隨著新一代信息技術(shù)與制造業(yè)的深入融合，引發(fā)制造業(yè)產(chǎn)生巨大變革，逐步從數(shù)量擴(kuò)增向質(zhì)量提升轉(zhuǎn)變。通過(guò)提升產(chǎn)品質(zhì)量來(lái)生產(chǎn)高附加值、高利潤(rùn)的產(chǎn)品，可以實(shí)現(xiàn)產(chǎn)品競(jìng)爭(zhēng)力的躍升，所以，加強(qiáng)品質(zhì)檢驗(yàn)是制造業(yè)生產(chǎn)中最常用的方式。

影響產(chǎn)品品質(zhì)的因素多種多樣，例如外觀品質(zhì)、功能品質(zhì)、性能品質(zhì)等。用戶和生產(chǎn)企業(yè)對(duì)產(chǎn)品質(zhì)量的要求越來(lái)越高，除了較高的功能品質(zhì)和性能品質(zhì)之外，對(duì)外觀品質(zhì)的要求也在逐年提高，即良好的表面質(zhì)量。

然而，即便是嚴(yán)格把控制造的每一道流程，生產(chǎn)良品率也無(wú)法達(dá)到100%，這意味著總會(huì)有不合格品被生產(chǎn)出來(lái)。

而表面缺陷檢測(cè)便是阻止不合格品流入市場(chǎng)的“門神”。

1

產(chǎn)品表面缺陷檢測(cè)

作為生產(chǎn)制造過(guò)程中必不可少的一步，表面缺陷檢測(cè)廣泛應(yīng)用于各工業(yè)領(lǐng)域，包括3C、半導(dǎo)體及電子、汽車、化工、醫(yī)藥、輕工、軍工等行業(yè)，催生了眾多上下游企業(yè)。

自20世紀(jì)開始，表面缺陷檢測(cè)大致經(jīng)歷了三個(gè)階段，分別是人工目視法檢測(cè)法、機(jī)械裝置接觸檢測(cè)法以及機(jī)器視覺檢測(cè)法。

第一種是人工目視法檢測(cè)法。制造企業(yè)招聘大量的質(zhì)檢工人，采取流水線的形式進(jìn)行檢測(cè)。然而，隨著人口紅利的消失，以及工作枯燥、自由度低、薪酬較少，愿意從事質(zhì)檢的越來(lái)越少，用工難問(wèn)題愈發(fā)凸顯，這種方法不僅成本高，而且在對(duì)微小缺陷進(jìn)行判別時(shí)，難以達(dá)到所需要的精度和速度，人工檢測(cè)法還存在勞動(dòng)強(qiáng)度大、檢測(cè)標(biāo)準(zhǔn)一致性差等缺點(diǎn)。

第二種是機(jī)械裝置接觸檢測(cè)法。這種方法雖然在質(zhì)量上能滿足生產(chǎn)的需要，但存在檢測(cè)設(shè)備價(jià)格高、靈活性差、速度慢等缺點(diǎn)。

第三種是機(jī)器視覺檢測(cè)法。為了在不斷變化和競(jìng)爭(zhēng)愈發(fā)激烈的市場(chǎng)中占據(jù)優(yōu)勢(shì)，企業(yè)既要不斷提高產(chǎn)品質(zhì)量標(biāo)準(zhǔn)以滿足客戶需求，又要不斷提升生產(chǎn)線的效率以適應(yīng)市場(chǎng)的快節(jié)奏。采用自動(dòng)化、智能化的表面缺陷檢測(cè)方法是兼顧質(zhì)量與效率的重要手段。

即利用圖像處理和分析對(duì)產(chǎn)品可能存在的缺陷進(jìn)行檢測(cè)，這種方法采用非接觸的工作方式，安裝靈活，測(cè)量精度和速度都比較高，同一臺(tái)機(jī)器視覺檢測(cè)設(shè)備可以實(shí)現(xiàn)對(duì)不同產(chǎn)品的多參數(shù)檢測(cè)，為企業(yè)節(jié)約大筆設(shè)備開支。

