机器视觉—表面机器检测

传统的工业生产制造，由于科学技术的限制，仍然主要采用人工检测的方法去检测产品表面的缺陷，这种方法由于人工的限制，和技术的落后，不仅检测产品的速度慢，效率低下，而且在检测的过程中，容易出错，从而导致了检测结果的错误。当今社会，随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉产品的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条件，主观判断等影响检测结果的准确性，实现能更好地进行表面缺陷检测，更加快速的识别产品表面误差。

产品表面缺陷检测属于机器视觉技术的一种，，就是利用计算机视觉模拟人类视觉的功能，从具体的实物进行图象的采集处理，计算，最终进行实际检测，控制和应用。产品的表面缺陷检测时机器视觉检测的一个重要部分，其检测的准确程度直接会影响产品最终的质量优劣。由于使用人工检测的方法早已不能满足生产和现代工艺生产制造的需求，而利用机器视觉检测很好地克服了这一点，表面缺陷检测促进了企业工厂更好地生产与制造。

实行表面缺陷检测，提高了检测的准确度和效率。那么，在进行产品表面检测之前，有几个步骤需要注意。首先，要利用图像采集系统对图像表面的纹理图像进行采集分析，第二，对采集过来的图像进行一步步分割处理，使得产品表面缺陷能像能够按照其特有的区域特征进行分类。第三，在以上分类区域中进一步分析划痕的目标区域，使得范围更加的准确。通过以上的三步处理之后，产品表面缺陷区域和特征能够进一步确认，这样 表面缺陷检测的基本步骤就完成了。

尖刀视智能旗下的产品表面缺陷检测技术提高了用户生产效率，使得生产更加细致化，分工更加明确，同时，减少了公司的人工成本支出，节省了财力，实现机器智能一体化发展。

铜带表面缺陷检测

1、项目目标项目计划通过系统实现以下功能：

1. 铜带划伤。

2. 检测铜带凹凸缺损。

智能自动检测系统可以减少人工，提升质量，提高生产效率，形成产品质量和企业的核心竞争力。2、系统介绍2.1系统原理系统由机械结构与视觉检测系统组成，具体如图2所示：

图二 系统组成

产品进入生产线，经过视觉系统的处理，给出一个决策。

图三 视觉系统组成

图3是视觉系统的组成，其检测原理是：通过电控模块输出触发信号，系统收到工作到位触发信号后，自动采集图像，针对此系统开发的图像处理软件实时对采集到得图片根据客户提出的工艺标准进行处理和分析，并将处理结果输出至报警控制系统。2.2系统测试结果下述是样品检测测试结果

2.3 软件测试结果

2.3 软件测试结果

视觉传感器可消除车轮紧固

Maclean Vehicle Systems (MVS)的诸多汽车紧固件产品之一便是不锈钢轮壳螺帽。螺帽是在多工位机上生产的，每个工位会同时处理两个零件。生产时必须对紧固件进行检测以确保螺帽的螺纹正确。MVS 起初用涡电流传感器进行这种检测，但其准确性不够理想，有时会造成代价高昂的分类错误。[图片]“我们看过许多视觉传感器。”MVS 制造控制工程师 TJ Konieczke 说。“有一些很敏感、让人望而生畏，难于学习，就像我们曾经用过的视觉系统。

Konieczke 在距两零件约五英寸的装配机检测台上以 45 度俯角安装了两个康耐视 Checker 101 视觉传感器。零件是用夹具放到检测台上的，并用弹簧固定器固定，所以其固定位置高度可能稍有差异。Konieczke 通过把检测工具拖放到他想检测的特征上完成视觉传感器的设置。首先，他用一个边缘查找工具定位零件的边缘，从而解决了位置差异。然后他用亮度查找工具寻找螺纹反射的光。

然后设置视觉传感器与操作装配机的可编程逻辑控制器(PLC) 交互。夹具将两个新零件固定到位后，PLC 便可提供静态输出。视觉传感器接收到该信息后，捕捉图像并检测零件。然后向 PLC 输出表示零件合格与否的信息。然后 PLC 根据检测结果将零件发送到合格或不合格的料箱中。

最近，MVS 根据康耐视 Checker 232 视觉传感器对应用进行了标准化。该传感器有更高的分辨率和更广的小特征检测视野，每分钟可以检测 1,600 个零件。视觉传感器不同于传统传感器只能从一个角度进行评测，它可以检测零件的位置并评测螺帽整个开口处的亮度，从而避免不正确的合格或不合格判定。由于避免了分类成本，视觉传感器的成本也得以迅速回收。视觉传感器还能让您确信不会把任何一个坏零件运给客户。“视觉传感器更稳定可靠，和传统传感器一样易于设置和操作，而且也不比传统传感器贵多少。”