基于機器視覺的表面缺陷檢測系統(tǒng)設計

《基于機器視覺的表面缺陷檢測系統(tǒng)設計》由會員分享，可在線閱讀，更多相關《基于機器視覺的表面缺陷檢測系統(tǒng)設計（40頁珍藏版）》請在裝配圖網(wǎng)上搜索。

. 編號 本科生畢業(yè)設計 基于機器視覺的表面缺陷檢測系統(tǒng)設計 Surface defect detection system design based on machine vision 學 生 姓 名 專 業(yè) 電子信息工程 學 號 指 導 教 師 學 院 電子信息工程學院 二〇一三年六月 畢業(yè)設計（論文）原創(chuàng)承諾書 1．本人承諾：所呈交的畢業(yè)設計（論文）《 基于機器視覺的表面缺陷檢測系統(tǒng)設計》，是認真學習理解學校的《長春理工大學本科畢業(yè)設計（論文）工作條例》后，在教師的指導下，保質保量獨立地完成了任務書中規(guī)定容，不弄虛作假，不抄襲別人的工作內容。 2．本人在畢業(yè)設計（論文）中引用他人的觀點和研究成果，均在文中加以注釋或以參考文獻形式列出，對本文的研究工作做出重要貢獻的個人和集體均已在文中注明。 3．在畢業(yè)設計（論文）中對侵犯任何方面知識產(chǎn)權的行為，由本人承擔相應的法律責任。 4．本人完全了解學校關于保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交論文和相關材料的印刷本和電子版本；同意學校保留畢業(yè)設計（論文）的復印件和電子版本，允許被查閱和借閱；學?？梢圆捎糜坝　⒖s印或其他復制手段保存畢業(yè)設計（論文），可以公布其中的全部或部分內容。 以上承諾的法律結果將完全由本人承擔！ 作 者 簽 名： 年 月 日 . 中文摘要 為了不斷提高產(chǎn)品質量和生產(chǎn)效率，金屬工件表面缺陷在線自動檢測技術在生產(chǎn)過程中顯得日益重要。針對金屬工件表面的多種缺陷，本文設計了一套基于機器視覺能夠實現(xiàn)對金屬工件表面缺陷進行實時在線、無損傷的自動檢測系統(tǒng)。該系統(tǒng)采用面陣CCD和多通道圖像采集卡作為圖像采集部分，提高了檢測系統(tǒng)的速度并降低了對CCD的性能要求，使系統(tǒng)在現(xiàn)有的條件下比較容易實現(xiàn)實時在線檢測；采用自動選取圖像分割閾值，根據(jù)實際應用的閾值把工件信息從圖像中提取出來并掃描工件圖像中的信息，實現(xiàn)了系統(tǒng)的自動測量；根據(jù)掃描得到的工件信息去除掉工件邊緣的光圈，利用自動選取的閾值對金屬工件表面的圖像進行二值化分割，從而實現(xiàn)各種缺陷的自動提取及識別。 關鍵詞：機器視覺 表面缺陷 CCD 圖像處理 缺陷檢測 Abstract In order to continually promote the quality of product and efficiency of production, the on-line automatic inspection technology of surface defect of metal workpiece has become more and more important in the process of production. This paper designs an automatic system based on machine vision, which can inspect surface defect of metal workpiece timely without any damage on it. Firstly, using CCD and multi-channel image acquisition card to acquire images, the system has accelerated the inspection speed and reduced the requirements of CCD on the