高精度針孔檢測設(shè)備
More >>
您所在的位置：精質(zhì)視覺 > 新聞中心>金屬表面缺陷檢測常見方法
2022-07-19 10:34:25 精質(zhì)視覺
精質(zhì)視覺將金屬平面材料的表面缺陷檢測方法主要分為四類：傳統(tǒng)的基于統(tǒng)計的方法，基于光譜的方法，基于模型的方法和新興的基于機器學習的方法。
方法1：基于統(tǒng)計的方法
從統(tǒng)計方法的角度來看，圖像紋理被視為隨機現(xiàn)象。統(tǒng)計方法通過測量像素空間分布的統(tǒng)計特性來研究像素強度的規(guī)則和周期性分布，以檢測金屬平面材料表面的缺陷。
方法2：基于頻譜的方法
在光照變化和偽缺陷干擾的情況下，許多統(tǒng)計方法都不可靠。幸運的是，研究人員發(fā)現(xiàn)圖像在變換域中更有可能被分離出具有不同特征的信息，并且有可能找到比像素域中的直接處理方法更好的缺陷檢測方法。
方法3：基于模型的方法
除了基于統(tǒng)計和頻譜的方法外，還有一種基于模型的方法。基于模型的方法通過通過參數(shù)學習增強的特殊結(jié)構(gòu)模型將圖像塊的原始紋理分布投影到低維分布，從而更好地檢測各種缺陷。
方法4：基于機器學習的方法
機器學習的本質(zhì)是分析和學習數(shù)據(jù)(特征)，然后做出準確的決策或預測。
在現(xiàn)實世界的工業(yè)環(huán)境中，通常使用機器視覺技術(shù)來檢測生產(chǎn)線上的金屬表面缺陷。通常，這些技術(shù)指的是傳統(tǒng)的圖像處理和深度學習，旨在分析和檢測制造商中收集的缺陷。
傳統(tǒng)圖像處理技術(shù)的主要思想是通過精心設(shè)計的手工特征來描述表面缺陷。常用的手工特征包括LBP(局部二進制模式)，HOG(定向梯度的直方圖)，GLCM(灰度共現(xiàn)矩陣)和其他統(tǒng)計特征。對于輸入的金屬表面圖像，關(guān)鍵是選擇合適的特征來表示缺陷信息。
但是，由于傳統(tǒng)的圖像處理方法通常需要復雜的閾值設(shè)置以進行缺陷識別，因此無法直接在現(xiàn)實中部署。此外，對于復雜的現(xiàn)實環(huán)境，傳統(tǒng)的檢測方法在效率和準確性上均較差，對某些環(huán)境因素(例如照明條件和背景)敏感，如果環(huán)境因素發(fā)生變化，則應再次仔細調(diào)整這些閾值設(shè)置，否則，由于缺乏適應性和魯棒性，該算法會不適用于新環(huán)境。
而基于深度學習的方法在表面缺陷檢測和其他工業(yè)應用(例如汽車工業(yè) ，水果分類和對象檢測)中都顯示出巨大的優(yōu)勢。以深度學習為基礎(chǔ)的檢測算法在產(chǎn)品表面質(zhì)量控制方面比人工檢測效率更高，也可以降低檢測員的工作量，降低企業(yè)生產(chǎn)成本，缺陷檢測精度和定位更加準確，提高生產(chǎn)效率，推動制造業(yè)自動化，智能化發(fā)展，推動智慧工廠的建設(shè)。
