产品裂纹与划痕的机器视觉检测

裂纹、划痕、变色和烧蚀等的产品表面缺陷，不管对于人工检测还是机器视觉检测都极富挑战。难度在于该类缺陷形状不规则、深浅对比度低，而且往往会被产品表面的自然纹理或图案所干扰。因此表面缺陷检测对于正确打光、相机分辨率、被检测部件与相机的相对位置、复杂的机器视觉算法等要求非常高。Teledyne DALSA具有线扫描视觉的一流技术，领导业界表面检测的先进算法及强大的Sherlock视觉软件及其丰富的表面检测的应用经验，原用此文对产品裂纹和划痕检测技术进行了探讨。

明确检测任务

必须先了解产品表面缺陷是如何产生的，并明确归类这些缺陷在图像中可能呈现的形状。例如，粉末金属零件在材料比较薄时烧结中会出现裂纹。基于经验知识，我们可以将机器视觉检测集中在产生缺陷的区域、明确检测方向，这样有助于提高缺陷检测的可靠性。

当前的人工检测操作是如何进行的?现有检测系统存在哪些不足之处?精度、速度、全检还是抽检， 可靠性如何? 如果是机器视觉取代人工检测，又是如何要求的?必须事先了解清楚。

在人工检测过程中，可以凭直觉和经验来预测缺陷可能呈现的形状。例如，划痕通常呈一系列平直或轻微弯曲线段，人们往往会凭借心态学中的“完形”能力，下意识地将这些线段连成一条线。在机器视觉检测中，这种“完形”能力可通过视觉演算大致显现出来。

在进行高难度检测作业时，检测人员间可能会产生不同意见——那是一个划痕?或者仅仅是恰巧形成一条线的亮点?这说明缺陷检测的可靠性有待考量。如果表面缺陷较清晰，且缺陷构成很明确，那么机器视觉检测结果的一致性和可靠性要高于人工视觉检测。

照明是产品表面缺陷检测的一个极其重要的因素，因为表面缺陷通常具有低对比度的特点，而通过采用正确的照明可将其与背景分离开来。对于平面凸起缺陷，可采用低角度照明，“照亮”凸起部位边缘。对于平滑缺陷，或进行弯曲表面缺陷检测时，可采用漫射光。众所周知，照明是一门艺术。请随时咨询光源供应商或TeledyneDALSA技术工程师的意见，他们的经验可以帮助你选择合适的光源及正确打光。

在采集的图像中，裂纹或划痕应至少被三个或更多像素覆盖。有些情况下需使用多个高分辨率相机或单个相机进行多次拍摄，或者更常见的是线扫描相机1K至16k以便采用指定分辨率检测部件整个表面达到用户的精度要求。 为检测产品表面的小缺陷，确保部件表面始终处于相机聚焦区域至关重要。但这对于弯曲表面是一个难题。

阴影校正

在取得没有缺陷和有缺陷的产品的清晰图像后，开始尝试多种机器视觉算法进行检测。在本文中，作者使用了Teledyne DALSA公司出品的机器视觉软件 Sherlock。这款软件不仅可以灵活尝试不同的预处理方案，而且提供了适用于裂纹和划痕检测的有效算法。

如果划痕或裂纹的灰度与缺陷的背景存在较大的灰度偏差，那么检测就比较容易。 在这种情况下，可设定灰度阈值，用二值化的方法将划痕或裂纹从背景中剥离开来。使用blob分析方法得到划痕或裂纹的位置大小等信息。

但是，二值化后的缺陷也有可能是不均匀光照引起的，而非真正的划痕或裂纹。Teledyne DALSA 视觉软件Sherlock里的阴影校正法可消除光照变化，提高裂纹和划痕检测的可靠性。它主要是通过空频滤波或根据基准图进行输入图像分离来实现的。

空域高通滤波器能够放大具有较高空域频率的裂纹和划痕，消除因照明强度变化造成的低频变化。因此，它可用于检测产品表面的裂纹和划痕。但是，高通滤波器也会放大部件表面纹理，在图像上生成噪声，加大裂纹和划痕检测难度。 因此，我们应设法去除较低空域频率，而非放大较高空域频率。仅保留较高空域频率变化——划痕和裂纹。

图1 阴影校正消除照明变化造成的灰度变化(上图)，提高划痕检测的可靠性(下图)

基准图是在部件未放置的情况下生成的。该图显示了照明分布情况。后续的输入图像则根据基准图进行分离，消除光照影响。由于图像灰度是光照和部件反射或透射相乘的结果，因此，基于基准图的逐个像素分离法能够消除光照因素，仅保留部件反射或透射因素。这一方法被广泛用于显微镜检查，但较少用于生产线。

黄金参照法

多数部件都存在反射或透射变化，而这会遮掩表面划痕和裂纹。我们扩展基准图的思路，可通过多幅经严格对齐的合格件图像(而非空白图像)，得到平均值，从而生成黄金参照图像。根据这一总体偏差，我们可以预估部件各点上的自然或可接受变化值。

输入部件图像可以减去黄金参照图像，以便消除光照变化和部件反射或