performance to do the timely on-line inspection more easily under the current condition; secondly, according to the practical application of threshold, the system has used the segmentation threshold of selecting an image automatically to select the workpiece information from images and scan that information to realize the automatic measurement of the system; finally, the system has removed the aperture on the edge of workpiece in accordance with the workpiece information of scan and conducted the binarization segmentation on the image of the metal workpiece surface by using the automatic selection threshold to automatically select and identify varied defects. Keywords: machine vision; surface defect; CCD; image processing; defect inspecting 目 錄 中文摘要 I Abstract II 第1章 引言 1 1.1研究背景及意義 1 1.2國內外研究現(xiàn)狀 1 第2章 圖像技術及機器視覺簡介 3 2.1圖像處理技術 3 2.1.1圖像和數(shù)字圖像 3 2.1.2圖像技術和圖像工程 3 2.2數(shù)字圖像處理系統(tǒng) 4 2.2.1圖像處理和分析系統(tǒng) 4 2.2.2圖像采集模塊 4 2.2.3圖像的數(shù)據(jù)編碼和傳輸 5 2.3機器視覺技術 5 2.3.1機器視覺技術簡介 5 2.3.2機器視覺系統(tǒng)的概念、組成及特點 6 2.4機器視覺系統(tǒng)的應用及發(fā)展動向 7 2.4.1機器視覺檢測應用 7 2.4.2機器視覺系統(tǒng)的發(fā)展動向 7 第3章 系統(tǒng)總體設計 9 3. 1 CCD攝像頭 9 3. 2圖像采集卡 9 3.2.1視頻輸入信號及采樣頻率 10 3.2.2視頻輸入窗口和顯示窗口 10 3. 3軟件設計 10 第4章 缺陷檢測軟件設計 11 4. 1圖像實時采集模塊 11 4. 2圖像預處理模塊 11 4. 3閾值選取模塊 12 4. 4圖像測量模塊 12 4. 5缺陷檢測模塊 19 4.5.1二值圖像區(qū)域標記 21 4.5.2二值圖像的小區(qū)域消除 22 4. 6缺陷識別模塊 22 第5章 實驗結果及分析 25 5.1實驗數(shù)據(jù) 25 5.2實驗分析 26 全文總結 29 參考文獻 30 致 謝 32 第1章 引言 1.1研究背景及意義 傳統(tǒng)的產(chǎn)品表面質量檢測主要采用人工檢測的方法。人工檢測不僅工作量大，而且易受檢測人員主觀因素的影響，容易對產(chǎn)品表面缺陷造成漏檢，尤其是變形較小、畸變不大的夾雜缺陷漏檢，極大降低了產(chǎn)品的表面質量，從而不能夠保證檢測的效率與精度。近年來，迅速發(fā)展的以圖像處理技術為基礎的機器視覺技術恰恰可以解決這一問題。機器視覺主要是采用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。基于機器視覺技術的缺陷檢測系統(tǒng)，由于其非接觸檢測測量，具有較高的準確度、較寬的光譜響應范圍，可長時間穩(wěn)定工作，節(jié)省大量勞動力資源，極大地提高了工作效率?？