高精度針孔檢測(cè)設(shè)備
More >>
您所在的位置：精質(zhì)視覺(jué) > 新聞中心>金屬表面缺陷檢測(cè)常見(jiàn)方法
2022-07-19 10:34:25 精質(zhì)視覺(jué)
精質(zhì)視覺(jué)將金屬平面材料的表面缺陷檢測(cè)方法主要分為四類(lèi)：傳統(tǒng)的基于統(tǒng)計(jì)的方法，基于光譜的方法，基于模型的方法和新興的基于機(jī)器學(xué)習(xí)的方法。
方法1：基于統(tǒng)計(jì)的方法
從統(tǒng)計(jì)方法的角度來(lái)看，圖像紋理被視為隨機(jī)現(xiàn)象。統(tǒng)計(jì)方法通過(guò)測(cè)量像素空間分布的統(tǒng)計(jì)特性來(lái)研究像素強(qiáng)度的規(guī)則和周期性分布，以檢測(cè)金屬平面材料表面的缺陷。
方法2：基于頻譜的方法
在光照變化和偽缺陷干擾的情況下，許多統(tǒng)計(jì)方法都不可靠。幸運(yùn)的是，研究人員發(fā)現(xiàn)圖像在變換域中更有可能被分離出具有不同特征的信息，并且有可能找到比像素域中的直接處理方法更好的缺陷檢測(cè)方法。
方法3：基于模型的方法
除了基于統(tǒng)計(jì)和頻譜的方法外，還有一種基于模型的方法?；谀Ｐ偷姆椒ㄍㄟ^(guò)通過(guò)參數(shù)學(xué)習(xí)增強(qiáng)的特殊結(jié)構(gòu)模型將圖像塊的原始紋理分布投影到低維分布，從而更好地檢測(cè)各種缺陷。
方法4：基于機(jī)器學(xué)習(xí)的方法
機(jī)器學(xué)習(xí)的本質(zhì)是分析和學(xué)習(xí)數(shù)據(jù)(特征)，然后做出準(zhǔn)確的決策或預(yù)測(cè)。
在現(xiàn)實(shí)世界的工業(yè)環(huán)境中，通常使用機(jī)器視覺(jué)技術(shù)來(lái)檢測(cè)生產(chǎn)線(xiàn)上的金屬表面缺陷。通常，這些技術(shù)指的是傳統(tǒng)的圖像處理和深度學(xué)習(xí)，旨在分析和檢測(cè)制造商中收集的缺陷。
傳統(tǒng)圖像處理技術(shù)的主要思想是通過(guò)精心設(shè)計(jì)的手工特征來(lái)描述表面缺陷。常用的手工特征包括LBP(局部二進(jìn)制模式)，HOG(定向梯度的直方圖)，GLCM(灰度共現(xiàn)矩陣)和其他統(tǒng)計(jì)特征。對(duì)于輸入的金屬表面圖像，關(guān)鍵是選擇合適的特征來(lái)表示缺陷信息。
但是，由于傳統(tǒng)的圖像處理方法通常需要復(fù)雜的閾值設(shè)置以進(jìn)行缺陷識(shí)別，因此無(wú)法直接在現(xiàn)實(shí)中部署。此外，對(duì)于復(fù)雜的現(xiàn)實(shí)環(huán)境，傳統(tǒng)的檢測(cè)方法在效率和準(zhǔn)確性上均較差，對(duì)某些環(huán)境因素(例如照明條件和背景)敏感，如果環(huán)境因素發(fā)生變化，則應(yīng)再次仔細(xì)調(diào)整這些閾值設(shè)置，否則，由于缺乏適應(yīng)性和魯棒性，該算法會(huì)不適用于新環(huán)境。
而基于深度學(xué)習(xí)的方法在表面缺陷檢測(cè)和其他工業(yè)應(yīng)用(例如汽車(chē)工業(yè) ，水果分類(lèi)和對(duì)象檢測(cè))中都顯示出巨大的優(yōu)勢(shì)。以深度學(xué)習(xí)為基礎(chǔ)的檢測(cè)算法在產(chǎn)品表面質(zhì)量控制方面比人工檢測(cè)效率更高，也可以降低檢測(cè)員的工作量，降低企業(yè)生產(chǎn)成本，缺陷檢測(cè)精度和定位更加準(zhǔn)確，提高生產(chǎn)效率，推動(dòng)制造業(yè)自動(dòng)化，智能化發(fā)展，推動(dòng)智慧工廠(chǎng)的建設(shè)。
