中国是一个造作大国，每天都要出产大量的工业产品。用户和出产企业对产品质量的要求越来越高，除要求满足使用机能表，还要有优良的表观，即优良的表表质量。但是，在造作产品的过程中，表表缺点的产生往往是不成预防的。
人为检测是产品表表缺点的传统检测步骤，该步骤抽检率低、正确性不高、实时性差、效能低、劳动强度大、受人为经验和主观成分的影响大，而基于机械视觉的检测步骤能够很大水平上克服上述短处。
美国机械人为业协会(RIA)对机械视觉下的界说为：“机械视觉是通过光学的装置和非接触的传感器自动地接管和处置一个真实物体的图像，以获得所需信息或用于节造机械人运动的装置”。
机械视觉检测系统通过适当的光源和图像传感器(CCD摄像机)获取产品的表表图像，利用相应的图像处置算法提取图像的特点信息，而后凭据特点信息进行表表缺点的定位、鉴别、分级等判断和统计、存储、查问等操作。
视觉表表缺点检测系统根基组成重要蕴含图像获取？椤⑼枷翊χ媚？椤⑼枷穹治瞿？椤⑹葜卫砑叭嘶涌谀？。
图像获取？
图像获取？橛蒀CD摄像机、光学镜头、光源及其夹持装置等组成，其职能是实现产品表表图像的采集。在光源的照明下，通过光学镜头将产品表表成像于相机传感器上，光信号先转换成电信号，进而转换成推算机能处置的数字信号。
图像处置？
图像处置？橹匾婕巴枷袢ピ搿⑼枷窦忧坑敫丛⑷钡愕募觳夂椭副暝赘。
由于现场环境、CCD图像光电转换、传输电路及电子元件城市使图像产生噪声，这些噪声降低了图像的质量从而对图像的处置和分析带来不良影响，所以要对图像进行预处置以去噪。
图像加强目是针对给定图像的利用场所，有主张地强调图像的整体或部门个性，将原来不清澈的图像变得清澈或强调某些感兴致的特点，扩大图像中分歧物体特点之间的差距，抑造不感兴致的特点，使之改善图像质量、丰硕信息量，加强图像判读和鉴别成效的图像处置步骤。
图像复原是通过推算机处置，对证量降落的图像加以沉建或复原的处置过程。图像复原好多时辰选取与图像加强同样的步骤，但图像加强的了局还必要下一阶段来验证;而图像复原试牟利用退化过程的先验知识，来复原已被退化图像的正本面目，如加性噪声的解除、运动吞吐的复原等。
图像宰割的主张是把图像中指标区域宰割出来，以便进行下一步的处置。
图像分析？橹匾婕疤氐闾崛 ⑻氐阊≡窈屯枷窦。
特点提取的作用是从图像像素中提取能够描述指标个性的表白量，把分歧指标间的差距映射到低维的特点空间，从而有利于压缩数据量、提高鉴别率。
表表缺点检测通常提取的特点有纹理特点、几何状态特点、色彩特点、变换系数特点等，用这些多信息融合的特点向量来靠得住地域分分歧类型的缺点;这些特点之间通常存在冗余信息，即并不能保障特点集是最优的，好的特点集应具备简约性和鲁棒性，为此，还必要进一步从特点集当选择更有利于分类的特点，即特点的选择。
图像鉴别重要凭据提取的特点集来训练分类器，使其对表表缺点类型进行正确的分类鉴别。
产品缺点检测
产品缺点检测步骤能够分为三种。
第一种是人为检测法，这种步骤不仅成本高，并且在对微幼缺点进行判断时，难以达到所必要的精度和速度，人为检测法还存在劳动强度大、检测尺度一致性差等弊端。
第二种是机械装置接触检测法，这种步骤固然在质量上能满足出产的必要，但存在检测设备价值高、矫捷性差、速度慢等弊端。
