和離線檢測(cè)系統(tǒng)。根據(jù)行業(yè)具體研發(fā)生產(chǎn)的在線智能視覺(jué)檢測(cè)儀器以及離線智能視覺(jué)檢測(cè)儀器可快速應(yīng)用于各類工業(yè)產(chǎn)品，簡(jiǎn)單配置后即可投入實(shí)際檢測(cè)應(yīng)用，可謂為自動(dòng)化檢測(cè)行業(yè)的一大利器。


為了實(shí)現(xiàn)外觀缺陷自動(dòng)檢測(cè),研究了基于機(jī)器視覺(jué)技術(shù)的外觀缺陷檢測(cè)系統(tǒng)。首先針對(duì)外觀缺陷圖像特點(diǎn),分析了采用灰度閾值及單一顏色模型分割缺陷的局限性,提出基于混合顏色模型的缺陷圖像分割方法,實(shí)現(xiàn)了外觀缺陷快速、準(zhǔn)確分割;然后通過(guò)分析外觀缺陷特點(diǎn),分別從形狀、顏色和紋理共選取了12個(gè)類別差異明顯的特征參數(shù),提取了外觀缺陷特征;后選擇BP神經(jīng)網(wǎng)絡(luò)作為缺陷分類器,根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)確定了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù),并分析了傳統(tǒng)BP算法在外觀缺陷分類應(yīng)用中的不足,通過(guò)改變收斂標(biāo)準(zhǔn)、自適應(yīng)調(diào)整步長(zhǎng)和引入動(dòng)量項(xiàng)以優(yōu)化BP算法,改善了神經(jīng)網(wǎng)絡(luò)分類效果。



E型鐵芯是某公司自動(dòng)化生產(chǎn)線上的重要零件之一，加工過(guò)程中主要存在表面切割不平整，表面裂紋和幾何形狀扭曲3種缺陷。為此，文中提出了基于機(jī)器視覺(jué)的表面缺陷在線檢測(cè)方法。由于檢測(cè)目標(biāo)質(zhì)地為黑色，本系統(tǒng)采用白色材料做背景增加對(duì)比度；利用CCD攝像機(jī)和環(huán)形LED光源組成采集系統(tǒng)的前端，通過(guò)千兆網(wǎng)口將圖像傳輸至計(jì)算機(jī)；然后采用邊緣檢測(cè)結(jié)合閾值分割提取感興趣區(qū)域，后主要利用灰度分析結(jié)合Douglas-Peucker算法完成特征提取和缺陷分類。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能快速對(duì)鐵芯表面缺陷進(jìn)行識(shí)別與檢測(cè)，缺陷識(shí)別率達(dá)到98.25%，達(dá)到預(yù)期檢測(cè)目標(biāo)



基于機(jī)器視覺(jué)的易拉罐質(zhì)量檢測(cè)系統(tǒng)使用機(jī)器視覺(jué)LED光源：圓頂式無(wú)影光，三環(huán)式無(wú)影光，低角度環(huán)形光，同軸光，有效地解決了打光的難題。通過(guò)對(duì)復(fù)合式光源的組合控制，能獲得輪廓清晰、色彩對(duì)比鮮明的瓶蓋圖像，并能迅速地與設(shè)定值比較，找出具有邊緣凹陷、表面劃傷、拉環(huán)變形、密封膠破損、印刷字符、圖案不清晰的不良產(chǎn)品，并立即剔出生產(chǎn)線。