在工業(yè)生產(chǎn)領(lǐng)域,質(zhì)量控制的目的是保持質(zhì)量水平或定位缺陷,以便進(jìn)一步修復(fù)。傳統(tǒng)的檢測(cè)方法通常處理規(guī)則的、宏觀的、復(fù)雜的表面缺陷變化.幾乎所有的人工視覺(jué)缺陷檢測(cè)技術(shù)都是為了檢測(cè)缺陷并對(duì)其進(jìn)行分類以供進(jìn)一步處理。
為了進(jìn)行適當(dāng)?shù)姆诸?,工業(yè)應(yīng)用程序需要結(jié)構(gòu)良好的數(shù)據(jù)庫(kù),以確定可能的缺陷類型.然而,由于操作場(chǎng)景中可能出現(xiàn)的缺陷的隨機(jī)性和獨(dú)一性,為分類器建立這樣一個(gè)通用和全方面的數(shù)據(jù)庫(kù)具有挑戰(zhàn)性。在這方面,雖然人們對(duì)一般的分類方法提出了很高的要求,但幾乎每個(gè)應(yīng)用程序都使用了一個(gè)基于材料的缺陷分類器。并從這些文獻(xiàn)中收集實(shí)例,我們提出了一種低層次、統(tǒng)一的缺陷類型分類方法。
表面缺陷兩大分類
這種表面缺陷的分類,適用于任何材料,分為兩大類:可見(jiàn)缺陷和明顯缺陷。值得注意的是,這種分類仍然是基本的,基本上是概念性的,對(duì)于有具體要求的程序來(lái)說(shuō)并不令人滿意,但它為人工智能系統(tǒng)的分類提供了堅(jiān)實(shí)和可靠的基礎(chǔ)。這種缺陷分類的基本假設(shè)是,缺陷的分類是一種嚴(yán)重的主觀判斷,即它在很大程度上取決于缺陷對(duì)人類主管的代表作用。這個(gè)決定通?;谝粋€(gè)閾值和基于邏輯的組件和缺陷的大小比表示。因此,分類學(xué)的結(jié)構(gòu)主要由大小比和空間特征組成。
圖缺陷的類別包含了難以或幾乎不可能通過(guò)觸摸來(lái)定位的缺陷??刹煊X(jué)的缺陷類別包含明顯的缺陷,通過(guò)視覺(jué)和觸覺(jué)的結(jié)合,這些缺陷更容易被定位。顯然,類別的命名并不意味著在這兩個(gè)類別中都沒(méi)有例外。
人工視覺(jué)處理技術(shù)
基于視覺(jué)的方法的主要目標(biāo)是了解世界的自然和人工的表現(xiàn)。在后一種情況下,識(shí)別圖像的過(guò)程主要是試圖尋找輸入圖像與環(huán)境表示之間的數(shù)學(xué)/邏輯聯(lián)系。數(shù)學(xué)/邏輯連接是從輸入圖像到模型的轉(zhuǎn)換,它將圖像中包含的信息減少到應(yīng)用領(lǐng)域的相關(guān)信息。圖像表示可以大致分為四個(gè)層次,如圖3。圖像表示的層次結(jié)構(gòu)和背景函數(shù)/算法可以進(jìn)一步簡(jiǎn)化為低層次和高層次的圖像處理。
圖像分析理論層次
從模擬域到數(shù)字域的轉(zhuǎn)換(帶采樣)往往會(huì)造成一定的信息丟失。大多數(shù)低級(jí)處理方法不使用任何關(guān)于圖像內(nèi)容的先驗(yàn)知識(shí)。這意味著屬于該組的方法可以應(yīng)用于每個(gè)圖像,而無(wú)需考慮任何有關(guān)預(yù)錄制環(huán)境的信息。包括:(1)圖像壓縮;(2)預(yù)處理;(3)銳化;(4)邊緣提取方法。
更高層次的處理方法更復(fù)雜,并且操作于圖像的數(shù)學(xué)表示之上(例如,在內(nèi)容域中,已經(jīng)描述了獨(dú)一的對(duì)象或額外的信息),方法是建立分類器,并且需要模擬人類的認(rèn)知。
達(dá)到“具有特征的圖像”的水平
并且要有一幅有內(nèi)容的圖片,就須描述圖像的幾個(gè)屬性–例如邊緣、紋理等。兩個(gè)不同的原則適用于自然發(fā)生的視覺(jué)觀察。一種是根據(jù)先前關(guān)于要發(fā)現(xiàn)的對(duì)象的知識(shí)來(lái)執(zhí)行的。第二種情況是在沒(méi)有給定的對(duì)象信息的情況下執(zhí)行的,但是使用了環(huán)境知識(shí),這被認(rèn)為是正常的。通常,大多數(shù)非破壞性視覺(jué)檢查方法,以發(fā)現(xiàn)表面異常,涉及紋理和/或顏色分析,執(zhí)行低水平的過(guò)程。這些原則可以在人工系統(tǒng)中復(fù)制,但采用不同的方法。
為了識(shí)別表面上的單個(gè)缺陷,須建立可能的缺陷的描述符數(shù)據(jù)庫(kù),例如分類器。盡管它們須處理Fp和Fn結(jié)果,但可以使用分類器來(lái)確保系統(tǒng)能夠識(shí)別缺陷。建模的第二個(gè)原則導(dǎo)致紋理分析問(wèn)題,其中任何偏離正常模式的紋理被識(shí)別和突出顯示。