第三种是机械视觉检测法，即利用图像处置和分析对产品可能存在的缺点进行检测，这种步骤选取非接触的工作方式，装置矫捷，丈量精度和速度都比力高。统一台机械视觉检测设备能够实现对分歧产品的多参数检测，为企业节约大笔设备开支。
差值检测缺点
待检测物品的缺点表此刻图像上，即为缺点处的灰度值与尺度图像的差距。将缺点图像的灰度值同尺度图像进行比力，判断其差值(两幅图灰度值的差距水平)是否超出预先设定的阈值领域，就能判断出待测物品有无缺点。
表表缺点类型
在现实利用中，分歧产品对缺点的界说也不一样。通常来说，产品表表缺点分为结构缺点、几何缺点和色彩缺点等几种类型。
常见的工件齐全性检测属于结构缺点检测，尺寸规格检测属于几何缺点检测，而印刷品质量检测中常必要进行色彩缺点检测。
问题和难点
基于机械视觉的表表缺点检测将是未来钻研和发展的重要方向，目前，基于机械视觉的表表缺点检测理论钻研和现实利用等环节均有可喜的成就，但仍存鄙人面重要的问题和难点：
1、受环境、光照、出产工艺和噪声等多沉成分影响，检测系统的信噪比通常较低，幽微信号难以检出或不能与噪声有效分辨。若何构建不变、靠得住、鲁棒的检测系统，以适应光照变动、噪声以及其他表界不良环境的滋扰，是要解决的问题之一。
2、 由于检测对象多样、表表缺点种类繁多、状态多样、复杂布景，对于多多缺点类型产生的机理以及其表在阐发大局之间的关系尚不明确，以至对缺点的描述不充分，缺点的特点提取有效性不高，缺点指标宰割难题;同时，很难找到“尺度”图像作为参照，这给缺点的检测和分类带来难题，造成鉴别率尚有待提高。
3、机械视觉表表缺点检测，出格是在线检测，其特点是数据量重大、冗余信息多、特点空间维度高，同时思考到真正的机械视觉面对的对象和问题的多样性，从海量数据中提取有限缺点信息的算法能力不及，实时性不高。
4、与机械视觉表表检测亲昵有关的人为智能理论固然得到了很大的发展，但若何模仿人类大脑的信息处置职能去构建智能机械视觉系统还必要理论上的进一步钻研，若何更好的基于生物视觉意识、领导机械视觉的检测也是钻研人员的难点之一。
5、从机械视觉表表检测的正确性方面来看，只管一系列优良的算法不休出现，但在现实利用中正确率依然与满足现实利用的需要尚有肯定差距，若何解决正确鉴别与吞吐特点之间、实时性与正确性之间的矛盾依然是目前的难点。
发展趋向
随着推算机技术、信息技术、电子技术、传感器技术和仿生技术等的发展，机械视觉检测步骤也必将得到迅速的发展。技术和市场需要等成分决定了机械视觉表表缺点检测的发展趋向为：
1、MARR理论对推算机视觉阐扬了巨大作用，其主题是将视觉理解为3D沉建的过程。但是，从3D场景到2D图像是一个多对一的映射，在映射的过程中损失了深度信息;灰度是对场景的惟一的丈量值，诸如光照、资料个性、朝向和距离等信息都无法反映;成像中由于噪声及环境等成分的滋扰，城市使图像产生失真。为此，必要钻研视觉检测新理论和新步骤，如发展自动视觉、加强视觉系统的智能进建能力等。
2、从生物视感触到启发，吸收来自生理学、生理学等其他学科中生物视觉的最新钻研成就，基于生物视觉机造为视觉检测提供钻研新思路，模仿生物视觉多尺度、档次性的视觉特点，结合视觉工作，引入先验高级知识的领导，同时将机械视觉、机械听觉、机械嗅觉、机械触觉等多信息相互融合，突破单一视觉信息的局限性，也将成为机械视觉检测的发展方向之一。