2

表面缺陷檢測(cè)存在的問(wèn)題

基于機(jī)器視覺的表面缺陷檢測(cè)將是未來(lái)研究和發(fā)展的主要方向，目前，基于機(jī)器視覺的表面缺陷檢測(cè)理論研究和實(shí)際應(yīng)用等環(huán)節(jié)均有可喜的成果，但仍存在下面主要的問(wèn)題和難點(diǎn)：

不同缺陷的種類復(fù)雜

類間差異大，工業(yè)品的外觀缺陷復(fù)雜多樣，不同類別的缺陷之間形態(tài)特征可能差異極大，這種差異導(dǎo)致檢測(cè)算法的普適性不強(qiáng)，許多缺陷需單獨(dú)開發(fā)檢測(cè)算法，開發(fā)復(fù)雜度極高。

類間模糊性大，類間模糊是類間差異大的另一極端，即不同類別的缺陷的表觀特征具有一定的相似性，難以區(qū)分缺陷的種類，也就無(wú)法準(zhǔn)確判斷缺陷產(chǎn)生的原因，無(wú)法給產(chǎn)品準(zhǔn)確定級(jí)。

背景復(fù)雜，在生產(chǎn)場(chǎng)景中難以將缺陷和背景完全分離，缺陷特征不明顯。

同類缺陷的差異較大

如下圖中的鐵軌表面缺陷和帶鋼表面缺陷，由于生產(chǎn)過(guò)程中光照條件、生產(chǎn)批次不同、設(shè)備狀態(tài)等因素的影響，同類缺陷的大小、對(duì)比度和灰度值等表觀特征呈現(xiàn)較大的變化，缺陷特征并不服從同一分布。

受干擾因素較多

受環(huán)境、光照、生產(chǎn)工藝和噪聲等多重因素影響，檢測(cè)系統(tǒng)的信噪比一般較低，微弱信號(hào)難以檢出或不能與噪聲有效區(qū)分。

以基于機(jī)器視覺技術(shù)的檢測(cè)系統(tǒng)為例，工件位置的一致性、打光的穩(wěn)定性、相機(jī)及鏡頭的匹配度、檢測(cè)算法的有效性等都會(huì)直接影響圖像采集的質(zhì)量和檢測(cè)系統(tǒng)的應(yīng)用性能，這需要機(jī)器、電氣、視覺、傳感等多套系統(tǒng)的配合。

僅最基礎(chǔ)的打光就存在諸多難點(diǎn)，如哪些場(chǎng)景需要漫射光、散射光、直接照射、低角度照射或背光照射，如何在球面、弧面、內(nèi)腔等不可展曲面的打光等等。

如何構(gòu)建穩(wěn)定、可靠、魯棒的檢測(cè)系統(tǒng)，以適應(yīng)光照變化、噪聲以及其他外界不良環(huán)境的干擾，是要解決的問(wèn)題之一。

算法能力不足

機(jī)器視覺表面缺陷檢測(cè)，特別是在線檢測(cè)，其特點(diǎn)是數(shù)據(jù)量龐大、冗余信息多、特征空間維度高，同時(shí)考慮到真正的機(jī)器視覺面對(duì)的對(duì)象和問(wèn)題的多樣性，從海量數(shù)據(jù)中提取有限缺陷信息的算法能力不足，實(shí)時(shí)性不高。

盡管一系列優(yōu)秀的算法不斷出現(xiàn)，但在實(shí)際應(yīng)用中準(zhǔn)確率仍然與滿足實(shí)際應(yīng)用的需求尚有一定差距，如何解決準(zhǔn)確識(shí)別與模糊特征之間、實(shí)時(shí)性與準(zhǔn)確性之間的矛盾仍然是目前的難點(diǎn)。