积分商城

最新搜索： NUC97 24C16源码 DAC8830 自动切换量程 freertos 空调外机
您现在的位置是：首页 > 技术资料 > 基于变异系数法的工业产品表面缺陷快速检测应用研究
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于变异系数法的工业产品表面缺陷快速检测应用研究

更新时间：2019-12-30 01:15:23 大小：2M 上传用户：IC老兵查看TA发布的资源 标签：工业产品表面缺陷快速检测 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

为了提高工业产品质量控制中表面缺陷检测的准确性和快速性,提出了一种基于机器视觉的工业产品表面缺陷快速检测方法。方法引用变异系数的概念,通过待检测图像和模板图像进行差运算得到差影图像,并通过计算其变异系数以确定阈值,利用分割定位缺陷,从而实现缺陷的快速检测。壁纸表面缺陷检测实验结果表明,本方法提高了图像检测系统的准确性和鲁棒性,误检率大大降低。


部分文件列表

文件名 大小
1577639718基于变异系数法的工业产品表面缺陷快速检测应用研究.pdf 2M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
化工学报 2018 年 第69 卷 第3 期 |
CIESC Journal, 2018, 69(3): 1238-1243  
DOI：10.11949/j.issn.0438-1157.20171486  
基于变异系数法的工业产品表面缺陷快速检测应用研究  
李澄非，田果，董超俊，吉登清  
（五邑大学信息工程学院，广东 江门 529020）  
摘要：为了提高工业产品质量控制中表面缺陷检测的准确性和快速性，提出了一种基于机器视觉的工业产品表面  
缺陷快速检测方法。方法引用变异系数的概念，通过待检测图像和模板图像进行差运算得到差影图像，并通过计  
算其变异系数以确定阈值，利用分割定位缺陷，从而实现缺陷的快速检测。壁纸表面缺陷检测实验结果表明，本  
方法提高了图像检测系统的准确性和鲁棒性，误检率大大降低。  
关键词：缺陷检测；机器视觉；变异系数；差影图像  
中图分类号：TP 274  
文献标志码：A  
文章编号：0438—1157（2018）03—1238—06  
Application of variation coefficient to fast detection on surface defects of  
industrial products  
LI Chengfei, TIAN Guo, DONG Chaojun, JI Dengqing  
(Wuyi University, School of Information Engineering, Jiangmen 529020, Guangdong, China)  
Abstract: To improve accuracy and speed of quality control detection on surface defects of industrial products, a  
novel fast detection approach was proposed based on machine visualization. With introduction of variation  
coefficient, a difference image was obtained by image differencing analysis of the test image and the model image.  
Threshold was determined by variation coefficient of the difference image and then defects were located by image  
dicing. Experimental results on wallpaper surface defect detection show that the proposed method improved  
accuracy and robustness of image detection and reduced false detection rate greatly.  
Key words: defect detection; machine visualization; coefficient of variation; difference image  
的要求越来越高。由于易受疲劳和心里因素等影响，  
引 言  
利用人眼进行缺陷检测并不能满足生产线对实时性  
与可靠性的要求[1]。随着成本的降低，基于图像处理  
随着经济的发展，工业生产线对产品质量的控制  
2017-11-07 收到初稿，2017-11-21 收到修改稿。  
Received date: 2017-11-07.  
联系人及第一作者：李澄非（1971—），女，博士，副教授。  
基金项目：2012 广东省科技厅第一批产业技术研究与开发资金计划项目  
（ 2012B010100016) ； 2015 广 东 省 教 育 厅 特 色 创 新 类 项 目  
（2015GXJK148,2015GXJK151）；2015 广东省研究生教育创新计划项目  
（2015SFKC39)；2017 年广东省教育厅—思科公司产学合作协同育人项目  
（粤教高[2017]153 号）；五邑大学 2017 本科教学质量与教学改革工程建设  
项目（JX2017001）；2017 年广东省科技发展专项资金（2017A010101019，  
2017A010101034）。  
Corresponding author: LI Chengfei,  
Foundation item: supported by the First Batch of Industrial Technology  
Research and Development Funds Plan Project of Department of Science and  
Technology of Guangdong(2012B010100016), the Characteristics Innovation  