3、钻研更具鲁棒性的图像处置和分析算法，提高图像处置的有效性和和执行效能，降低算法的复杂度，提高识此外正确性。在在线检测系统中，要出格注沉实时性，视觉自身拥有内涵的并行性，为此，还在要理论、算法和技术等多方面钻研视觉并行推算，提高视觉推算的速度。同时，进一步钻研算法机能的评价步骤，以对算法的效能和机能作了科学、正确的刻画和评价。
4、钻研齐全3维场景沉建步骤。现有3维场景沉建理论和算法根基都局限于对指标“可视”部门的沉构，若是用Marr视觉推算理论来说，还重要停顿在2.5维表白上，这种表白仅提供了物体可见概括以内的3维信息。若何复原物体齐全表表的信息，即蕴含物体表表不私见部门，是一个复杂但也亟待解决的问题。
5、选取统一而盛开的尺度，构建尺度化、一体化和通用化的解决规划，尺度化与个性化的进一步统一，研发靠得住性高、守护性好、便于不休美满和升级换代、网络化、自动化和智能化更高的机械视觉系统是今后的发展趋向。
总结
机械视觉系统的钻研和利用领域涵盖了工业、农业、医药、军事、交通和安全等国民经济的各个领域，基于机械视觉的产品表表质量检测在现代自动化出产中得到了越来越多的器沉和利用。
机械视觉表表缺点检测系统中，图像处置和分析算法是沉要的内容，通常的流程蕴含图像的预处置、指标区域的宰割、特点提取和选择及缺点的鉴别分类。每个处置流程都出现了大量的算法，这些算法各有优弊端和其适应领域。若何提高算法的正确性、执行效能、实时性和鲁棒性，一向是钻研者们致力的方向。
机械视觉表表检测比力复杂，涉及多多学科和理论，机械视觉是对人类视觉的模仿，但是目前对人的视觉机造尚不明显，只管每一个正常人都是“视觉专家”，但难以用推算机表白自己的视觉过程，因而构建机械视觉检测系统还要进一步通过钻研生物视觉机理来美满，使检测进一步向自动化和智能化方向发展。
人为检测是产品表表缺点的传统检测步骤，该步骤抽检率低、正确性不高、实时性差、效能低、劳动强度大、受人为经验和主观成分的影响大，而基于机械视觉的检测步骤能够很大水平上克服上述短处。
美国机械人为业协会(RIA)对机械视觉下的界说为：“机械视觉是通过光学的装置和非接触的传感器自动地接管和处置一个真实物体的图像，以获得所需信息或用于节造机械人运动的装置”。
机械视觉检测系统通过适当的光源和图像传感器(CCD摄像机)获取产品的表表图像，利用相应的图像处置算法提取图像的特点信息，而后凭据特点信息进行表表缺点的定位、鉴别、分级等判断和统计、存储、查问等操作。
视觉表表缺点检测系统根基组成重要蕴含图像获取？椤⑼枷翊χ媚？椤⑼枷穹治瞿？椤⑹葜卫砑叭嘶涌谀？。
图像获取？
图像获取？橛蒀CD摄像机、光学镜头、光源及其夹持装置等组成，其职能是实现产品表表图像的采集。在光源的照明下，通过光学镜头将产品表表成像于相机传感器上，光信号先转换成电信号，进而转换成推算机能处置的数字信号。
图像处置？
图像处置？橹匾婕巴枷袢ピ搿⑼枷窦忧坑敫丛⑷钡愕募觳夂椭副暝赘。
由于现场环境、CCD图像光电转换、传输电路及电子元件城市使图像产生噪声，这些噪声降低了图像的质量从而对图像的处置和分析带来不良影响，所以要对图像进行预处置以去噪。
图像加强目是针对给定图像的利用场所，有主张地强调图像的整体或部门个性，将原来不清澈的图像变得清澈或强调某些感兴致的特点，扩大图像中分歧物体特点之间的差距，抑造不感兴致的特点，使之改善图像质量、丰硕信息量，加强图像判读和鉴别成效的图像处置步骤。
