CCD表面缺陷檢測(cè)系統(tǒng)對(duì)不同產(chǎn)品的表面缺陷有著不同的定義和類型，一般而言表面缺陷是產(chǎn)品表面局部物理或化學(xué)性質(zhì)不均勻的區(qū)域，如金屬表面的劃痕、斑點(diǎn)、孔洞，紙張表面的色差、壓痕，玻璃等非金屬表面的夾雜、破損、污點(diǎn)，等等。表面缺陷不僅影響產(chǎn)品的美觀和舒適度，而且一般也會(huì)對(duì)其使用性能帶來(lái)不良影響，所以生產(chǎn)企業(yè)對(duì)產(chǎn)品的表面缺陷檢測(cè)非常重視，以便及時(shí)發(fā)現(xiàn)，從而有效控制產(chǎn)品質(zhì)量，還可以根據(jù)檢測(cè)結(jié)果分析生產(chǎn)工藝中存在的某些問(wèn)題，從而杜絕或減少缺陷品的產(chǎn)生，同時(shí)防止?jié)撛诘馁Q(mào)易糾份，維護(hù)企業(yè)榮譽(yù)。

人工檢測(cè)是產(chǎn)品表面缺陷的傳統(tǒng)檢測(cè)方法，該方法抽檢率低、準(zhǔn)確性不高、實(shí)時(shí)性差、效率低、勞動(dòng)強(qiáng)度大、受人工經(jīng)驗(yàn)和主觀因素的影響大，而基于機(jī)器視覺(jué)檢測(cè)方法可以很大程度上克服上述弊端。

美國(guó)機(jī)器人工業(yè)協(xié)會(huì)(RIA)對(duì)機(jī)器視覺(jué)下的定義為：“機(jī)器視覺(jué)檢測(cè)是通過(guò)光學(xué)的裝置和非接觸的傳感器自動(dòng)地接收和處理一個(gè)真實(shí)物體的圖像，以獲得所需信息或用于控制機(jī)器人運(yùn)動(dòng)的裝置”。

機(jī)器視覺(jué)檢測(cè)是一種無(wú)接觸、無(wú)損傷的自動(dòng)檢測(cè)技術(shù)，是實(shí)現(xiàn)設(shè)備自動(dòng)化、智能化和精密控制的有效手段，具有安全可靠、光譜響應(yīng)范圍寬、可在惡劣環(huán)境下長(zhǎng)時(shí)間工作和生產(chǎn)效率高等突出優(yōu)點(diǎn)。機(jī)器視覺(jué)檢測(cè)系統(tǒng)通過(guò)適當(dāng)?shù)墓庠春蛨D像傳感器(CCD攝像機(jī))獲取產(chǎn)品的表面圖像，利用相應(yīng)的圖像處理算法提取圖像的特征信息，然后根據(jù)特征信息進(jìn)行表面缺陷的定位、識(shí)別、分級(jí)等判別和統(tǒng)計(jì)、存儲(chǔ)、查詢等操作;

　視覺(jué)表面缺陷檢測(cè)系統(tǒng)基本組成主要包括圖像獲取模塊、圖像處理模塊、圖像分析模塊、數(shù)據(jù)管理及人機(jī)接口模塊。

圖像獲取模塊由CCD攝像機(jī)、光學(xué)鏡頭、光源及其夾持裝置等組成，其功能是完成產(chǎn)品表面圖像的采集。在光源的照明下，通過(guò)光學(xué)鏡頭將產(chǎn)品表面成像于相機(jī)傳感器上，光信號(hào)先轉(zhuǎn)換成電信號(hào)，進(jìn)而轉(zhuǎn)換成計(jì)算機(jī)能處理的數(shù)字信號(hào)。目前工業(yè)用相機(jī)主要基于CCD或CMOS(complementary metal oxide semiconductor)芯片的相機(jī)。CCD是目前機(jī)器視覺(jué)最為常用的圖像傳感器。

