引入人類視覺特性的帶鋼表面缺陷檢測(cè)與識(shí)別方法研究.pdf

1、隨著微電子技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)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(diǎn)。以機(jī)器代替人眼的基于機(jī)器視覺的工業(yè)應(yīng)用系統(tǒng)成為現(xiàn)代生產(chǎn)自動(dòng)化發(fā)展的一種趨勢(shì)。機(jī)器視覺表面缺陷檢測(cè)技術(shù)是傳感器配合光源系統(tǒng)實(shí)現(xiàn)人眼對(duì)圖像的獲取，采用合適高效的圖象處理算法和智能識(shí)別算法完成人腦對(duì)數(shù)據(jù)信息的處理。高速度、高精度的檢測(cè)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(duì)海量信息的處理和利用效率成為一個(gè)制約視覺檢測(cè)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(diǎn)又使高實(shí)時(shí)性、高可靠性的圖像處理算法研究成為機(jī)器視覺應(yīng)用中一個(gè)非常關(guān)鍵的課題。
　　本文對(duì)人類視覺特性的研究給機(jī)器視覺的研究提供了啟發(fā)和指導(dǎo)，主要研究?jī)?nèi)容和創(chuàng)新成果如下:
　　(1)從圖像處理角度出發(fā)的檢測(cè)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(cè)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(cè)系統(tǒng)以人類分析和處理信息的特性對(duì)缺陷圖像進(jìn)行理解分析，擴(kuò)充了機(jī)器視覺系統(tǒng)對(duì)于處理復(fù)雜數(shù)據(jù)

3、的功能，對(duì)機(jī)器視覺檢測(cè)系統(tǒng)相關(guān)的圖像處理理論有促進(jìn)和完善的作用。
　　(2)傳統(tǒng)的基于圖像灰度信息檢測(cè)方法對(duì)微小缺陷和低對(duì)比度的缺陷類型并不敏感，難以實(shí)現(xiàn)對(duì)缺陷的完全檢測(cè)。人類視覺系統(tǒng)利用注意機(jī)制從外界輸入的大量信息中選擇和保持有用信息，快速、準(zhǔn)確定位一副圖像的顯著目標(biāo)并且完成識(shí)別。本文提出一種基于人類視覺注意機(jī)制的帶鋼表面缺陷檢測(cè)方法，利用Gabor濾波器多尺度、多分辨率的特點(diǎn)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(cè)模型。實(shí)驗(yàn)結(jié)果表明不但準(zhǔn)確檢測(cè)出圖像中存在的低對(duì)比度及微小缺陷，得到區(qū)域焦點(diǎn)位置坐標(biāo)，而且檢測(cè)速度快，可以滿足在線實(shí)時(shí)檢測(cè)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(jī)參數(shù)等許多因素的函數(shù)，因此，對(duì)于機(jī)器視覺系統(tǒng)的研究要從不同方面、不同層次進(jìn)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(tái)，突出圖像對(duì)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(cè)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(shí)驗(yàn)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(jì)值的分割方法。
　　(4)噪聲、光照變化等復(fù)雜背景的干擾會(huì)給機(jī)器視覺系統(tǒng)的正確檢測(cè)帶來極大的挑戰(zhàn)，提出一種基于序列濾波器的邊緣檢測(cè)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(duì)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(kuò)散項(xiàng)保證了濾波的同時(shí)很好地保持缺陷對(duì)比度，濾除噪聲的同時(shí)很好地保持了缺陷的細(xì)節(jié)信息。定性和定量的實(shí)驗(yàn)分析中，峰值信噪比PSNR及均方根誤差MSE圖像濾波評(píng)價(jià)準(zhǔn)則分布對(duì)比圖也證明了提出方法的有效性。
　　(5)人類視覺系統(tǒng)對(duì)圖像的識(shí)別是通過提取圖像的特征完成對(duì)抽象物體的表征來實(shí)現(xiàn)的。Gabor濾波機(jī)制對(duì)視覺信號(hào)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(chǎng)景信息，模擬人類視覺系統(tǒng)兩個(gè)通路特性，這樣輸出的結(jié)果會(huì)產(chǎn)生更高的特征空間分離結(jié)果。采用Adaboost方法進(jìn)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(shí)別率。通過對(duì)邊緣鋸齒、焊縫、夾雜、黃斑、抬頭紋等5類常見缺陷進(jìn)行分類實(shí)驗(yàn)，特征維數(shù)降低了70％,總體