蓪ぜ砻娴陌唿c、凹坑、劃痕、色差、缺損等缺陷進行檢測。所以，人工檢測難以達到降低消耗、提高產(chǎn)品質量的目的，采用機器視覺的表面缺陷檢測成為迫切需要。 針對這種現(xiàn)狀，課題組決定自行開發(fā)工件表面缺陷在線檢測系統(tǒng)，確保各類缺陷及時準確檢出，從根本上解決人工檢測效率低、精度低的問題，同時，還可以降低原材料消耗、能耗和人力成本，該課題還可以推廣到其他需要表面質量檢測的行業(yè)中，如印刷、包裝等行業(yè)，因此具有重要的實際應用價值和現(xiàn)實意義。 然而,本課題要對各種形狀、不同大小的金屬片在線檢測,必然對檢測方法和處理速度有很高的要求,圖像處理與模式識別領域中的許多新算法目前很難應用到實際工程項目中。因此,機器視覺技術在這類在線檢測任務中的應用,仍然是一個難題。本論文的目標就是以己有的圖像處理理論為基礎,通過大量的實際實驗,設計適合本產(chǎn)品表面缺陷檢測的算法。 1.2國內外研究現(xiàn)狀 在國外，機器視覺的應用主要體現(xiàn)在半導體及電子行業(yè)，其中大概40%-50%都集中在半導體行業(yè)。具體如PCB印刷電路：各類生產(chǎn)印刷電路板組裝技術、設備，單、雙面、多層線路板，覆銅板及所需的材料及輔料；輔助設施以及耗材、油墨、藥水藥劑、配件；電子封裝技術與設備；絲網(wǎng)印刷設備及絲網(wǎng)周邊材料等。再流焊機、波峰焊機及自動化生產(chǎn)線設備。電子生產(chǎn)加工設備：電子元件制造設備、半導體及集成電路制造設備、元器件成型設備、電子工模具。機器視覺系統(tǒng)還在質量檢測的各個方面已經(jīng)得到了廣泛的應用，并且其產(chǎn)品在應用中占據(jù)著舉足輕重的地位。除此之外，機器視覺還用于其他各個領域。 而在中國，以上行業(yè)本身就屬于新興的領域，再加之機器視覺產(chǎn)品技術的普及不夠，導致以上各行業(yè)的應用幾乎空白，即便是有，也只是低端方面的應用。目前在我國隨著配套基礎建設的完善，技術、資金的積累、各行各業(yè)對采用圖像和機器視覺技術的工業(yè)自動化、智能化需求開始廣泛出現(xiàn)，國內有關大專院校、研究所和企業(yè)近兩年在圖像和機器視覺技術領域進行了積極思索和大膽的嘗試，逐步開始了工業(yè)現(xiàn)場的應用。其主要應用于制藥、印刷、礦泉水瓶蓋檢測等領域。真正高端的應用還很少，因此，以上相關行業(yè)的應用空間還比較大。當然，其他領域如指紋檢測等等領域也有著很好的發(fā)展空間。 第2章 圖像技術及機器視覺簡介 2.1圖像處理技術 機器視覺系統(tǒng)中，視覺信息的處理技術主要依賴于圖像處理方法，它包括圖像增強、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內容。經(jīng)過這些處理后，輸出圖像的質量得到相當程度的改善，既改善了圖像的視覺效果，又便于計算機對圖像進行分析、處理和識別。 2.1.1圖像和數(shù)字圖像 從廣義上說，圖像是自然界景物的客觀反映，是人類認識世界和人類本身的重要源泉。圖像對我們并不陌生。它是用各種觀測系統(tǒng)以不同形式和手段觀測客觀世界而獲得的，可以直接或間接作用于人眼并進而產(chǎn)生視知覺的實體。人的視覺系統(tǒng)就是一個觀測系統(tǒng)，通過它得到的圖像就是客觀景物在人眼中形成的影像。圖像信息不僅包含光通量分布，而且也還包含人類視覺的主觀感受。隨著計算機技術的迅速發(fā)展，人們還可以人為地創(chuàng)造出色彩斑斕、千姿百態(tài)的各種圖像。 客觀世界在空間上是三維(3-D)的，但一般從客觀景物得到的圖像是二維(2-D)的。一幅圖像可以用一個2-D數(shù)組?（x，y）來表示，這里x和y表示2-D空間XY中一個坐標點的位置，而?代表圖像在點(x，y)的某種性質F的數(shù)值。例如常用的圖像一般是灰度圖，這時?表示灰度值，它常對應客觀景物被觀察到的亮度值。 常見圖像是連續(xù)定義的，即?、x、y的值可以是任意實數(shù)。