計算機(jī)核心期刊論文投稿推薦《計算機(jī)工程與應(yīng)用》創(chuàng)刊于1964年，是由信息產(chǎn)業(yè)部北京計算技術(shù)研究所主辦的、面向中高級計算機(jī)專業(yè)工作者的學(xué)術(shù)刊物，系中國計算機(jī)學(xué)會會刊、中國電 子學(xué)會一級會刊，計算機(jī)工程與應(yīng)用學(xué)會學(xué)報、計算機(jī)類中文核心期刊。本刊為旬刊，國內(nèi)統(tǒng)一刊號：CN11-2127/TP，國際刊 號：ISSN1002-8331。
　　【摘要】計算機(jī)視覺技術(shù)是一項應(yīng)用非常廣泛的計算機(jī)科學(xué)分支，是一項與圖像處理、模式識別以及光學(xué)等緊密聯(lián)系的技術(shù)。構(gòu)件的表面缺陷是影響構(gòu)件質(zhì)量的重要因素之一，通過對構(gòu)件的表面特征進(jìn)行檢測和提取是構(gòu)件質(zhì)量控制的關(guān)鍵。本文將基于計算機(jī)視覺技術(shù)，探究構(gòu)件表面缺陷特征的提取。

　　【關(guān)鍵詞】計算機(jī)視覺,構(gòu)件,表面特征,檢測

　　表面缺陷檢測以及特征提取，所涉及的范圍是非常廣泛的，包括了鐵軌表面缺陷、帶鋼表面缺陷以及織物表面缺陷等。因此加強(qiáng)對產(chǎn)品的表面缺陷提取以及質(zhì)量檢測顯得尤為重要，目前基于計算機(jī)視覺的構(gòu)件缺陷檢測系統(tǒng)已經(jīng)受到國內(nèi)外研究人員的重視，如何更好地將計算機(jī)視覺技術(shù)引入到產(chǎn)品表面質(zhì)量缺陷檢測中去是未來發(fā)展的重點。筆者將在下文中就此展開詳細(xì)的闡述。

　　1.計算機(jī)視覺的基本工作原理

　　1.1系統(tǒng)結(jié)構(gòu)

　　計算機(jī)視覺是一項涉及范圍廣泛的技術(shù)，他通過圖像采集裝置將檢測目標(biāo)轉(zhuǎn)化為圖像信號，再經(jīng)過專門性的額圖像處理系統(tǒng)最終生成具體的表面特征。具體來講在圖像處理環(huán)節(jié)米旭濤根據(jù)圖像的具體像素以及圖像分布和顏色、亮度、飽和度等進(jìn)行目標(biāo)提取，再比照系統(tǒng)預(yù)設(shè)的參照值得出最終的檢測結(jié)果，例如尺寸大小、顏色等師傅偶合格。計算機(jī)視覺處理系統(tǒng)包括了光源、鏡頭、計算機(jī)以及圖像采集裝置和處理系統(tǒng)等，這些系統(tǒng)綜合組成共同推動了計算機(jī)視覺系統(tǒng)的正常穩(wěn)定運行。

　　1.2計算機(jī)視覺硬件設(shè)計

　　計算機(jī)視覺系統(tǒng)的硬件平臺包括了照明系統(tǒng)、鏡頭相機(jī)以及圖像采集裝置和工控機(jī)四個部分，這四個部分缺一不可，共同組成了整個計算機(jī)視覺系統(tǒng)。

　　1.2.1照明系統(tǒng)

　　照明系統(tǒng)是整個計算機(jī)視覺系統(tǒng)的關(guān)鍵，尤其是在光源和照明方案的配合上更是直接影響了整個系統(tǒng)運行的成敗。因此在照明方案的制定以及光源的選擇上應(yīng)該盡可能的突出物體特征參量，綜合考慮對比度以及亮度等因素，將計算機(jī)視覺系統(tǒng)的光源與照明方案相匹配，選擇需要的幾何形狀以及均勻度等，同時還需要結(jié)合被檢測物體的表面特征幾何形狀。針對構(gòu)件表面缺陷的照明方案，筆者認(rèn)為應(yīng)該選擇功率相對較大的LED光源，用低角度的方式進(jìn)行照明。

