一种基于机器视觉的表面缺陷快速检测方法

• 作者: 周国栋
• 来源期刊: 机电工程技术
• 关键词: 机器视觉 表面检测 尺度不变 缺陷识别
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 智能与自动化|Intelligence & Automatization
• 页码范围: 42-44
• 页数: 3页
• 分类号: TB486|TQ174.76|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2021.08.012

摘要

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.