图像复原是通过推算机处置，对证量降落的图像加以沉建或复原的处置过程。图像复原好多时辰选取与图像加强同样的步骤，但图像加强的了局还必要下一阶段来验证;而图像复原试牟利用退化过程的先验知识，来复原已被退化图像的正本面目，如加性噪声的解除、运动吞吐的复原等。
图像宰割的主张是把图像中指标区域宰割出来，以便进行下一步的处置。
图像分析？橹匾婕疤氐闾崛 ⑻氐阊≡窈屯枷窦。
特点提取的作用是从图像像素中提取能够描述指标个性的表白量，把分歧指标间的差距映射到低维的特点空间，从而有利于压缩数据量、提高鉴别率。
表表缺点检测通常提取的特点有纹理特点、几何状态特点、色彩特点、变换系数特点等，用这些多信息融合的特点向量来靠得住地域分分歧类型的缺点;这些特点之间通常存在冗余信息，即并不能保障特点集是最优的，好的特点集应具备简约性和鲁棒性，为此，还必要进一步从特点集当选择更有利于分类的特点，即特点的选择。
图像鉴别重要凭据提取的特点集来训练分类器，使其对表表缺点类型进行正确的分类鉴别。
产品缺点检测
产品缺点检测步骤能够分为三种。
第一种是人为检测法，这种步骤不仅成本高，并且在对微幼缺点进行判断时，难以达到所必要的精度和速度，人为检测法还存在劳动强度大、检测尺度一致性差等弊端。
第二种是机械装置接触检测法，这种步骤固然在质量上能满足出产的必要，但存在检测设备价值高、矫捷性差、速度慢等弊端。
第三种是机械视觉检测法，即利用图像处置和分析对产品可能存在的缺点进行检测，这种步骤选取非接触的工作方式，装置矫捷，丈量精度和速度都比力高。统一台机械视觉检测设备能够实现对分歧产品的多参数检测，为企业节约大笔设备开支。
差值检测缺点
待检测物品的缺点表此刻图像上，即为缺点处的灰度值与尺度图像的差距。将缺点图像的灰度值同尺度图像进行比力，判断其差值(两幅图灰度值的差距水平)是否超出预先设定的阈值领域，就能判断出待测物品有无缺点。
表表缺点类型
在现实利用中，分歧产品对缺点的界说也不一样。通常来说，产品表表缺点分为结构缺点、几何缺点和色彩缺点等几种类型。
常见的工件齐全性检测属于结构缺点检测，尺寸规格检测属于几何缺点检测，而印刷品质量检测中常必要进行色彩缺点检测。
问题和难点
基于机械视觉的表表缺点检测将是未来钻研和发展的重要方向，目前，基于机械视觉的表表缺点检测理论钻研和现实利用等环节均有可喜的成就，但仍存鄙人面重要的问题和难点：
1、受环境、光照、出产工艺和噪声等多沉成分影响，检测系统的信噪比通常较低，幽微信号难以检出或不能与噪声有效分辨。若何构建不变、靠得住、鲁棒的检测系统，以适应光照变动、噪声以及其他表界不良环境的滋扰，是要解决的问题之一。
2、 由于检测对象多样、表表缺点种类繁多、状态多样、复杂布景，对于多多缺点类型产生的机理以及其表在阐发大局之间的关系尚不明确，以至对缺点的描述不充分，缺点的特点提取有效性不高，缺点指标宰割难题;同时，很难找到“尺度”图像作为参照，这给缺点的检测和分类带来难题，造成鉴别率尚有待提高。
3、机械视觉表表缺点检测，出格是在线检测，其特点是数据量重大、冗余信息多、特点空间维度高，同时思考到真正的机械视觉面对的对象和问题的多样性，从海量数据中提取有限缺点信息的算法能力不及，实时性不高。
