基于光度立体学的金属板带表面微小缺陷在线检测方法

高品质金属板带对于表面质量的要求非常严格,不允许存在一些微小的缺陷,现有的基于机器视觉的表面在线检测系统很难检测到微小缺陷。采用光度立体学的原理,利用两幅不同光照角度的灰度图像获得表面法向的方法检测表面微小缺陷。彩色三线阵电荷耦合元件(Charge-coupled device,CCD)摄像机安装在垂直于金属板带方向上,一台红光光源和一台蓝光光源对称安装在摄像机两侧。摄像机采集到的彩色图像可分离出R、G、B通道图像,其中R、B通道图像分别为红色、蓝色光源的反射光图像。表面倾角法可通过R、B通道图像计算表面倾角分布图,并根据表面倾角分布图检测微小缺陷。通过试验验证该方法可检测直径为0.1 mm的孔洞。讨论在一套检测装置中实现微小缺陷与常规缺陷同步检测的方案。在红光、蓝光两种光源基础上增加一台绿光光源,与摄像机形成介于明暗场的照明方式,可通过摄像机分离出的G通道图像检测金属板带表面的常规缺陷。

基于光度学特征与SVM的热轧铝板表面缺陷检测

工业产品的表面缺陷对其美观度和使用性能有重要影响。为实现热轧铝合金板材表面缺陷的自动检测与分类,提出一种基于光度学特征和支持向量机分类的机器视觉检测方法。针对铝合金板材的压痕、划痕、污点、擦伤、坑蚀等5种常见缺陷,依据其光度立体学特征,设计了相应的图像处理算法。可靠地检测出了缺陷区并提取了缺陷的几何形状特征和HSV特征。将得到的特征参数作为支持向量机的输入,设计了对应的分类器。结果表明:所设计的SVM分类器可较为准确地检测出表面缺陷类型,识别正确率为96.5%。

碳纤维拉挤板材表面缺陷检测

碳纤维拉挤成型工艺是一种可以制造出高强度、高刚度、轻量化复合材料的方法。该工艺通过在高温高压下将通过模具的碳纤维和树脂复合材料拉挤成型,由于碳纤维方向的一致性,从而提高了材料的力学性能。因其需要将不同材料复合,出现的缺陷会影响材料力学性能。传统人工肉眼初筛缺陷的方法效率低、易遗漏。采用多目摄像头采集图像与模糊聚类算法处理取代人工缺陷检测。机器视觉可在生产过程中对碳纤维拉挤板材表面进行实时缺陷检测。采集图像时,应用光度立体学法采集复合板材表面图像,并通过图像灰度计算形成图像梯度矩阵。在缺陷检测过程中,先将梯度矩阵经过模糊聚类法区分正常区域与缺陷区域。再通过缺陷隶属度模型划分不同缺陷种类,最后通过模糊信息熵模型标记缺陷,完成碳纤维拉挤板材表面缺陷检测。实验结果表明,表面缺陷检测准确率达98%以上,缺陷检测准确率高,误差范围小,实现了不同缺陷种类的分类划分。在碳纤维拉挤板材生产过程中具备优异的缺陷检测性能与实用价值。

图像亮度线索下的单目深度信息提取

目的深度信息的获取是3维重建、虚拟现实等应用的关键技术,基于单目视觉的深度信息获取是非接触式3维测量技术中成本最低、也是技术难度最大的手段。传统的单目方法多基于线性透视、纹理梯度、运动视差、聚焦散焦等深度线索来对深度信息进行求取,计算量大,对相机精度要求高,应用场景受限,本文基于固定光强的点光源在场景中的移动所带来的物体表面亮度的变化,提出一种简单快捷的单目深度提取方法。方法首先根据体表面反射模型,得到光源照射下的物体表面的辐亮度,然后结合光度立体学推导物体表面辐亮度与摄像机图像亮度之间的关系,在得到此关系式后,设计实验,依据点光源移动所带来的图像亮度的变化对深度信息进行求解。结果该算法在简单场景和一些日常场景下均取得了较好的恢复效果,深度估计值与实际深度值之间的误差小于10%。结论本文方法通过光源移动带来的图像亮度变化估计深度信息,避免了复杂的相机标定过程,计算复杂度小,是一种全新的场景深度信息获取方法。