為了能用數(shù)字計算機對圖像進行加工處理，需要把連續(xù)的圖像在坐標空間XY和性質空間F都進行離散化。這種離散化了的圖像就是數(shù)字圖像，可以用I(r，c)來表示。這里I代表離散化后的?，(r，c)代表離散化后的(x，y)，這里I、e、r的值都是整數(shù)。本文以后主要討論數(shù)字圖象，依據(jù)我們的習慣用?(x，y)代表數(shù)字圖像，?、x、y都在整數(shù)集合中取值。 2.1.2圖像技術和圖像工程 圖像技術在廣義上是各種與圖像有關的技術的總稱。目前人們主要研究的是數(shù)字圖象，主要應用的是計算機圖像技術。這包括利用計算機和其它電子設備進行和完成的一系列工作，例如圖像的采集、獲取、編碼、存儲和傳輸，圖像的合成和產(chǎn)生，圖像的顯示和輸出，圖像的變換、增強、恢復（復原）和重建，圖像的分割，目標的檢測、表達和描述，特征的提取和測量，序列圖像的校正，3-D景物的重建復原，圖像數(shù)據(jù)庫的建立、索引和抽取，圖像的分類、表示和識別，圖像模型的建立和匹配，圖像和場景的解釋和理解，以及基于它們的判斷決策和行為規(guī)劃等等。另外，圖像技術還可包括為完成上述功能而進行的硬件設計及制作等方面的技術 由于圖像技術近年來得到極大的重視和長足的進展，出現(xiàn)了許多新理論、新方法、新算法、新手段、新設備。圖像工作者普遍認為需對圖像和圖像處理技術進行綜合研究和應用，這個工作的框架就形成了圖像工程。圖像工程學科是將數(shù)學、光學等基礎科學的原理，結合在圖像應用中積累的技術經(jīng)驗而發(fā)展起來的。 圖像工程的內容非常豐富，根據(jù)抽象程度和研究方法等的不同可分為三個層次：圖象處理、圖象分析和圖像理解。圖象處理著重強調在圖像之間進行的變換。圖象分析則主要是對圖像中感興趣的目標進行檢測和測量，以獲得它們的客觀信息從而建立對圖像的描述。圖像理解的重點是在圖象分析的基礎上，進一步研究圖像中各目標的性質和它們之間的相互聯(lián)系，并得出對圖像內容含義的理解以及對原來客觀場景的解釋，從而指導和規(guī)劃行為。 由上所述，圖象處理、圖象分析和圖像理解是處在三個抽象程度和數(shù)據(jù)量各有特點的不同層次上。圖象處理是比較低層的操作，它主要在圖像像素級別上進行處理，處理的數(shù)據(jù)量非常大。圖象分析則進入了中層，分割和特征提取把原來以像素描述的圖像轉變成比較簡潔的非圖形式的描述。圖像理解主要是高層操作，基本上是對從描述抽象出來的符號進行運算，其處理過程和方法與人類的思維推理可以有許多類似之處。 2.2數(shù)字圖像處理系統(tǒng) 2.2.1圖像處理和分析系統(tǒng) 一個基本的圖像（處理和分析）系統(tǒng)構成的各模塊都有特定的功能，分別是采集、顯示、存儲、通信、處理和分析。為完成各自的功能每個模塊都需一些特定的設備。圖像采集可采用CCD的照相機、帶有視像管的視頻攝像機和掃描儀等。圖象顯示可用電視顯示器、隨機讀取陰極射線管和各種打印機等。圖像存儲可采用磁帶、磁盤、光盤和磁光盤等。圖像通信可借助綜合業(yè)務網(wǎng)、計算機局網(wǎng)，甚至普通電話網(wǎng)等。最后，圖象處理和分析主要是運算，所使用的設備主要是計算機。以下對各模塊的簡介。 2.2.2圖像采集模塊 采集數(shù)字圖象需要兩種裝置。一種是對某個電磁能量譜波段敏感的物理器件，它能產(chǎn)生與所接受到的電磁能量成正比的模擬電信號。另一種稱為數(shù)字化器，它能將上述模擬電信號轉化為數(shù)字離散的形式。下面介紹這兩種裝置的常用器件。 固態(tài)陣列是由稱為感光基元的離散硅成像元素構成的。這樣的感光基元能產(chǎn)生與所接受的輸入光強成正比的輸出電壓。固態(tài)陣列中主要元件是電荷藕合器件CCD。這個傳感器由一行感光基元，兩個定時的將感光基元中的內容傳給傳輸寄存器的傳輸門，以及一個定時的將傳輸寄存器中的內容傳給放大器的輸出門構成。放大器輸出的電壓信號與感光基元行的內容成比例。電荷藕合平面陣列的工作原理與線陣相似，但感光基元排列成一個矩陣形式并由傳輸門和平面掃描圖像顯示模塊的結果主要用于顯示給人看。