摄像机检测宽幅面产品瑕疵技术调研

摄像机检测宽幅面产品瑕疵技术调研报告目录

一、背景2

二、图像处理技术3

三、产品表面缺陷检测关键问题5

四、思路6

五、两种系统6

六、国内外公司及产品12

一、背景随着生产和工艺的发展，人们对产品的外观质量也给予了更多的关注，主要有

①以产品外观质量作为价值依附的产品，如印刷、包装、工艺品等；

②表面缺陷直接影响到产品的使用或深加工的产品，会给使用者或深加工客户带来极大的损失，如有较严重缺陷的玻璃原板不能用于制镜、汽车玻璃和液晶屏的加工这就迫使产品提供者为了能提供零缺陷的产品，在产品出厂前进行更严格的质量管理控制，保证对产品100％的完全检测从节约生产成本的角度来看，产品在线检测的质量管理方式能降低原材料消耗，减少人工成本近年来，随着全球制造业中心向中国的转移，中国成为继北美、欧洲与日本后的全球第四大、也是最具发展潜力机器视觉市场一方面国外跨国企业纷纷在国内设立工厂带来了极大的视觉系统需求；另一方面国内本土企业生产规模不断扩大对视觉系统的需求也开始凸现，以浮法玻璃为例，仅2005年一年全国就新投产27条浮法玻璃生产线目前，国内针对产品的表面缺陷尚无成熟的在线检测解决方案；国外进口的检测设备不但价格昂贵，而且使用和操作风格与国内技术人员的使用习惯均存在较大差异，不利于其大范围的推广应用目前，国内生产企业一般仍采用传统的、相对对廉价的人工检测来进行产品表面缺陷的检测传统的人工检测在实际使用中有很大局限性首先，人工检测依赖于人的主观评价，受人的心情、思维以及照明等主客观因素的影响而具有很大的不稳定性、不可靠性和非标准性，给产品的质量控制带来了很多不稳定和不可靠的因素其次，人眼无法实现产品高速生产时的在线缺陷检测，无法满足对生产质量的全过程在线实时监控的要求如在印刷生产中，通常从人眼发现缺陷到作出反应的时间内，生产线已经运行了几十米，甚至上百米，这就造成了纸张和油墨的巨大的浪费再次，传统的人眼检测方法对微小缺陷和色差不明显缺陷以及复杂图案的检测并不敏感，难以实对产品缺陷或瑕疵的完全检测如在浮法玻璃生产中，实验表明，能被人眼准确检测到的玻璃缺陷通常是大于

0.5mm且有较大光学变形的缺陷；再如先进的凹印机在高速运行时仍能控制套印误差在±

0.1mm的范围内；多色印刷的总套印精度可达±

0.1mm；联机加工时，滚筒模切机的模切套准精度可达±

0.15mm，模切/压痕精度可达±

0.10mm；而平板模切机的印刷/模切套准精度可达±

0.25mm，如此细微的差异人眼是很难分辨的从某种意义上来说，人眼检测仅仅相当于对产品进行抽检，无法实现对产品的100%检测，很难保证出厂成品的100％合格率，无法达到企业“零缺陷”的目标，不利于众多企业实施的“精益生产”因此，人眼无法连续、稳定地完成这类带有高度重复性的质量检测工作探索客观、有效、灵活、高速、可靠的质量控制方案，寻求新的产品表面缺陷检测方法来替代传统的人工检测成为许多企业迫切需要解决的问题之一近年来，随着电子技术的进步，机器视觉系统的软硬件技术都取得了飞速的发展大分辨率、高扫描速度的摄像机和具有高速传输能力的图像采集卡满足了对产品进行高速、高精度图像采集的需要；高性能的计算机等处理设备为大数据量的图像处理提供了硬件支撑；图像处理理论和算法研究的成功为视觉系统提供了敏捷的“大脑”这些理论和技术上的进步都促使机器视觉能在现代工业生产中越来越被广泛应用于产品生产过程中的质量控制与质量检测，特别是各种在线或离线的产品表面缺陷检测等