Projects of Department of Education of Guangdong (2015GXJK148,  
2015GXJK151), the Graduate Education Innovation Project of Department of  
Education of Guangdong(2015SFKC39), the Department of Education-Cisco  
Company Production and Cooperation Education Project of Guangdong (2017,  
No.153), the 2017 Undergraduate Teaching Quality and Teaching Reform Project  
Construction Project of Wuyi University(JX2017001) and the 2017 Special  
Project for Science and Technology Development of Guangdong  
(2017A010101019, 2017A010101034).  
第3 期  
·1239·  
技术的机器视觉自动检测系统在各种工业产品检测  
中得到了广泛的应用[2]。基于机器视觉的表面缺陷自  
动检测是确保自动化生产中产品质量的一个非常重  
要的环节，其广泛应用在钢带表面凹坑检测[3]、苹果  
外观缺陷在线检测[4]、金属表面划痕深度检测[5]、大尺  
寸钢球表面缺陷检测[6]、大口径精密光学元件质量检  
测[7]、油封缺陷检测[8]、铸坯表面缺陷检[9]、铁路表面  
缺陷检测[10]、轮胎表面缺陷检测[11]、瓶盖表面检测[12]  
等领域，并在多晶硅太阳能电池表面检测[13]等生产领  
域具有广阔的应用前景。表面缺陷检测的任务主要是  
检测一些可视性的表面缺陷，例如刮伤[14]、裂纹、磨  
损、变形、撞击、污点、印刷偏差等。  
测值变异程度的一个统计量[30]。当进行两个或多个资  
料变异程度的比较时，如果量度单位与平均数相同，  
可以直接利用标准差来比较。如果量度单位与平均数  
不用，比较其变异程度就不能采用标准差，而需采用  
标准差与平均数的比值来比较。变异系数可以消除量  
度单位和平均数不同对两个或多个资料变异程度比  
较的影响。  
标准差与平均数的比值成为变异系数，记为Cv，  
其计算公式如下  
σ
μ
Cv = ×100%  
(1)  
式中，σ为标准差，μ为均值。  
一般来说，变异系数越小，变异（偏离）程度越  
小，风险就越小；反之，变异（偏离）系数越大，变  
异程度越大，风险也越大。  
钢板在我国的现代工业建设中有着无可取代的  
地位，它是航空器材、船舶、铁路、汽车和机械器材  
的主要原材料，它的表面质量直接影响着这些器材的  
性能。在钢材制造过程中，钢材表面会出现划痕、擦  
伤、斑点、孔洞、气泡、裂纹、锟印和压入异物等缺  
陷[15]。这些缺陷不单对成品器材美观产品不利影响，  
还会对钢板抗腐蚀性、耐磨性和疲劳强度等性能造成  
影响，严重降低钢板质量。随着现代科技的迅猛发展，  
人们对钢材质量及美观提出了更高的要求，钢板表面  
质量成为重中之重。近年来，国内外学者对钢板表面  
缺陷检测开展了较多的研究，也提出了很多分割方法。  
图像分割的方法主要分为3 种，基于阈值的分割、基  
于边缘的分割和基于区域的分割[16-20]，其中基于阈值  
分割的方法最常用。一幅图像分割效果如何也出现了  
很多评价方法，Yasnoff[21]提出“错误分类百分比和”  
和“像素差距误差”两个测量来评价图像分割算法，  
de Solorzano 等[22]提出正确分类比例、过分割比例和  
欠分割比例3 个评价测度，马义德等[23]以交叉熵、区  
域内部均匀性、形态测度和区域对比度为指标判断分  
割质量，闵超波等[24]提出局部视觉亮度差指标作为评  
价分割效果的参数。  
1.2 方法原理  
本节将讨论利用差影图像和变异系数的快速缺  
陷检测方法。在提出的方法中，首先给出一个大小固  
定的邻域窗口，扫描整个待检测图像和模板图像相减  
得到的差影图像，计算出每一点的变异系数值，通过  
变异系数确定阈值从而实现缺陷的快速检测。其方法  
如下，假定模板图像S(m,n)，待检测样本图像为T(i,j)，  
差影图像为 I(x,y)，其中 m=1,2,…,M，n=1,2,…,N，  
i=1,2,…,I，j=1,2,…,J，x=1,2,…,X，y=1,2,…,Y，窗口大  
小为W×W，其中W=2w+1，则有  
I(x,y)= T(i,j) −S(i,j)  
(2)  
w
w
（x+i,y+ j）  
∑
∑
y=−w  
i=−w  
=
(3)  
mx,y  
W×W  
w
w
2
(I(x, y) −  
W×W  
)
∑
μ x, y  
∑
y=−w  
x=−w  
=
(4)  
(5)  
σ x,y  
σ
(x, y) = x,y ×100%  
Cv  
μx,y  
其中，I(x,y)为差影图像在点(x,y)的灰度值，  
x=1,2,…,X，y=1,2,…,Y；μx,y 为以点(x,y)为中心的大小  
为 W×W 的窗口的灰度均值；σx,y 为以点(x,y)为中心  
的大小为W×W 的窗口的灰度方差；Cv(x,y)为点(x,y)  
的变异系数。  
本文提出了一种基于机器视觉的产品表面缺陷快  
速检测方法。该方法引用变异系数的概念，通过待检测  
图像和模板图像进行差运算得到差影图像，并通过对差  
影图像计算其变异系数以确定阈值，从而实现缺陷的快  
速检测。运用差影图像定位缺陷大大减少了运算量，检  
测速度明显提高。该方法依据数字图像处理技术和统计  
由以上计算知  
N
M
C (x, y)  
∑
v
[25-29]  
∑
学习理论，具有实时、高效、可靠的特点 。  
j=1  
i=1  
=
(6)  
(7)  
μcv  
M×N  
1 基于变异系数的表面缺陷检测方法  
故取阈值  
N
M
C (x, y)  
∑
v
1.1 变异系数的概念  
∑
j=1  
i=1  
=
=
ρth μcv  
M×N  
变异系数又称“标准差率”，是衡量资料中各观  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号