基于机器视觉的金属表面缺陷检测方法研究作者：翟伟良 李有煊 黄浩湄 黄茂发 气相法白炭黑陈俊杰 莫锦超石墨舟来源：《科技传播》2017年第09期 摘 要 普通的图片成像中一般都为像素灰度值的成像形式，因此对于表面缺陷检测方法主要有灰度阈值分割法、灰度数据边缘振幅提取法和傅立叶数据变化提取等方法，一般都是应用于表面内灰度值变化不大的情况[1]。其中对于金属表面的检测中，基本适合使用以上方法进行处理，但是如果出现金属表面有反光或图像噪声异常等情形时，单纯的检测方法不再适合对表面进行检测，本文应用了基于灰度值对比方式对表面异变大的区块独立化进行表面缺陷检测处理，实现良好的反光和图像噪声的控制效果，并且实现了表平面缺陷检测中的划痕、污点和凹陷等功能。 关键词 灰度值；表面缺陷检测；视觉成像；图像噪声生发梳
中图分类号 TP3 文献标识码 A 文章编号中间道路 1674-6708（2017）186-0047-02
金属表平面的缺陷检测中主要有划痕、污点和凹陷等检测功能，应用基于灰度阈值的分
割法能实现基本检测功能，但是实际的场景应用中金属会出现较大的反光情况，会导致检测效果极差，主要的误判经常出现在反光边缘交界处，反光的内部区域灰度变化的情况依然适合灰度阈值的处理方法，因此我们就可以通过标准图片的灰度值对比方式，把变化大的区域独立分离成适合于灰度阈值处理的区域，再细化进行检测。应用灰度对比提取缺陷区域的方法和基于灰度阈值分割的缺陷判断方法相结合进行金属表面缺陷检测汽车座椅面料[ 2 ]。如图1为本文使用的金属检测表平面。
5-氯-2-戊酮
1 独立缺陷区块的提取
对整体的检测区域进行一个粗略的分离效果，通过一个标准的表面内的像素点进行灰度值的提取，后通过检测过程中对每个像素点灰度值对比的方式提取出变化较大的点集，初步形成含有缺陷的区域，为后面的准确查缺陷区域做准备[ 3 ]。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议