二、图像处理技术

（1）图像增强和复原用图像增强和复原去除图像噪声是提高图像质量的常用方法图像增强只突出图像中感兴趣的部分，而不考虑引起图像降质的原因图像复原则要依据图像降质的过程建立“降质模型”，再采用相应的滤波方法，恢复或重建原来的图像其典型应用，如运动模糊的消除图像复原模型主要有线性/位置不变模型、估计退化函数模型等，针对这些模型提出了许多的复原算法，如维纳滤波法、最小二乘法、最大熵恢复法、对流方程法、最大可能估计法、数学形态学滤波法、方向一距离滤波法近年来，人们又将神经网络、遗传算法等用于图像复原图像增强也相当于对图像进行滤波操作传统的空间域和频率域滤波主要是对图像进行平滑处理，主要方法有灰度修正、直方图均衡化、几何校正、图像锐化、频域增强和卡尔曼滤波等这些方法要么会将降低图像信息量，要么会使图像变模糊，损失其中的纹理特征和边缘特征近年来提出的基于小波变换的滤波可有效的避免该问题它较好地解决了频率分辨率和时间分辨率之间的矛盾研究和使用较多的小波滤波方法主要有两大类阈值萎缩法和比例萎缩法前者主要有“软阈值”法、“硬阈值”法、保留边缘信息的阈值法，VisuShrink方法和基于Bayes准则的Bayesshrink方法、基于自适应多阈值的图像滤波方法以及基于主分量的小波滤波方法等后者主要是Mihcak等人提出的LAWMLHE算法、LAWMAP算法虽然，以上提出的各种增强和复原的算法都日趋成熟，但都只能在一定程度上改善图像质量，对图像的复原效果十分有限，而且这些算法的另一个重要缺点在于计算复杂度大，特别是各种频率域的算法，很难满足高速实时检测的应用需求

（2）图像分割图像分割就是依据图像灰度值的不连续性和相似性，按照一定的规则把图像分成各具特性的区域并提取感兴趣目标的技术和过程图像分割算法通常分成三类阈值分割、边缘检测、区域提取阈值变换是图像分割中常用的方法，不但能大量压缩数据，减少存储容量，而且能大大简化其后的分析和处理它利用图像中目标与背景在灰度特性上的差异，把图像视为具有不同灰度级的两类或多类区域，选择一个或多个合适的阈值，以确定图像中的像素个数是属于目标还是背景区域阈值分割在传统的单一阈值分割算法的基础上，已经发展出诸如基于梯度的边缘强度算法、迭代阈值算法、局部多阈值分割算法，最小类间方差法、最大熵法、矩量保持法等方法，其区别在于阈值的选取方法的不同轮廓提取依赖于图像局部特性的不连续性，以图像强度的一阶导数和二阶导数为主要手段，如Robert算子、Sobel算子、Prewitt算子、Kirsch算子、Canny算子等轮廓提取一般经过滤波、增强、检测、定位的处理过程区域提取依据区域内部的均匀性，可分为合并、分裂及合并-分裂三种近年来，人们将模糊处理、数学形态学、遗传算法、神经网络、分形理论、小波技术等数学方法应用于图像分割里提出了很多新的分割方法，如基于混沌理论的图像分割和基于遗传算法的图像分割

（3）图像匹配图像匹配是计算机视觉和图像分析的一个基本问题图像匹配按所选的基元可分为基于图像灰度分布的匹配和基于图像特征的匹配前者以图像的灰度信息为基础，用灰度相关性和相似性作相关匹配判决，该类方法对景物表面结构、光照反射和成像几何十分敏感后者通过选择能表示景物自身特性的特征，通过更多强调空间景物的结构信息解决匹配的歧义性，匹配特征主要为点状特征、线状特征、角特征、区域特征和统计特征较早的算法有序贯相似性检测算法、相关系数法、最大似然估计法等、差影匹配、K—最近邻簇法随着遗传算法、神经网络、小波分析和混沌理论的发展，又出现了精度和可靠性更高的基于神经网络的匹配、基于遗传算法的图像匹配算法和基于混沌理论的图像匹配算法、基于群体的增量学习算法等目前，图像匹配的主要问题是在保证图像最优匹配精度的前提下如何大幅度降低图像匹配的计算量，这在这实时性检测和处理中尤为突出

