工業(yè)產(chǎn)品的表面缺陷對產(chǎn)品的美觀度、舒適度和使用性能等帶來不良影響，所以生產(chǎn)企業(yè)對產(chǎn)品的表面缺陷進(jìn)行檢測以便及時發(fā)現(xiàn)并加以控制。

機(jī)器視覺的檢測方法可以很大程度上克服人工檢測方法的抽檢率低、準(zhǔn)確性不高、實時性差、效率低、勞動強(qiáng)度大等弊端，在現(xiàn)代工業(yè)中得到越來越廣泛的研究和應(yīng)用。

表面缺陷是工業(yè)產(chǎn)品生產(chǎn)中不可避免的問題，如果不及時發(fā)現(xiàn)處理，將會影響產(chǎn)品的外觀質(zhì)量及性能，導(dǎo)致企業(yè)生產(chǎn)效益下降。

現(xiàn)如今，基于機(jī)器視覺的表面檢測方法在很多現(xiàn)代化企業(yè)中得到了廣泛的應(yīng)用，在文中將分析主流機(jī)器視覺檢測方法的優(yōu)缺點，并指出現(xiàn)有機(jī)器視覺檢測技術(shù)存在的問題和對以后的發(fā)展趨勢做進(jìn)一步的展望。

各種檢查方法的比較

產(chǎn)品缺陷檢測方法可以分為三種。

第一種是人工檢測法，這種方法不僅成本高，而且在對微小缺陷進(jìn)行判別時，難以達(dá)到所需要的精度和速度，人工檢測法還存在勞動強(qiáng)度大、檢測標(biāo)準(zhǔn)一致性差等缺點。

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

第三種是機(jī)器視覺檢測法，即利用圖像處理和分析對產(chǎn)品可能存在的缺陷進(jìn)行檢測，這種方法采用非接觸的工作方式，安裝靈活，測量精度和速度都比較高。同一臺機(jī)器視覺檢測設(shè)備可以實現(xiàn)對不同產(chǎn)品的多參數(shù)檢測，為企業(yè)節(jié)約大筆設(shè)備開支。

基于機(jī)器視覺的缺陷檢測方法的比較如表1所示，包括各種方法的主流分類（檢測）模型、優(yōu)缺點對比。

問題和難點

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

1）受環(huán)境、光照、生產(chǎn)工藝和噪聲等多重因素影響，檢測系統(tǒng)的信噪比一般較低，微弱信號難以檢出或不能與噪聲有效區(qū)分。如何構(gòu)建穩(wěn)定、可靠、魯棒的檢測系統(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，是要解決的問題之一。

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

3）與機(jī)器視覺表面檢測密切相關(guān)的人工智能理論雖然得到了很大的發(fā)展，但如何模擬人類大腦的信息處理功能去構(gòu)建智能機(jī)器視覺系統(tǒng)還需要理論上的進(jìn)一步研究，如何更好的基于生物視覺認(rèn)識、指導(dǎo)機(jī)器視覺的檢測也是研究人員的難點之一。

4）從機(jī)器視覺表面檢測的準(zhǔn)確性方面來看，盡管一系列優(yōu)秀的算法不斷出現(xiàn)，但在實際應(yīng)用中準(zhǔn)確率仍然與滿足實際應(yīng)用的需求尚有一定差距，如何解決準(zhǔn)確識別與模糊特征之間、實時性與準(zhǔn)確性之間的矛盾仍然是目前的難點。

未來發(fā)展趨勢

隨著計算機(jī)技術(shù)、信息技術(shù)、電子技術(shù)、傳感器技術(shù)和仿生技術(shù)等的發(fā)展，機(jī)器視覺檢測方法也必將得到迅速的發(fā)展。

技術(shù)和市場需求等因素決定了機(jī)器視覺表面缺陷檢測的發(fā)展趨勢為：

1)MARR理論對計算機(jī)視覺發(fā)揮了巨大作用，其核心是將視覺理解為3D重建的過程。但是，從3D場景到2D圖像是一個多對一的映射，在映射的過程中損失了深度信息;灰度是對場景的惟一的測量值，諸如光照、材料特性、朝向和距離等信息都無法反映;成像中由于噪聲及環(huán)境等因素的干擾，都會使圖像產(chǎn)生失真。為此，需要研究視覺檢測新理論和新方法，如發(fā)展主動視覺、增強(qiáng)視覺系統(tǒng)的智能學(xué)習(xí)能力等。

2)從生物視覺得到啟發(fā)，吸收來自心理學(xué)、生理學(xué)等其他學(xué)科中生物視覺的最新研究成果，基于生物視覺機(jī)制為視覺檢測提供研究新思路，模仿生物視覺多尺度、層次性的視覺特點，結(jié)合視覺任務(wù)，引入先驗高級知識的指導(dǎo)，同時將機(jī)器視覺、機(jī)器聽覺、機(jī)器嗅覺、機(jī)器觸覺等多信息相互融合，突破單一視覺信息的局限性，也將成為機(jī)器視覺檢測的發(fā)展方向之一。

3)研究更具魯棒性的圖像處理和分析算法，提高圖像處理的有效性和和執(zhí)行效率，降低算法的復(fù)雜度，提高識別的準(zhǔn)確性。在在線檢測系統(tǒng)中，要特別注重實時性，視覺本身具有內(nèi)在的并行性，為此，還在要理論、算法和技術(shù)等多方面研究視覺并行計算，提高視覺計算的速度。同時，進(jìn)一步研究算法性能的評價方法，以對算法的效率和性能作了科學(xué)、準(zhǔn)確的刻畫和評價。

4)研究完整3維場景重建方法?，F(xiàn)有3維場景重建理論和算法基本都局限于對目標(biāo)“可視”部分的重構(gòu)，如果用Marr視覺計算理論來說，還主要停留在2.5維表達(dá)上，這種表達(dá)僅提供了物體可見輪廓以內(nèi)的3維信息。如何恢復(fù)物體完整表面的信息，即包括物體表面不可見部分，是一個復(fù)雜但也亟待解決的問題。

5)采用統(tǒng)一而開放的標(biāo)準(zhǔn)，構(gòu)建標(biāo)準(zhǔn)化、一體化和通用化的解決方案，標(biāo)準(zhǔn)化與個性化的進(jìn)一步統(tǒng)一，研發(fā)可靠性高、維護(hù)性好、便于不斷完善和升級換代、網(wǎng)絡(luò)化、自動化和智能化更高的機(jī)器視覺系統(tǒng)是今后的發(fā)展趨勢。