工业应用中基于视觉的缺陷检测和分类方法

  本文综述了适用于金属、陶瓷和纺织品等各种材料的自动化视觉缺陷检测方法。在本文的第一部分中,我们对不同的缺陷进行了分类,这些缺陷分为两类:可见的(例如划痕、形状错误等)。和触觉(例如,裂纹、撞击等)缺陷。然后,我们描述了人工视觉处理技术,目的是以数学/逻辑的方式理解捕捉到的场景。我们继续对基于统计、结构和其他方法的纹理缺陷检测进行调查。我们报告了通过监督和非监督分类器和深度学习来实现缺陷检测和分类的研究现状。

  视觉缺陷检测分类

  缺陷检测和分类是需要作为人工视觉领域有的问题来处理的两个问题。数字图像处理问题主要来源于研究人员试图用人工技术模拟或替代人类视觉和决策方法的特定条件。模仿人类视觉的一般目的是识别和分类一个主题:这两个目标总是严格地结合在一起。有关人工视觉处理的文献通常分为视觉处理算法和分类器两大类,前者是人类视觉的再现,后者是人类决策技术的重构。在本文中,我们讨论了这两种类型,但是,我们没有总结所有的视觉处理方法,而是侧重于与视觉处理方法密切相关的具体解决方案,特别是工业应用中金属、陶瓷或纺织品表面的视觉检测技术。

  工业质量控制检测

  质量控制是工业生产线的关键环节。目前有几种方法用于评估一个产品的质量或一个过程的结果。根据用于识别表面/体积上的缺陷的方法,质量控制策略可分为破坏性或非破坏性,无损检测(NDT)的目的是监测一个部件,以检测缺陷,而不从它中提取样本,或损坏它。NDT主要应用于航空领域,主要有:目测法、染料渗透法、射线照相法、超声波检测法、涡流法、热像法等。

  常见的工业缺陷检测

  其中,基于视觉的缺陷检测方法是工业中较常见的缺陷检测方法之一。然而,传统的视觉检查是一个不可测量的过程,其结果是可变的和主观的.由于任何具体问题的复杂性和独一性,这促使研究人员开发出新的、要求很高的缺陷自动检测系统。然而,这种系统取决于所监测的表面的材料特性和环境条件。事实上,在工业应用中,由于工作区域尘土飞扬或产生共鸣,环境使任何执行工作复杂化。

  缺陷的描述和分类是一系列主观决策的过程。缺陷的主要属性取决于检测过程的目标精度和分辨率,因为缺陷的大小可能因工业应用的不同而不同。在设计和实施自动化系统之前,建议在各工业质量控制应用中建立产品质量标准。