（4）图像识别图像识别的主要任务是对预处理图像进行图像分割和特征提取，从而对目标物体的归属做出判决，属于模式识别和人工智能的范畴模式识别与人工智能研究的是如何用计算机实现人脑的功能，常见的方法有模板匹配、统计（决策论）模式识别、句法结构模式识别和神经网络模式识别人工神经网络主要模拟了人脑神经系统的工作的特点，具有自适应学习、自组织和容错力强等优点，可看作由大量相互交互的简单神经元所构成的平行计算系统一些最好的神经元网络模式是向后传播网络、高阶网络、时延和周期性网络人工神经网络方法的引入使得模式识别和计算机视觉处于一个新的迅速发展阶段人工神经网络的模型和学习算法主要有分层网络模型、前馈神经网络模型、Hopfield模型、玻耳兹曼机、模拟退火算法、联想记忆、竞争学习以及运动控制的学习模型等此外还有基于遗传算法的神经网络模型和基于混沌理论的神经网络模型其中应用最广泛的一类是前馈神经网络模型，用于前馈神经网络的最常用的学习方法是BP算法

（5）图像拼接图像拼接的核心技术实质是求解非线性最小二乘法问题，即在映射和寻优过程中找到最优解对大面积的物面进行视觉检测，由于受到CCD分辨率和现场的限制，不可能一次扫描生成满足技术要求的图像，需采用摄像头对其进行多次采集扫描生成一系列相关图像，通过图像拼接技术构建整幅表达真实物面的图像

2.1图像拼接技术流程图

三、产品表面缺陷检测关键问题计算机、摄像机等电子技术的发展大大提高机器视觉的硬件水平，而图像处理理论和算法的研究给基于机器视觉的在线检测提供了强劲的技术支持但是，在高速实时在线视觉检测中，软硬件的简单堆积并不意味着能获得期望的性能，具体表现在1多数算法的精确性是以提高计算量为代价的，其处理时间成为实时检测的瓶颈；2采用高分辨率的图像传感器虽然可提高图像测量的空间分辨率和测量精度，但却使得数据量和计算量成倍增加因此，如何在快速、稳定、准确之间取得平衡，是确保一个机器视觉系统能在工业实时检测领域成功应用的核心问题通常表面检测都具有检测幅面大而检测精度要求高的特点，如印刷幅宽在400～1000mm左右，而浮法玻璃生产线的幅宽达3000～6000mm，且通常要求能检测

0.3m以上的缺陷这就决定了必须采用多个高分辨率的摄像机协同工作才能保证对整个产品表面的全面检测基于分布式机器视觉的产品表面缺陷检测的成功应用还要解决以下主要问题庞大的数据处理量宽幅面和高精度的检测要求，尤其是彩色检测时，庞大的数据处理量是在线检测中的一个关键技术问题以印刷生产为例若平均印刷速度为200m/min，单台摄像机横向采集像素4096个，走纸方向检测分辨率为

0.3mm/pixel，则每秒需处理的数据量大于100MByte解决模式图像的快速配准的问题由于生产线上各种张力波动、噪声干扰等，通常采集的图像会出现轻微的拉伸形变，导致不同图像上像素的位置错位因此，对带有图案的模式图像进行配准是必须的处理图像配准是一个复杂度很高的问题，而且其计算量随配准图像大小的增加而急剧膨涨，如何解决快速匹配的问题是直接影响检测实时性的重要因素如何快速准确的实现缺陷分割和伪缺陷甄别通常，在采集的实时图像上都存在着复杂的背景，缺陷是被湮没在这些背景中，如何剔除背景，准确将缺陷从图像背景中分离出来是检测的前提伪缺陷出现的原因主要有两种一方面，产品图案的精细度和检测精度都非常高，而且产品的拉伸变形引起图像产生偏差，虽然经过配准但仍无法保证不同时刻的图像的完全对准，容易给检测带来伪轮廓缺陷；另一方面，现场生产环境恶劣，灰尘、蚊虫、油污等异物容易成为干扰源影响检测准确性解决缺陷特征的选取问题，并实现缺陷的分类或识别对缺陷的分类或识别是视觉系统检测功能的深化，缺陷的分类和识别能给用户提供良好的决策指导，是决定检测系统水平的一个重要指标，意义重大缺陷特征提取是缺陷分类识别的前提，只有提取了准确的具有代表性的特征才能很好的实现对缺陷的分类5如何保证图像的精确、可靠、同步采集和分布式视觉系统的数据网络传输实时性由于采用多个摄像机协同进行图像检测，必须保证每一个摄像机采集的图像的位置在行进方向都是精确同步的，否则会出现由于采集图像的错位带来的定位不准，造成对产品质量的误判分布式视觉系统以网络作为交互媒介，如何保证检测结果在网络中不发生拥塞，实时传递是保证检测系统准确性的重要任务