光源直接影響到圖像的質(zhì)量，其作用是克服環(huán)境光干擾，保證圖像的穩(wěn)定性，獲得對(duì)比度盡可能高的圖像。目前常用的光源有鹵素?zé)簟晒鉄艉桶l(fā)光二級(jí)管(LED)。LED光源以體積小、功耗低、響應(yīng)速度快、發(fā)光單色性好、可靠性高、光均勻穩(wěn)定、易集成等優(yōu)點(diǎn)獲得了廣泛的應(yīng)用。

光源構(gòu)成的照明系統(tǒng)按其照射方法可分為明場(chǎng)照明與暗場(chǎng)照明、結(jié)構(gòu)光照明與頻閃光照明。明場(chǎng)與暗場(chǎng)主要描述相機(jī)與光源的位置關(guān)系，明場(chǎng)照明指相機(jī)直接接收光源在目標(biāo)上的反射光，一般相機(jī)與光源異側(cè)分布，這種方式便于安裝;暗場(chǎng)照明指相機(jī)間接接收光源在目標(biāo)上的散射光，一般相機(jī)與光源同側(cè)分布，它的優(yōu)點(diǎn)是能獲得高對(duì)比度的圖像。結(jié)構(gòu)光照明是將光柵或線光源等投射到被測(cè)物上，根據(jù)它們產(chǎn)生的畸變，解調(diào)出被測(cè)物的3維信息。頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機(jī)拍攝要求與光源同步。

圖像處理模塊主要涉及圖像去噪、圖像增強(qiáng)與復(fù)原、缺陷的檢測(cè)和目標(biāo)分割。

由于現(xiàn)場(chǎng)環(huán)境、CCD圖像光電轉(zhuǎn)換、傳輸電路及電子元件都會(huì)使圖像產(chǎn)生噪聲，這些噪聲降低了圖像的質(zhì)量從而對(duì)圖像的處理和分析帶來(lái)不良影響，所以要對(duì)圖像進(jìn)行預(yù)處理以去噪。圖像增強(qiáng)目是針對(duì)給定圖像的應(yīng)用場(chǎng)合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來(lái)不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強(qiáng)圖像判讀和識(shí)別效果的圖像處理方法。圖像復(fù)原是通過(guò)計(jì)算機(jī)處理，對(duì)質(zhì)量下降的圖像加以重建或復(fù)原的處理過(guò)程。圖像復(fù)原很多時(shí)候采用與圖像增強(qiáng)同樣的方法，但圖像增強(qiáng)的結(jié)果還需要下一階段來(lái)驗(yàn)證;而圖像復(fù)原試圖利用退化過(guò)程的先驗(yàn)知識(shí)，來(lái)恢復(fù)已被退化圖像的本來(lái)面目，如加性噪聲的消除、運(yùn)動(dòng)模糊的復(fù)原等。圖像分割的目的是把圖像中目標(biāo)區(qū)域分割出來(lái)，以便進(jìn)行下一步的處理。

圖像分析模塊主要涉及特征提取、特征選擇和圖像識(shí)別。

特征提取的作用是從圖像像素中提取可以描述目標(biāo)特性的表達(dá)量，把不同目標(biāo)間的差異映射到低維的特征空間，從而有利于壓縮數(shù)據(jù)量、提高識(shí)別率。表面缺陷檢測(cè)通常提取的特征有紋理特征、幾何形狀特征、顏色特征、變換系數(shù)特征等，用這些多信息融合的特征向量來(lái)區(qū)可靠地區(qū)分不同類型的缺陷;這些特征之間一般存在冗余信息，即并不能保證特征集是最優(yōu)的，好的特征集應(yīng)具備簡(jiǎn)約性和魯棒性，為此，還需要進(jìn)一步從特征集中選擇更有利于分類的特征，即特征的選擇。圖像識(shí)別主要根據(jù)提取的特征集來(lái)訓(xùn)練分類器，使其對(duì)表面缺陷類型進(jìn)行正確的分類識(shí)別。

