表面缺陷检测存在的问题

2022-08-18 11:21:53 精质视觉

　　基于机器视觉的表面缺陷进行检测技术将是企业未来经济研究和发展的主要工作方向，目前，基于机器视觉的表面缺陷检测系统理论基础研究和实际教学应用等环节均有可喜的成果，但仍存在下面主要的问题和难点：

　　不同缺陷的种类复杂

　　类别之间的差异很大，工业产品的外观缺陷复杂多样，不同类别缺陷的形态特征可能大不相同，这导致检测算法的通用性较低，许多缺陷需要独立开发。开发复杂度极高。

　　由于不同类型缺陷的表观特征具有一定的相似性，很难区分缺陷的种类，也不能准确地确定缺陷产生的原因，不能给出准确的产品分类。

　　背景复杂，在生产场景中很难将缺陷与背景完全分离，缺陷的特征也不明显。

　　同类缺陷的差异较大

　　如下图中的铁轨表面存在缺陷和带钢表面缺陷，由于企业生产发展过程中光照环境条件、生产批次不同、设备运行状态等因素的影响，同类缺陷的大小、对比度和灰度值等表观特征信息呈现一个较大的变化，缺陷主要特征研究并不服从同一时间分布。

　　受干扰因素较多

　　受环境、光照、生产技术工艺和噪声等多重社会因素分析影响，检测管理系统的信噪比一般水平较低，微弱信号难以检出或不能与噪声可以有效区分。

　　以基于机器视觉技术的检测系统为例，工件位置的一致性、照明的稳定性、摄像机与镜头的匹配程度以及检测算法的有效性直接影响到图像采集的质量和检测系统的应用性能，这需要机器、电气、视觉、传感等多套系统的配合。

　　仅仅是最基本的照明就有很多困难，比如哪些场景需要漫射光、散射光、直射光、低角度照明或者背光照明，如何照明球面、曲面、腔体等非可展曲面。

　　如何通过构建社会稳定、可靠、鲁棒的检测技术系统，以适应光照变化、噪声以及一些其他外界不良生活环境的干扰，是要解决的问题原因之一。

　　算法能力不足

　　机器视觉表面缺陷检测，特别是在线检测，具有数据量大、冗余信息大、特征空间维数高的特点，同时考虑到实际机器视觉所面临的对象和问题的多样性，从海量数据中提取有限缺陷信息的算法不够强大，实时性不高。

　　虽然出现了一系列优秀的算法，但实际应用中的精度与实际应用的要求还存在差距，如何解决精确识别与模糊特征、实时性和准确性之间的矛盾仍然是一个难点。

高精度针孔检测设备