機器視覺系統對產品表面缺陷的檢測方案一直是視覺方案中的難點，本文詳細介紹一下設計機器視覺表面缺陷檢測系統開發的過程和要點。

缺陷系統設計要點

大多數基於PC的視覺系統都可以執行檢測任務，在設計構缺陷檢測系統時，首先需要確定要完成什麼樣的檢測任務以及該任務對性能的具體要求。例如在電子產品製造中大多數視覺系統用於發現有缺陷零部件，那麼攝像頭加上視覺系統能看到缺陷嗎？回答這個問題常常需要先建立一個不良品和良品測試數據庫，然後在這個基礎上構建一個使用該圖像數據庫作為樣本的樣機系統，這種方法的優點是對樣機只需很少改動就能得到正確的軟件設置。

照明系統的選用

在視覺檢測應用中照明非常關鍵，因為它能保證圖像採集是在一致條件下進行的。應使用正確的照明，使被測部件與周圍背景形成鮮明的對比，並得到盡可能多的灰度等級，這樣視覺效果就會明顯表現出來。對於高速運動的部件，還可以用閃光光源使圖像瞬時固定。

外界自然光的影響

照明的另外一個目的是減小反射。有時反射來自周圍自然光線，會隨時間而變化，因此同樣的場合白天和夜晚相比光線變化要大得多，這就需要配置照明或使用光罩，以遮擋周圍的光線。

硬件考慮因素

選擇視覺系統首先要選擇正確的攝像頭和鏡頭。構建圖像的基本單元稱為像素，一幅普通圖像實際上是成千上萬像素填滿的圖框。具體應用要求不僅包括每幅圖像所需像素數，還要包括攝像頭鏡頭類型。

相機顏色的影響

另外一個要決定是用彩色還是單色。雖然彩色攝像頭能夠產生更吸引人的圖像，但彩色並不能增加多少有價值的信息，而且一般情況下需要用更多的時間來進行處理(單色圖像通常是8位/像素，而彩色圖像需要32位/像素)，這一點在測量邊緣距離應用中特別突出。然而有時候色彩是唯一辨別因素，這時彩色就變得很重要，例如在檢測熔斷絲、電容或電阻時可能需要搜索某種特定的色彩。對於高分辨率彩色應用場合，可以考慮使用三片式或RGB攝像頭。

在選擇基於PC的視覺系統時，還需要圖像採集硬件，這時要考慮的特性包括驅動軟件，以及硬件能否很好與運動控制和數據採集集成在一起。例如可以用運動控制監測部件傳送帶的速度，使得圖像採集與整個流程同步；還可以將機器振動、壓力監控和溫度控制包括在生產系統中，以便預先制訂維護計劃。用戶能夠很容易將傳送帶控制與圖像採集硬件集成在一起，從而在數據採集硬件、軟件和運動控制之間實現同步，得到一個完整的解決方案。

邊緣檢測

邊緣檢測的一個用途是通過測量兩個邊緣的間距來判定部件缺陷，這類測量很容易用PC實現自動化，測量計算越來越快，這對那些對時間要求很苛刻的人來講是一個重要的考慮因素。

也可以用邊緣檢測來檢測部件上某個特定部分，它對部件上的邊緣數進行計數，然後將這個數與預置數據相比較，依此完成搜索。如果值匹配，說明部件上找到這一部分，如果值不匹配，就認為部件有缺陷。

關於邊緣的定義是指圖像中相鄰像素灰度值出現明顯變化的區域。邊緣檢測沿搜索區域對一個一維曲線像素值進行搜索，一維搜索區域可以是直線、圓弧、橢圓弧、矩形或多邊形的邊界，或者手繪區域的邊線，軟件對沿線像素值進行分析，檢測是否有明顯的強度變化。

用戶可以指定強度變化的臨界值，以判定什麼樣的變化構成邊緣，這些參數包括：邊緣強度，用來定義背景和邊緣之間灰度值最小差；邊緣長度，指邊緣和背景之間產生所需灰度差必需最大距離；邊緣極性，判斷邊緣是往上升的邊還是往下降的邊；邊緣位置，用來確定圖像中邊緣的X，Y坐標。通過改變這些值，用戶可以用編程方法定義各種臨界值，以發現不同成像環境下的各個邊緣。

產品缺陷圖形匹配識別

所謂圖形匹配，就是先有一個己知圖案(模板)，然後判定這種圖案在被檢部件上是否存在，或是將其當作基準作為進行其它測量的起點。傳統圖形匹配技術包括標準互相關、錐形匹配和比例常數匹配。

標準互相關是在圖像中尋找圖案最常用的方法。由於其內部原理是基於系列乘法操作，所以相關運算過程很費時間，但使用像MMX之類的新技術能夠進行並行乘法，可減少總計算時間。用戶可通過縮小圖像尺寸或限製圖像匹配區域加速匹配過程。不過基本標準互相關技術還是不能滿足許多應用對速度的要求。

也可以通過縮小圖像和模板圖案的尺寸減少計算時間，錐形匹配就是這樣一種技術。在這種方法裡，對圖像和模板兩者都進行部分採樣,使其空間分辨率變小，甚至可以將圖像和模板尺寸減至它們原始尺寸的四分之一。這樣首先在縮小的圖像中進行匹配運算，因為圖像小了，匹配更加快速，處理完成後，只有原始圖像具有很高匹配度才考慮繼續進行餘下匹配處理。

當圖像沒有縮放和旋轉時，標準互相關是探查圖形一個很好的方法，互相關一般能檢測同一尺寸圖形旋轉5至10度後的圖像。但將相關計算範圍進行延伸以檢測那些比例變化和旋轉較大的圖形則比較困難，對於按比例變化的圖形，用戶必須重複縮放或調整模板尺寸，然後進行相關運算，這給匹配過程增加很大工作量；而對於旋轉的處理更加困難，如果能夠從圖像中找到有關旋轉的線索，則可以簡單地旋轉模板並進行相關運算，但如果旋轉的性質不知道，尋找最佳匹配需要對模板進行盡可能多的旋轉處理。