引入人類視覺特性的帶鋼表面缺陷檢測與識別方法研究.pdf

1、隨著微電子技術(shù)和計算機技術(shù)的發(fā)展，機器在模擬人的行為上取得了很大突破，具有穩(wěn)定、高效等特點。以機器代替人眼的基于機器視覺的工業(yè)應(yīng)用系統(tǒng)成為現(xiàn)代生產(chǎn)自動化發(fā)展的一種趨勢。機器視覺表面缺陷檢測技術(shù)是傳感器配合光源系統(tǒng)實現(xiàn)人眼對圖像的獲取，采用合適高效的圖象處理算法和智能識別算法完成人腦對數(shù)據(jù)信息的處理。高速度、高精度的檢測要求給視覺系統(tǒng)帶來了龐大的數(shù)據(jù)量，如何提高系統(tǒng)對海量信息的處理和利用效率成為一個制約視覺檢測系統(tǒng)發(fā)展的瓶頸問題。帶鋼表面

2、缺陷具有類別多樣、形態(tài)復(fù)雜的特點又使高實時性、高可靠性的圖像處理算法研究成為機器視覺應(yīng)用中一個非常關(guān)鍵的課題。
　　本文對人類視覺特性的研究給機器視覺的研究提供了啟發(fā)和指導(dǎo)，主要研究內(nèi)容和創(chuàng)新成果如下:
　　(1)從圖像處理角度出發(fā)的檢測方法研究已經(jīng)極具規(guī)模，而從人類視覺角度出發(fā)的檢測研究還處于起步階段。引入人類視覺特性的帶鋼表面缺陷檢測系統(tǒng)以人類分析和處理信息的特性對缺陷圖像進行理解分析，擴充了機器視覺系統(tǒng)對于處理復(fù)雜數(shù)據(jù)

3、的功能，對機器視覺檢測系統(tǒng)相關(guān)的圖像處理理論有促進和完善的作用。
　　(2)傳統(tǒng)的基于圖像灰度信息檢測方法對微小缺陷和低對比度的缺陷類型并不敏感，難以實現(xiàn)對缺陷的完全檢測。人類視覺系統(tǒng)利用注意機制從外界輸入的大量信息中選擇和保持有用信息，快速、準確定位一副圖像的顯著目標并且完成識別。本文提出一種基于人類視覺注意機制的帶鋼表面缺陷檢測方法，利用Gabor濾波器多尺度、多分辨率的特點模擬人類視覺系統(tǒng)所具有的多通道和多分辨率特征，建立帶

4、鋼表面缺陷檢測模型。實驗結(jié)果表明不但準確檢測出圖像中存在的低對比度及微小缺陷，得到區(qū)域焦點位置坐標，而且檢測速度快，可以滿足在線實時檢測要求。
　　(3)視覺系統(tǒng)處理的圖像為二維圖像的灰度，它是三維物體幾何特征、光照、物體材料表面性質(zhì)、物體的顏色、攝像機參數(shù)等許多因素的函數(shù)，因此，對于機器視覺系統(tǒng)的研究要從不同方面、不同層次進行分析，提出相應(yīng)的解決方法。選擇雙傳感器與散射光和直射光相配合的系統(tǒng)硬件平臺，突出圖像對比度，改善系統(tǒng)分辨

5、率，保證二維缺陷和三維缺陷無遺漏獲取。通過分析光源的方向?qū)Ρ砻嫒毕輽z測的影響，構(gòu)建紋理表面的反射模型，確定表面高度函數(shù)隨光源角度變化的關(guān)系。實驗結(jié)果表明應(yīng)用不同方向光源作為特征的分割方法的誤分率小于基于灰度統(tǒng)計值的分割方法。
　　(4)噪聲、光照變化等復(fù)雜背景的干擾會給機器視覺系統(tǒng)的正確檢測帶來極大的挑戰(zhàn)，提出一種基于序列濾波器的邊緣檢測方法，去除圖像采集過程中引入的不同程度的脈沖噪聲。相對于經(jīng)典的中值濾波算法，序列濾波器中的總變

6、分圖像去噪方法的各相異性擴散項保證了濾波的同時很好地保持缺陷對比度，濾除噪聲的同時很好地保持了缺陷的細節(jié)信息。定性和定量的實驗分析中，峰值信噪比PSNR及均方根誤差MSE圖像濾波評價準則分布對比圖也證明了提出方法的有效性。
　　(5)人類視覺系統(tǒng)對圖像的識別是通過提取圖像的特征完成對抽象物體的表征來實現(xiàn)的。Gabor濾波機制對視覺信號分解與人類視覺辨別紋理特征的方式類似，因此，可以通過Gabor濾波器來提取圖像的紋理特征。由于紋理

7、只是一種物體表面的特性，并不能完全反映出物體的本質(zhì)屬性，所以僅僅利用紋理特征是無法獲得高層次圖像內(nèi)容的。結(jié)合灰度共生矩陣，提取空間和鄰域信息描述場景信息，模擬人類視覺系統(tǒng)兩個通路特性，這樣輸出的結(jié)果會產(chǎn)生更高的特征空間分離結(jié)果。采用Adaboost方法進行特征降維和缺陷分類，通過適應(yīng)性權(quán)重技術(shù)和加權(quán)投票組合技術(shù)，有效地提高了組合分類器的識別率。通過對邊緣鋸齒、焊縫、夾雜、黃斑、抬頭紋等5類常見缺陷進行分類實驗，特征維數(shù)降低了70％,總體