基于机器视觉的表面缺陷定量检测技术研究

摘要

近年来随着机器视觉和图像处理技术的发展，国内外学者对表面缺陷检测工作展开了广泛的研究，对表面缺陷的检测和识别水平不断提高。然而目前表面缺陷检测系统的主要功能是对表面缺陷进行识别或分类，如何准确有效的实现表面缺陷的定量检测仍是一个值得深入研究的问题。本文在现有的表面缺陷检测系统的基础上对缺陷的定量检测技术进行研究。主要包括:
　　针对光学元件表面缺陷尺寸标定过程中，由于尺寸较小的标准缺陷在检测系统中存在衍射增宽的现象，导致像素尺寸对应到实际尺寸时存在非线性段而无法用最小二乘准确评价的问题，提出采用最小二乘支持向量机建立回归模型的方法来提高缺陷尺寸标定的精度。采用网格搜素和交叉验证法得到模型最优参数，相比传统拟合方法基于最小二乘支持向量机的模型能够将拟合绝对误差控制在0.4μm以内，相对误差由80％减小到17％。利用实际缺陷数据对两种模型预测能力进行评估，实验表明最小二乘支持向量机模型针对尺寸较小缺陷的预测误差是最小二乘模型的一半，最小二乘支持向量机模型的预测能力比最小二乘模型更强。基于最小二乘支持向量机建模的方法能够提高标准缺陷的拟合精度，同时也能提高系统的定量检测精度。
　　针对两种常见玻璃表面缺陷孔崩和孔倒缺陷，提出结合基于霍夫变换的直线和圆检测原理以及图像配准和差分的方法对缺陷进行快速提取。利用改进的像素距离算法提取待检测孔崩图像的直线与圆弧标准边缘，重构与其对应的自匹配基准模板，该方法对细小的孔崩缺陷也能实现精确提取;通过多幅无孔倒缺陷图像相互配准叠加的方法，建立固定的基准图像实现对孔倒缺陷的快速定位与定量评价。实验中将检测到的缺陷大小与光学显微镜检测结果对比，孔崩缺陷的检测误差在10μm以内，孔倒缺陷的检测误差在30μm以内，检测结果符合检测误差控制在20μm～30μm的系统检测要求。并在检测结果基础上给出了两种缺陷等级判据。

目录

声明

致谢

摘要

图目录

表目录

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 机器视觉在表面缺陷检测中的应用

1．2．2 光学元件表面缺陷检测方法研究现状

1．2．3 表面缺陷定量检测技术研究现状

1．3 本文主要研究内容

1．4 本章小结

2 光学元件表面缺陷定量检测原理及标定方案

2．1 光学散射暗场成像检测原理

2．2 光学元件表面缺陷尺寸标定方案

2．2．1 图像滤波

2．2．2 阈值分割

2．2．3 几何特征提取

2．2．4 像素尺寸到实际尺寸模型建立

2．3 本章小结

3 基于最小二乘支持向量机的回归模型建立

3．1 最小二乘支持向量机回归原理

3．2 最小二乘支持向量机建模参数选择

3．3 LSSVM回归模型建立及其性能分析

3．4 本章小结

4 常见玻璃表面缺陷定量检测方法

4．1 玻璃表面缺陷分析及定量检测方法

4．1．1 常见玻璃表面缺陷特征分析及检测要求

4．1．2 玻璃表面缺陷定量检测方法介绍

4．2 霍夫变换直线和圆检测原理

4．2．1 直线检测原理

4．2．2 基于图像梯度的圆检测原理

4．3 孔崩检测原理

4．3．1 修正的圆弧和直线边缘检测

4．3．2 自匹配基准图像的重构

4．4 孔倒检测原理

4．4．1 基准图像的建立

4．4．2 待测图像的缺陷判定评价

4．5 本章小结

5 实验结果与分析

5．1 LSSvM与LS模型预测误差比较分析

5．2 玻璃表面缺陷检测结果及分析

5．2．1 孔崩缺陷定量检测分析

5．2．2 孔倒缺陷定量检测分析

5．3 本章小结

6 总结和展望

6．1 工作总结

6．2 展望

参考文献

作者简历及主要研究成果