4、与机械视觉表表检测亲昵有关的人为智能理论固然得到了很大的发展，但若何模仿人类大脑的信息处置职能去构建智能机械视觉系统还必要理论上的进一步钻研，若何更好的基于生物视觉意识、领导机械视觉的检测也是钻研人员的难点之一。
5、从机械视觉表表检测的正确性方面来看，只管一系列优良的算法不休出现，但在现实利用中正确率依然与满足现实利用的需要尚有肯定差距，若何解决正确鉴别与吞吐特点之间、实时性与正确性之间的矛盾依然是目前的难点。
发展趋向
随着推算机技术、信息技术、电子技术、传感器技术和仿生技术等的发展，机械视觉检测步骤也必将得到迅速的发展。技术和市场需要等成分决定了机械视觉表表缺点检测的发展趋向为：
1、MARR理论对推算机视觉阐扬了巨大作用，其主题是将视觉理解为3D沉建的过程。但是，从3D场景到2D图像是一个多对一的映射，在映射的过程中损失了深度信息;灰度是对场景的惟一的丈量值，诸如光照、资料个性、朝向和距离等信息都无法反映;成像中由于噪声及环境等成分的滋扰，城市使图像产生失真。为此，必要钻研视觉检测新理论和新步骤，如发展自动视觉、加强视觉系统的智能进建能力等。
2、从生物视感触到启发，吸收来自生理学、生理学等其他学科中生物视觉的最新钻研成就，基于生物视觉机造为视觉检测提供钻研新思路，模仿生物视觉多尺度、档次性的视觉特点，结合视觉工作，引入先验高级知识的领导，同时将机械视觉、机械听觉、机械嗅觉、机械触觉等多信息相互融合，突破单一视觉信息的局限性，也将成为机械视觉检测的发展方向之一。
3、钻研更具鲁棒性的图像处置和分析算法，提高图像处置的有效性和和执行效能，降低算法的复杂度，提高识此外正确性。在在线检测系统中，要出格注沉实时性，视觉自身拥有内涵的并行性，为此，还在要理论、算法和技术等多方面钻研视觉并行推算，提高视觉推算的速度。同时，进一步钻研算法机能的评价步骤，以对算法的效能和机能作了科学、正确的刻画和评价。
4、钻研齐全3维场景沉建步骤。现有3维场景沉建理论和算法根基都局限于对指标“可视”部门的沉构，若是用Marr视觉推算理论来说，还重要停顿在2.5维表白上，这种表白仅提供了物体可见概括以内的3维信息。若何复原物体齐全表表的信息，即蕴含物体表表不私见部门，是一个复杂但也亟待解决的问题。
5、选取统一而盛开的尺度，构建尺度化、一体化和通用化的解决规划，尺度化与个性化的进一步统一，研发靠得住性高、守护性好、便于不休美满和升级换代、网络化、自动化和智能化更高的机械视觉系统是今后的发展趋向。
总结
机械视觉系统的钻研和利用领域涵盖了工业、农业、医药、军事、交通和安全等国民经济的各个领域，基于机械视觉的产品表表质量检测在现代自动化出产中得到了越来越多的器沉和利用。
机械视觉表表缺点检测系统中，图像处置和分析算法是沉要的内容，通常的流程蕴含图像的预处置、指标区域的宰割、特点提取和选择及缺点的鉴别分类。每个处置流程都出现了大量的算法，这些算法各有优弊端和其适应领域。若何提高算法的正确性、执行效能、实时性和鲁棒性，一向是钻研者们致力的方向。
机械视觉表表检测比力复杂，涉及多多学科和理论，机械视觉是对人类视觉的模仿，但是目前对人的视觉机造尚不明显，只管每一个正常人都是“视觉专家”，但难以用推算机表白自己的视觉过程，因而构建机械视觉检测系统还要进一步通过钻研生物视觉机理来美满，使检测进一步向自动化和智能化方向发展。