　　1.2.2相機(jī)鏡頭

　　相機(jī)系統(tǒng)是成像的關(guān)鍵，因此在相機(jī)鏡頭的選擇上應(yīng)該適用于具體的構(gòu)件。一般來說相機(jī)鏡頭包括了兩方面內(nèi)容，一是線掃，二是面掃。通過二者的綜合運用實現(xiàn)更好地成像效果。

　　1.2.3圖像采集卡

　　圖像采集卡主要是指在計算機(jī)視覺系統(tǒng)中位于圖像裁剪機(jī)設(shè)備和圖像處理設(shè)備之間的重要接口。是成像的中間環(huán)節(jié)，發(fā)揮著不可或缺的作用。

　　2.基于計算機(jī)視覺的構(gòu)件表面缺陷特征提取

　　基于計算機(jī)視覺的構(gòu)件表面缺陷特征提取可以分為為三個重要部分，分別是圖像預(yù)處理部分：主要是指針對構(gòu)件進(jìn)行區(qū)域的定位，將非構(gòu)件的部分移出計算機(jī)視覺的缺陷提取技術(shù)中去，從而降低了后續(xù)工作的工作難度；其次是進(jìn)行缺陷定位，主要是指通過特定的技術(shù)和算法將缺陷從結(jié)果當(dāng)中直接分離出來。第三部分是缺陷特征的提取，也是系統(tǒng)處理的結(jié)果部分，是通過計算缺陷的程度以及缺陷大小，從而為后期的構(gòu)件維護(hù)提供參考依據(jù)。具體來說，這三個部分的操作主要體現(xiàn)在以下幾個方面：

　　2.1區(qū)域定位

　　區(qū)域定位是減少構(gòu)件處理和選擇時間的關(guān)鍵，能夠大大提高構(gòu)件缺陷提取的效率。構(gòu)件的表面的基本特征和大致集合框架提取是區(qū)域定位和的第一步，要將計算機(jī)區(qū)域定位和缺陷提取結(jié)合起來，更好地實現(xiàn)缺陷分析。要做好構(gòu)件的區(qū)域定位首先需要明確構(gòu)件的基本種類和特征：一是根據(jù)構(gòu)件的重用方式來說，可以分為白匣子、灰匣子、黑匣子從構(gòu)件的使用范圍來看又可以分為通用構(gòu)件和專用構(gòu)件；根據(jù)構(gòu)件的粒度的大小可以分為小。中大三種不同粒度的構(gòu)件；再次是從構(gòu)件的功能上來看可以分為系統(tǒng)構(gòu)件、支撐構(gòu)件以及領(lǐng)域構(gòu)件三個部分。四是從構(gòu)件的基本結(jié)構(gòu)特征來看可以分為原子構(gòu)件以及組合構(gòu)件。最后從構(gòu)件的狀態(tài)來說，又可以分為動態(tài)和靜態(tài)構(gòu)件。因此從不同種類的構(gòu)件進(jìn)行區(qū)域定位為視覺系統(tǒng)正常運行創(chuàng)造了優(yōu)良的條件。

　　2.2缺陷提取

　　在進(jìn)行缺陷提取的過程中，難免會受到客觀的環(huán)境影響，比如噪聲、溫度以及濕度等對圖像處理的結(jié)果產(chǎn)生影響，因此需要對區(qū)域定位中產(chǎn)生的區(qū)域進(jìn)行濾波處理，然后再采用閾值分割的辦法進(jìn)行缺陷提取。具體操作步驟如下所示：