四、思路

①采用一个处理器配合多台摄像机的处理任务的一对多的方式；

②采用一个处理器搭配一台摄像机的一对一方式在产品表面检测中，特别是幅面比较大的印刷品和浮法玻璃检测中，一对一的单摄像机方式，其分辨率无法满足对高精度的宽幅面检测，而一对多方式的多台摄像机能满足分辨率要求，却存在需处理的数据量过大、实时性差的问题

五、两种系统系统一系统在服务器/客户端C/S模式的分布式架构的基础上设计了一种基于分布式机器视觉的系统结构以实现宽幅面产品表面缺陷的在线检测，该结构主要由一台服务器（工业用计算机）、多个图像处理子系统、信号模块（编码器）、输出单元等组成，如图

5.1所示各图像处理子系统在服务器的调度下并行完成一定区域内相对独立的检测任务为保证整个检测对象的完全检测，相邻图像处理子系统的摄像机在其视野上必须有一定重合为保证数据的可靠、实时传输，服务器和图像处理子系统之间的图像数据和检测信息的交互采用千兆以太网服务器和客户机之间以现场总线为媒介传递控制信号

5.1分布式机器视觉系统总体示意图服务器是整个检测系统的控制管理单元和人机接口，在完成检测任务调度的同时，主要用于设定检测参数，接收并在屏幕上进行实时显示客户端上传的图像数据和缺陷数据，将缺陷信息存入缺陷数据库中此外，服务器还接收编码器传来的位置检测信号，用于各图像处理子系统的同步，并且根据缺陷检测结果和位置信号，对执行机构发出动作信号，标记或剔除有缺陷的产品在各子系统处理核心（客户端计算机，简称客户端）中安装有图像采集卡，客户机接收服务器设置的检测参数，接受服务器的任务调度，控制采集卡和摄像机完成图像采集，处理和分析采集的实时图像数据，最终得到缺陷的位置与分类信息，将检测结果提供给服务器，同时保存缺陷图像并能将其送服务器作进一步处理信号模块（光电编码器）为整个基于分布式机器视觉的检测系统提供同步信号和采集触发信号，控制图像采集和输出模块的动作时刻，保证每个摄像机采集的实时图像的对应位置输出模块主要用于响应检测系统的检测结果输出图像处理子系统人类视觉功能是客观刺激与人脑神经系统的相互作用，其视觉感知过程包括感觉和知觉两部分，前者执行信息采集功能，后者实现感觉的组织、解释与获取意义等综合职能一个完整的视觉过程可描述如下光源发出的光经物体反射进入人眼；人眼将获取的物体信息送给人脑，人脑再对信息进行分析处理并根据其处理结果控制人的躯干进行动作或行为输出因此，按人的视觉过程和功能来分，人的视觉系统主要由4个部分组成光源、视觉传感器（人眼）、信息处理器（人脑）和执行模块（人的躯体）机器视觉的原始模型是人类视觉系统，其基本结构与人的视觉系统是一致的一个最简单的机器视觉系统应该包括照明模块、图像采集模块（眼睛）、图像处理模块（人脑）和输入输出模块，如图

5.2所示照明单元、采集单元和图像处理单元构成了机器视觉系统中的基本图像系统在本文提出的分布式机器视觉系统中，每个图像处理子系统分别由摄像机、采集卡、图像处理单元（即客户端）和照明单元组成，是一个相对独立的视觉检测系统（见图

