復(fù)雜背景下光滑物體表面的缺陷檢測技術(shù)研究.pdf

1、光滑物體表面通常具有良好的反光特性，如光滑鋼板、電子屏幕、各種加塑的紙質(zhì)印刷品等。對于光面物體，因其表面平整光滑，易出現(xiàn)多種表面損傷缺陷，特別是當(dāng)被檢物體同時存在復(fù)雜背景時，其缺陷種類則更為繁雜，利用單一的方法很難實現(xiàn)對所有缺陷的檢測。
　　本文以光面卡片為例，通過分析卡片表面缺陷成因，將缺陷分成印刷類缺陷、表面破損類缺陷兩大類型，圖像采集部分則根據(jù)缺陷類型選用不同光源和相機進行組合。印刷類缺陷為光面卡片生產(chǎn)過程中產(chǎn)生的色差、斑點

2、、偏移等缺陷，簡稱為A類缺陷，采用彩色相機和碗狀光源組合的方式進行采集；破損類缺陷為光面卡片生產(chǎn)過程中所產(chǎn)生的劃痕、氣泡等缺陷，簡稱為 B類缺陷，這類缺陷通常是由表面磨損或刮傷產(chǎn)生，在普通白熾燈下，需要傾斜一定的角度才能用肉眼觀察到。對于此類缺陷，本文采用黑白相機和平行同軸光源組合的方式進行采集。這樣的分類組合方式，使得卡片中的各種缺陷都可以較為完整和清晰的呈現(xiàn)，便于計算機的進一步處理。在計算機算法部分，對于A類缺陷的檢測，本文提出一種

3、改進的圖像差分方法，將圖像邊緣部分和圖像非邊緣部分分開檢測，使得圖像配準精度對于圖像差分的影響大幅降低，從而降低了缺陷誤檢率。對于 B類缺陷檢測，通過引入類間方差加權(quán)系數(shù)，對傳統(tǒng)的Otsu算法進行了改進，使得其對于各類“單峰”圖像都能有效地選擇合適的閾值進行分割，在實際應(yīng)用中取得良好的效果。同時針對噪聲干擾嚴重的弱劃痕難以檢測問題，本文提出一種新的基于 Curvelet變換的圖像去噪增強算法，能在有效抑制噪聲的同時，對圖像邊緣進行增強，