　　（1）計算出成像中的最小最大灰度值，并且設(shè)置初始閾值。

　�。�2）根據(jù)閾值，結(jié)合圖像的分割目標(biāo)，將圖像分割成為目標(biāo)和背景兩個部分，求導(dǎo)出平均灰度值。

　　（3）再根據(jù)新的平均灰度值計算出新的閾值。

　�。�4）觀察閾值的初始值與新閾值之間的關(guān)系，如歌二者相等則整個計算過程就結(jié)束，如果不相等，則就需要進(jìn)一步計算。

　　通過閾值計算得出啊的最佳閾值分割效果圖，能夠進(jìn)行初步的缺陷預(yù)判，但是初步預(yù)判當(dāng)中還存在較多的不確定因素，主要包括兩類，一是在邊緣部分出現(xiàn)的細(xì)小毛刺，由于與缺陷的距離較近，因此在初步缺陷提取中容易形成誤判、再次是在構(gòu)件表面有一些非常細(xì)小的缺陷，這些缺陷的影響較小，不會對構(gòu)件的性能造成影響，因此在進(jìn)行缺陷提取的過程中需要將這兩個因素排除在外，具體主要是指采用圖像形態(tài)學(xué)中開運算和閉運算，從而達(dá)到對構(gòu)件中的明了細(xì)節(jié)和暗色細(xì)節(jié)的過濾。具體來說缺陷的分割提取采用的是Sobel算子。主要是利用了圖像像素點的上下左右灰度加權(quán)算法，對構(gòu)件表面的缺陷進(jìn)行檢測。再采用二值圖像邊界跟蹤法，將缺陷從構(gòu)件圖像中分離出來。

　　2.3缺陷特征提取

　　缺陷特征提取，又可以稱之為缺陷的定量計算和定性過程，是將前期所得的數(shù)據(jù)結(jié)果以更加直觀的形式展現(xiàn)出來，通過對比指標(biāo)參數(shù)判斷構(gòu)件的表面質(zhì)量是否合格，符合基本的生產(chǎn)標(biāo)準(zhǔn)。一般來說常用的表示缺陷特征的標(biāo)準(zhǔn)有以下幾種：

　　（1）周長：周長是對缺陷的邊界長度的描述，在圖像特征上顯示則是指構(gòu)件成像上的缺陷區(qū)域的邊界像素數(shù)量。

　�。�2）面積：面積相對于周長能夠更加直觀地反映整體缺陷的大小，它是缺陷區(qū)域中的像素的總數(shù)，因此更高體現(xiàn)缺陷的影響規(guī)模。

　�。�3）致密性：這是一個相對專業(yè)的缺陷指標(biāo)概念主要是指每平方面積上的平方周倉，是一個雙單位描述指標(biāo)。

　�。�4）區(qū)域的質(zhì)心：區(qū)域質(zhì)心是描述缺陷的影響關(guān)鍵也就是缺陷區(qū)域內(nèi)的核心區(qū)域，是對整個區(qū)域的核心描述。

　�。�5）最小外接矩形。

　　3.結(jié)語

　　綜上所述，構(gòu)件表面缺陷直接影響構(gòu)件的最終使用效果，構(gòu)件表面缺陷的檢測應(yīng)用領(lǐng)域也逐漸廣泛，而計算機(jī)視覺技術(shù)在檢測缺陷中的優(yōu)越性更體現(xiàn)了基于計算機(jī)視覺的構(gòu)件表面缺陷特征提取的研究價值。本文主要針對構(gòu)件表面缺陷的檢測，綜合計算機(jī)視覺技術(shù)提出了具體的檢測方法和檢測工作原理，通過對表面缺陷的檢測，力圖提高構(gòu)件的整體質(zhì)量。

　　【參考文獻(xiàn)】

　　[1]陳黎，黃心漢，王敏，何永輝，龔世強(qiáng).帶鋼缺陷圖像的自動閾值分割研究[J].計算機(jī)工程與應(yīng)用，2002，（07）.

　　[2]許豪，孔建益，湯勃，王興東，劉源泂.基于數(shù)學(xué)形態(tài)學(xué)的帶鋼表面缺陷邊緣提取[J].機(jī)械設(shè)計與制造，2012，（06）.

　　[3]段敬紅，馮江，張發(fā)存.基于軟件構(gòu)件的表面缺陷檢測軟件開發(fā)[J].計算機(jī)工程與科學(xué)，2009，（10）.

　　[4]李永祺.光電技術(shù)與機(jī)器視覺在鋼鐵工業(yè)中的新應(yīng)用[J].鋼鐵釩鈦，1994，（01）.

---

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/jisuanjiyingyonglw/26779.html