5.1中的虚线框部分）图像处理子系统的结构和信息流、数据流见图

5.3照明模块

5.2视觉系统组成基本单元照明模块主要负责给图像采集提供亮度支持，并消除可能影响到图像采集质量的外来光线的影响光源的照明方式主要有两种方式前光照明和背光照明前光照明是指光源和摄像机均在采集对象的同一侧，光源发出的光线经过目标反射后进入摄像机的光源布置方式，主要用于反射率较大、透射率和吸收率较低的不透明材料的检测，如印刷品缺陷检测背光照明是指光源和摄像机分布在采集目标的两侧，光源的光线穿过目标后进入摄像机的光源布置方式，主要用于透射率较高的透明材料的检测，如浮法玻璃缺陷检测

5.3图像处理子系统结构及其信息流此外，光源必须符合产品检测所需的几何形状、照明亮度、均匀度、发光体的光谱特性等，而在选择这些参数时也需要考虑被测对象的光学特性，如反射率、透射率、折射率、颜色信息、对象的均匀度最后，还要考虑光源的发光效率和使用寿命，常见的发光体主要有白炽灯，荧光灯、高压钠灯、高压汞灯LED发光体是一种新型的低能耗具有高显色性的光源等按光源位置分有前光源、背光源、结构光源，按光源类型分有LED灯、卤素灯、荧光灯，按光源形状分线光源、面光源、环形光源灯图像采集模块图像采集模块是机器视觉系统中的感知工具，它通过实时拍摄待检测对象的图像获取被测物体信息图像采集模块主要包括光学镜头、摄像机和采集卡两部分镜头对影响成像质量几个最主要指标如下分辨率、对比度、景深及各种像差都有影响通常主要需要考虑的问题包括镜头的焦距、口径、光圈以及畸变率在高精度的视觉系统中，光学系统不仅要能消除色差、相差的影响，而且要求校正场曲和像散，这就要求光学畸变尽可能的小在选择摄像机时，主要考虑摄像机的抗饱和能力以及检测对象的检测要求（如颜色、分辨率）通常来说，对彩色类检测对象、有颜色检测要求时应该选用彩色摄像机，对颜色不敏感的检测对象应该选择黑白摄像机通常，面阵摄像机表面像元分布均匀，在采集效果上具有各向同性，能保持某一个小区域的较高分辨率要求，但受靶面大小、采集速度、数据传输速度和大面积均匀照明难以实现的限制使其在大面积检测时没有优势，而且在实现高速产品的图像采集时也存在一定的局限性线阵摄像机每采集一次只获取检测对象的一行像素，在数据传输到采集卡后，由采集卡组装成为一帧图像，具有扫描速度快、单方向分辨率高的特点，适用于对某个方向的检测分辨率特别高的情况，能够满足对幅面较大的产品进行检测，如印刷品、玻璃采集卡的主要任务是控制摄像机采集并完成图像数据像处理器的高速传输目前，采集卡不但承担着数据传输的功能，而且集成了很多的图像处理算法，极大地加大了图像处理的便利性和实时性采集卡的选择不但要考虑摄像机采集图像数据的速度和采集卡的传输速度之间的匹配，而且要考虑采集卡所承担的处理任务本文所设计的检测系统中均采用了基于基于Camlink和PCI-X接口的采集卡作为图像传输设备图像处理模块图像处理模块主要完成对图像数据的分析处理，是视觉系统的决策机构基于计算机的机器视觉系统以工业计算机作为处理核心，具有结构简单、操作方便、开发也相对较为容易、能够实现各种复杂算法、处理效率高的特点，特别对于数据量大、算法设计复杂、操作要求高的产品表面检测系统更是首选为了保证大数据量的处理和方便的算法设计，基于分布式机器视觉的产品表面缺陷在线检测系统采用高性能工业计算机作为图像处理核心系统二本检测系统是一个典型的机器视觉系统机器视觉的工作原理大都包括一下几个过程图像采集，图像预处理，特征提取，判决和控制等步骤其系统一般由照明系统，图像采集系统，图像处理和分析系统等组成根据与实际人工检测的情形对照，自动布匹检测系统的一般由如下一些部分构成照明系统，布匹传动系统，布匹图像采集系统，疵点图像检测模块，疵点图像分类模块和图像信息管理模块等其中照明系统，传动系统，和图像采集系统构成视觉采集平台，由照明设备，图像采集卡和相应的机械和传动部分组成疵点检测部分和疵点分类部分为布匹检测算法的核心模块疵点检测部分负责对采集到的布匹图像进行分析，判断布面上是否存在疵点；疵点分类部分负责对检测阶段检测出的疵点图像进行类别判定在系统运行前需要先处理布匹的标准样本无疵点样本，得到一些标准参数，为系统检测疵点做准备处理过程中所获取的疵点类型特征、数量、位置等信息被保存在一个布匹疵点信息数据库中，可供输出和查询，以便后期有关人员根据当前疵点的主要分布对布匹生产进行相应的调节这些模块将在高性能的图像工作站上工作通过对系统的分析设计，我们给出该系统的原理图，如图