對圖象分析來說，分析的結果也可以解析系統(tǒng)的主要顯示設備是電視顯示器。輸入顯示器的圖象也可以通過硬拷控制。在每個偏轉位置，電子槍束的強度的一種簡便方法是利用標準輸寄存器隔開。先將奇數(shù)列感光基元的內容順序送進垂直傳輸寄存器，然后再送進水平傳輸寄存器。把水平傳輸寄存器的內容送進放大器就得到1幀隔行的視頻信號。對偶數(shù)列感光基元重復以上過程就可得到另1幀隔行的視頻信號。將2幀合起來就得到隔行掃描電視的1場(?)?，F(xiàn)在常用的線掃描CCD一般有512到4096個象素或更多，而4096 X 4096個象素的掃描CCD也已在使用。 2.2.3圖像的數(shù)據(jù)編碼和傳輸 數(shù)字圖像的數(shù)據(jù)量是相當龐大的，一幅512 X 512個像素的數(shù)字圖像的數(shù)據(jù)量為256K字節(jié)，若假設每秒傳輸25幀圖像，則傳輸?shù)男诺浪俾蕿?2.4M比特/秒。高信道速率意味著投資高普及難度。因此，傳輸過程中，對圖像數(shù)據(jù)進行壓縮顯得非常重要。數(shù)據(jù)的壓縮主要通過圖像數(shù)據(jù)的編碼和變換壓縮完成。 圖像數(shù)據(jù)編碼一般采用預測編碼，即將圖像數(shù)據(jù)的空間變化規(guī)律和序列變化規(guī)律用一個預測公式表示，如果知道了某一像素的前面各相鄰像素值之后，可以用公式預測該像素值。采用預測編碼，一般只需傳輸圖像數(shù)據(jù)的起始值和預測誤差，因此可將8比特/像素壓縮到2比特/像素。 變換壓縮方法是將整幅圖像分成一個個小的(取8 X 8或16 X 16)數(shù)據(jù)塊，再將這些數(shù)據(jù)塊分類、變換、量化，從而構成自適應的變換壓縮系統(tǒng)。該方法可將一幅圖像的數(shù)據(jù)壓縮到為數(shù)不多的幾十個特傳輸，在接收端再變換回去即可。 對圖像的處理和分析一般可用算法的形式描述，而大多數(shù)的算法可以用軟件實現(xiàn)，只有在為了提高速度或克服通用計算機限制的情況下才用特制的硬件。進入90年代尤其是21世紀后，人們設計了各種與工業(yè)標準總線兼容的可以插入微機或工作站的圖像卡。這不僅減少了成本，也促進了圖象處理和分析專用軟件的發(fā)展。這些圖像卡包括用于圖象數(shù)字化和臨時存儲的圖像采集卡，用于以視頻速度進行算術和邏輯運算的算術邏輯單元，以及前面提到的幀緩存。圖象處理和分析中的一個重要事實是對特殊的問題需要特殊的解決方法。 2.3機器視覺技術 2.3.1機器視覺技術簡介 機器視覺是一個相當新興的研究領域。機器視覺發(fā)展到現(xiàn)在已有15年的歷史。機器視覺作為一種應用系統(tǒng)，其功能特點是隨著工業(yè)自動化的發(fā)展而逐漸完善和發(fā)展的。人們從20世紀50年代開始研究二維圖像的統(tǒng)計模式識別，60年代Roberts始進行三維機器視覺的研究，70年代中，MIT人工智能實驗室正式開設機器視覺課程，80年代開始，開始了全球性的研究熱潮，機器視覺獲得了蓬勃發(fā)展，新概念、新理論不斷涌現(xiàn)。 2.3.2機器視覺系統(tǒng)的概念、組成及特點 機器視覺是將圖像處理、計算機圖形學、模式識別、計算機技術、人工智能等眾多學科高度集成和有機結合，而形成的一門綜合性的技術。一般地說，機器視覺是研究計算機或其他處理器模擬生物宏觀視覺功能的科學和技術，也就是用機器代替人眼來做測量和判斷。 機器視覺系統(tǒng)的組成如圖2-1。有照明部分、圖像獲取部分、圖像顯示部分和圖像處理部分。一般采用CCD攝像頭攝取檢測圖像并轉化為數(shù)字信號，再對圖像數(shù)字信號進行處理，從而得到所需要的各種目標圖像特征值，并由此實現(xiàn)模式識別、坐標計算、灰度分布圖等多種功能。然后再根據(jù)其結果顯示圖像，輸出數(shù)據(jù)，發(fā)出指令，配合執(zhí)行機構完成位置調整，好壞篩選，數(shù)據(jù)統(tǒng)計等自動化流程。 