缺陷視覺檢測項目自動化設計

機器視覺檢測表面缺陷

表面缺陷不僅影響產品的美觀和舒適度，而且一般也會對其使用性能帶來不良影響，所以生產企業對產品的表面缺陷檢測非常重視。

人工檢測是產品表面缺陷的傳統檢測方法，該方法抽檢率低、準確性不高、實時性差、勞動強度大、受人工經驗和主觀因素的影響大，而基于機器視覺的檢測方法可以很大程度上克服上述弊端。

傳統視覺算法的話，尺寸，直徑之類的測量沒有什么問題，然后就是一些簡單表面或者規則紋理的缺陷檢測，這個問題也不大，不過這一類的表面檢測，打光比算法重要的多，打光打不出來，光靠算法是不可能達到工業要求的。

機器視覺自動化檢測設備可以檢測工業產品的哪些缺陷？

然后就是復雜不規則的產品的缺陷檢測，傳統算法基本不要考慮去嘗試了，目前比較好的方法是深度學習，這個玩意在工業檢測上主要的難點在于大量各種缺陷樣本的取得和標注。

根據行業的不同，以及產品的不同，所能檢測的項目有很多。比如從垂直檢測功能來看，可以檢測產品的對角、對邊，有無缺口，同心度，內外徑，多個孔徑，異形螺母，倒角，齒數，表面壓傷，焊點面積，異形五金，異形沖壓件，孔內毛刺，孔內積液，十字槽塞孔，側邊裂痕，頭部文字、形狀等缺陷；從水平檢測功能來講，可以檢測產品的多段寬度，多段高度，多墊片、少墊片，焊點高度，底部形狀，螺牙內外徑、牙距、牙角度，垂直度，搓牙不良、牙品質等；從頭部檢測功能來看，可以檢測斷針、槽深，多段寬度，頭部高度，臺階高度等等。當然，還有一些選別功能，如音量鍵檢測，指紋環，卡托檢測，鏡頭環，角度，按鍵，內壁有無孔，45度有無牙，頭部裂痕，360牙傷，360度內螺紋牙傷，顏色識別等。

那么，產品視覺識別檢測方法有哪些？

第一種是人工檢測，傳統人工給企業帶來了一定成本壓力，而且在進行缺陷判別時不夠精準，難以達到企業所需要的精度及效率。

第二種是機械裝置接觸檢測法，這種學習方法雖然在生活質量上能滿足社會生產的需要，但存在安全檢測設備市場價格高、靈活性差、速度慢等缺點。

第三種是機器視覺檢測法，即利用圖像處理和分析對產品可能影響存在的缺陷進行有效檢測，這種方法采用非接觸式，安裝靈活，測量精度和速度都比較高。

但是在實際應用過程中，由于每個產品缺陷都不一樣，我們一般常見的缺陷都屬于結構型缺陷，像一些外觀，尺寸，規格等都屬于這一類，而通過機器視覺識別檢測系統可以對目標表面圖像內容進行預處理，并與標準圖像對比，找到其中可能存在的缺陷，然后識別并判斷能力缺陷種類和嚴重污染程度，對產品市場進行垃圾分類分級處理。