5.

45.4疵点检测系统原理图由上图可见，系统硬件部分主要由图像采集系统和图像工作站组成图像采集系统图像采集系统负责为系统提供稳定清晰的布匹图像，保证图像信息不丢失和破坏，为图像工作站提供最接近实际布匹的图像数据这里所说的图像采集系统，指的是整个图像获取的系统构成部分，即布匹的机械传动部分，照明部分，线扫描CCD相机以及图像采集卡等机械传动部分完成对布匹的传动，平整，使摄像机能很好的正对布匹表面获得高质量布匹图像，减少不必要的干扰同时传动系统的速度由一个加法或加减法编码器检测，并把布匹移动速度信号传送到图像采集卡中，触发CCD相机进行线扫描很显然，编码器包括采集卡对编码器信号的处理的触发速度决定了采集的布匹图像的纵向解析度，即布匹每移动多长距离采集一次，代表图像中的一行由于布匹中某些疵点比较细微，因此要求图像分辨率在2-3pixel/mm以上，并要求采集的图像具有较高信噪比我们选择线扫描CCD摄像头，设定为高分辨率，为2048；同时摄相机的架设高度确定摄像机的视场这两个因素决定所采集图像的横向分辨率，一般可设定为2048pixel/m的高精度，以确保检测的精度照明技术的运用，对视觉检测系统尤为重要它对提高采集的图像的清晰度，减少干扰有很大作用，同时也可增强图像上的疵点特征，使疵点更加突出，有利于疵点检测精度的提高一般选用高频率无闪烁光源，对布匹进行反射或透射照明图像采集卡由自行设计，由线扫描相机控制逻辑，线扫描数据收集和保存，数据处理和传送等部分组成其中影响图像质量的主要控制因素是CCD相机曝光时间控制曝光时间决定CCD传感器的感光时间，最终影响图像的灰度一般被设定为固定值，以保证所有采集的图像灰度一致图像卡及时的收集采集的图像数据，等到形成一帧的数据后，便对图像进行预处理或及时传送图像数据到PC上，以免发生采集数据混叠，丢失图像数据图像采集部分的实时数据流大小，由图像的横向解析度，纵向解析度，以及实际布匹传动速度决定假设布匹宽2m，走布速度为2m/s，假设横向和纵向解析度均为2048pixels/m，则采集图像的数据流速度为16MB/s，数据量较大2图像工作站图像工作站接收采集系统提供的布匹图像数据，对图像进行分析，检测找出疵点，对疵点进行分类，同时布匹疵点的信息保存到数据库中，做进一步的处理图像工作站一般选用高性能高速度的工业PC机来实现，系统选用具有优越图像处理性能的Windows2000平台，以满足系统对实时性的要求系统软件模块组成系统的图像采集系统提取布匹图像后，将数据传输给图像工作站中，作进一步处理采集卡与工作站之间利用PCI总线通信，同时还要求工作站提供该的图像卡的驱动程序和函数库，使得工作站上的软件能由此实现对图像卡的控制和数据采集，进而完成疵点检测、疵点的分类、疵点信息保存等功能系统的软件构成如图

5.