數(shù)據(jù)管理及人機(jī)接口模塊可在顯示器上立即顯示缺陷類型、位置、形狀、大小，對(duì)圖像進(jìn)行存儲(chǔ)、查詢、統(tǒng)計(jì)等。

機(jī)器視覺(jué)檢測(cè)表面缺陷檢測(cè)主要包括2維檢測(cè)和3維檢測(cè)，前者是當(dāng)前的主要表面缺陷檢測(cè)方式，也是本文的著重論述之處。

機(jī)器視覺(jué)檢測(cè)在工業(yè)檢測(cè)、包裝印刷、食品工業(yè)、航空航天、生物醫(yī)學(xué)工程、軍事科技、智能交通、文字識(shí)別等領(lǐng)域得到了廣泛的應(yīng)用。工業(yè)檢測(cè)領(lǐng)域是機(jī)器視覺(jué)應(yīng)用中比重最大的領(lǐng)域，主要用于產(chǎn)品質(zhì)量檢測(cè)、產(chǎn)品分類、產(chǎn)品包裝等，如：零件裝配完整性檢測(cè)，裝配尺寸精度檢測(cè)，位置/角度測(cè)量，零件識(shí)別，PCB板檢測(cè)，印刷品檢測(cè)，瓶蓋檢測(cè)，玻璃、煙草、棉花檢測(cè)，以及指紋、汽車牌照、人臉、條碼等識(shí)別。表面質(zhì)量檢測(cè)系統(tǒng)是工業(yè)檢測(cè)的極其重要的組成部分，機(jī)器視覺(jué)檢測(cè)表面缺陷檢測(cè)在許多行業(yè)開始應(yīng)用，涉及鋼板[2-4]、玻璃[5-6]、印刷[7-9]、電子[10]、紡織品[11]、零件[12-13]、水果[14]、木材[15-16]、瓷磚[17-19]、鋼軌[20]等多種關(guān)系國(guó)計(jì)民生的行業(yè)和產(chǎn)品。

機(jī)器視覺(jué)檢測(cè)系統(tǒng)的研究和應(yīng)用范圍涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、交通和安全等國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域，基于機(jī)器視覺(jué)檢測(cè)的產(chǎn)品表面質(zhì)量檢測(cè)在現(xiàn)代自動(dòng)化生產(chǎn)中得到了越來(lái)越多的重視和應(yīng)用。

機(jī)器視覺(jué)檢測(cè)表面缺陷檢測(cè)系統(tǒng)中，圖像處理和分析算法是重要的內(nèi)容，通常的流程包括圖像的預(yù)處理、目標(biāo)區(qū)域的分割、特征提取和選擇及缺陷的識(shí)別分類。每個(gè)處理流程都出現(xiàn)了大量的算法，這些算法各有優(yōu)缺點(diǎn)和其適應(yīng)范圍。如何提高算法的準(zhǔn)確性、執(zhí)行效率、實(shí)時(shí)性和魯棒性，一直是研究者們努力的方向。

機(jī)器視覺(jué)檢測(cè)表面檢測(cè)比較復(fù)雜，涉及眾多學(xué)科和理論，機(jī)器視覺(jué)檢測(cè)是對(duì)人類視覺(jué)的模擬，但是目前對(duì)人的視覺(jué)機(jī)制尚不清楚，盡管每一個(gè)正常人都是“視覺(jué)專家”，但難以用計(jì)算機(jī)表達(dá)自己的視覺(jué)過(guò)程，因此構(gòu)建機(jī)器視覺(jué)檢測(cè)系統(tǒng)還要進(jìn)一步通過(guò)研究生物視覺(jué)機(jī)理來(lái)完善，使檢測(cè)進(jìn)一步向自動(dòng)化和智能化方向發(fā)展。