55.5疵点检测系统的软件模块图像采集和控制模块虽然图像采集动作最终由数字相机和硬件采集卡完成，但要完成采集卡的控制、采集数据从相机经过采集卡上传到工作站等一系列动作，则需要工作站上相应的软件模块的支持这些模块包括采集卡的驱动程序，采集卡的应用函数库和本系统的图像采集程序图像采集卡的驱动程序完成对硬件的访问，而采集卡的应用函数库，则调用驱动程序，做更多具体的工作，最终图像采集程序利用采集卡的应用函数库来实现布匹图像的采集这三个部分是层次关系的，正如图

5.5所示疵点检测模块疵点检测模块完成对布匹图像上的疵点的检测，找出疵点并定位实际上，我们研究疵点检测算法是针对256*256的标准大小的子图像进行分析的，而最终的疵点检测程序则调用该算法进行具体的检测所以疵点检测程序首先要把采集的原始图像进行分块，然后分别对各个小块进行疵点检测检测算法选用自适应小波分解算法首先利用正常的布匹图像对算法进行训练，得到优化选择的小波和正常的布匹特征参数；然后在检测时把图像分解成4个1/4大小的LL，LH，HL，HH子图像，通过对子图像的能量分析，判断是否存在疵点本模块对实时性要求高，所以对算法的速度有很高的要求，为了提高系统的整体性能，还可以考虑使用在特殊硬件里实现疵点分类模块疵点分类模块可以认为是疵点检测的进一步深化和扩展，它完成对被检测出疵点进行分类，评分等由于布匹疵点的多样性和多变性，一般的模式分类方法不能适用目前所见文献中，布匹疵点分类过程大都采用人工神经网络ANN方法实现我们采用BP神经网络进行疵点分类首先提取一些根据分析选择特征参数，对利用某些疵点的特征进行网络训练；然后对实际布匹疵点进行特征提取作为网络输入，网络的输出得出对应的疵点类型疵点信息管理模块由疵点检测模块和分类模块可以得出疵点的位置，类型，疵点的图像等信息这些信息应及时的保存到布匹疵点信息数据库中，以免由于处理不及时而导致疵点信息的丢失系统可以根据这些疵点信息，综合判定布匹的等级，对疵点进行定位，修整等工作布匹疵点信息数据库建立在SQLServer2000数据库管理平台上，以实现疵点信息的共享，为后面的工艺流程提供信息支持

六、国内外公司及产品国内台州振皓自动化科技有限公司

6.1表面瑕疵自动化检测设备产品详情IR-Cutfilter表面缺陷自动化检测设备是基于滤光片产品的生产现状，对现有劳动力密集的人工品质检测工艺环节进行自动化改造，通过研究设计一款滤光片表面品质自动化检测和分拣设备来替代人工检测本项目研发设计内容主要由表面缺陷自动识别系统设计、物流传送系统及联动控制设计，正次品分拣机械手设计等三个部分组成通过该设备的成功实施预期能实现滤光片表面瑕疵特征的自动识别、正次品自动分拣、检测精度达到10微米、检测速度到180片/分钟的目标表面瑕疵检测设备系统性能参数1，能实现对红外截止滤光片的双面检测；2，能自动识别崩边、划伤、灰尘和点子、印子等四种表面缺陷特征；3，具备次品自动分拣功能；4，检测精度达到10μm；5，检测速度达到180片/分钟常见的玻璃材质表面瑕疵检测原理玻璃质量缺陷检测是采用先进的CCD成像技术和智能光源系统照明采用背光式照明，即在玻璃的背面放置光源，光线经待检玻璃，透射进人摄像头光线垂直入射玻璃后，当玻璃中没有杂质时，出射的方向不会发生改变，CCD摄像机的靶面探测到的光也是均匀的；当玻璃中含有杂质时，出射的光线会发生变化，CCD摄像机的靶面探测到的光也要随之改变玻璃中含有的缺陷主要分为两种一是光吸收型（如砂粒、夹锡夹杂物），光透射玻璃时，该缺陷位置的光会变弱，CCD摄像机的靶面上探测到的光比周围的光要弱；二是光透射型（如裂纹、气泡等），光线在该缺陷位置发生了折射，光的强度比周围的要大，因而CCD摄像机的靶面上探测到的光也相应增强2）无锡动视科技有限公司

6.2基本瑕疵检测模块

2.1）金属表面缺陷检测系统技术参数1，检测对象金属材料表面、铜箔、铝箔等表面检测2，生产线速度根据客户实际生产线速度3，检测幅宽根据客户实际生产线的幅宽决定4，检测内容刮伤、压伤、划痕等表面瑕疵5，发现瑕疵处理办法自动截图、报警、打标、自动记录和判别瑕疵内容、自动保存瑕疵图片信息系统特点瑕疵点图片在线显示、实时表面缺陷质量监视日本进口图像处理板卡，保证图像处理数据的稳定日本NEDCCD工业相机保证了图像拍摄的精度缺陷信息自动分类和统计，方便分类缺陷产生的原因

2.2）无纺布表面缺陷检测系统1，检测对象水刺无纺布、热合无纺布、湿法无纺布、针刺无纺布等2，主要性能

2.1典型瑕疵污点、节点、蚊虫、异物、油污、褶皱、纤维等

2.2检测宽带任何宽度

2.3检测速度最大2000m/min

2.4检测精度最大检测精度为1um

6.3金属表面缺陷检测设备3）上海智川工贸有限公司parsytec表面检测系统上海智川工贸有限公司优惠供应德国parsytec表面检测系统、parsytec缺陷识别系统、parsytec视觉系统、parsytec表面处理设备、parsytec摄像头、parsytec模拟摄像头、parsytec控头等产品parsytec表面质量检测系统可在线自动检测孔洞、折叠、夹杂、纵裂、一次压氧、二次压氧、划伤、边裂、边部夹杂等9种真实缺陷根据parsytec的检测结果及时发现热卷主要存在纵裂与压氧缺陷我公司代理销售parsytec表面检测系统、parsytec缺陷识别系统、parsytec视觉系统、parsytec表面处理设备、parsytec摄像头、parsytec模拟摄像头、parsytec控头等全系列产品德国Parsytec公司提供的Espresso2SIHTs510表面缺陷检查系统集光源组合、图像采集处理实际应用表明，Parsytec自动表面质量检查系统能够在线实时检测带钢表面缺陷并加以分类处理，同时能够对缺陷的图像、种类、数量和位置等信息进行有效的统计和存储，可以实现钢卷表面质量等级的自动判定国外在国外，基于机器视觉的金属表面瑕疵检测技术已经非常成熟，很多金属表面检测系统产品已经推入市场，其中以美、日、德等发展的最为成熟自20世纪90年代以来，国外在金属表表面检测方面投入了大量的人力物力，取得丰硕的成果在产品方面，国际上主要的金属表面检测系统专业供应商有

（1）德国的Parsytec公司，2006年其推出紧凑型的Espresso系统，从系统方面完善了检测流程，拥有强大的硬件设备，检测速度快准确率高，同时加强了网络监控远程控制，系统方案很具典型性和先进性，国内宝钢、马钢均购买了该产品

（2）美国的Cognex公司，其机器视觉系统In-Sight具有强大的工件检测、识别和引导功能，拥有卓越的算法库，可以高速读取和处理图像，集成了照明和镜头以及外部照明供电和控制功能通过EasyBuilder软件可以轻松配置In-Sight系统，通过PatMax定位工具可以高精度的定位工件位置对于光照变化、表面反射、局部封闭、制造偏差等常见的生产噪声可以有效克服

（3）德国的SEIMENSVAI，西门子公司的表面瑕疵检测系统来源于它收购奥钢联的VAI-SIAS系统VAI-SIAS使用一个高分辨率线扫描CCD，通过自制的硬件数据处理系统（FPGA板卡）和工控机实现图像处理和识别算法

（4）日本的Keyenc公司，其表面检测系统有KeyencXG-3000/5000/7000系列影像处理系统，为检测形状不规则的轮廓上的异物或毛刺，已增加多种新算法新算法还能过滤反光或其它背景干扰，从而只突出瑕疵，目前已应用到金属辊的表面瑕疵检测和螺母瑕疵的检测国外从事视觉检测系统开发的厂家还有加拿大的Dalsa公司、CorecoImaging公司、IOIndustries公司；丹麦的JAI/Pulnix公司；美国的Codex公司、Navitar公司、光学测量仪器公司（OGP）；瑞士的Photonfocus公司；日本CCS公司、Sony公司等。