成像系統(tǒng) 光源 主機 視覺系統(tǒng) 場景 圖像 描述 反饋 圖2-1 機器視覺系統(tǒng)構成 機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機器視易于實現(xiàn)信息集成，是實現(xiàn)計算機集成制造的基礎技術。因此，在現(xiàn)代自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質量控制等領域。 有不少學科的研究目標與機器視覺相近或者相關，這些學科中包括圖像處理、模式識別或圖像識別、圖像理解等。由于歷史發(fā)展或領域本身的特點，這些學科有某種程度的相互重疊。但是，機器視覺與其他學科又有著一定的區(qū)別，其特點是： 1、綜合技術 機器視覺是一項綜合技術，其中包括數(shù)字圖像處理技術、機械工程技術、控制技術、電光源照明技術、光學成像技術、傳感器技術、模擬與數(shù)字視頻技術、計算機軟硬件技術、人機接口技術等。這些技術在機器視覺中是并列關系，相互協(xié)調應用才能構成一個成功的工業(yè)機器視覺應用系統(tǒng) 2、強調工業(yè)可靠性 機器視覺強調工業(yè)現(xiàn)場環(huán)境下的可靠性，要求能夠適應工業(yè)生產(chǎn)中惡劣的環(huán)境，有較高的容錯能力和安全性，不會破壞工業(yè)產(chǎn)品。 3、強調實用性 機器視覺強調實用性，要求有合理的性價比，要有通用的工業(yè)接口，能夠由普通工作來操作，必須有較強的通用性和可移植性。 4、要求高速度和高精度 由于機器視覺通常要求高速度和高精度，數(shù)字圖像處理中的許多新算法目前還難以應用。因此，機器視覺技術在工業(yè)生產(chǎn)中的實際應用速度遠遠滯后于圖像處理理論的發(fā)展速度。 2.4機器視覺系統(tǒng)的應用及發(fā)展動向 2.4.1機器視覺檢測應用 機器視覺系統(tǒng)在高速、細微和重復的制造過程中顯得非常可靠，因此被廣泛用于加工制造企業(yè)，完成大批量生產(chǎn)過程中的重復性檢測任務。機器視覺在質量檢測方面的應用占整個工業(yè)應用的近80%，其中最大的應用行業(yè)為：汽車、制藥、電子與電氣、制造、包裝、食品、飲料等。機器視覺檢測是非接觸無損檢測，與傳統(tǒng)的檢測手段相比，它具有不可替代的優(yōu)越性，因而得到了廣泛的應用。利用線陣CCD配合包裝盒的一維運動獲取目標圖像，然后由計算機對圖像進行處理，可以檢測日期編號等信息的遺漏和正確與否；以頻閃光作為照明光源，利用面陣或者線陣CDC作為螺紋鋼外形輪廓尺寸的探測器件，實現(xiàn)熱軋螺紋鋼幾何參數(shù)在線測量；在各種產(chǎn)品表面缺陷檢測方面應用也很多。 2.4.2機器視覺系統(tǒng)的發(fā)展動向 近年來計算機視覺(即機器視覺)的發(fā)展大致表現(xiàn)在以下三個方面： 1、基于幾何方法的計算機視覺計算理論體系已臻于完整計算機視覺的研究目標之一是使機器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運動等。20世紀90年代中期以來，計算機視覺界將對應與射影幾何、仿射幾何、歐幾里得幾何的描述，系統(tǒng)地引進視覺計算方法中，比較完美地對應為視覺系統(tǒng)中對物體由粗到細的描述，在計算機視覺系統(tǒng)中降低了對攝像系統(tǒng)參數(shù)了解的要求，提高了系統(tǒng)對噪聲的魯棒性。 2、機器學習方法受到越來越多的關注模式識別的所有領域始終存在基于結構與基于統(tǒng)計的兩大分支。如果說基于幾何的計算機視覺主要通過幾何，描述物體及其運動的三維結構，屬于結構方法，已得到較系統(tǒng)的研究；而在計算機視覺中的統(tǒng)計方法除較好地用于圖像的底層處理外，一直顯得不完善更不用說系統(tǒng)化了。 3、針對眾多特定領域的應用研究不斷深入，較大規(guī)模的應用系統(tǒng)逐步走向商業(yè)化隨著當前計算機的性能價格比飛速提高，眾多特定領域的計算機實時應用系統(tǒng)的商業(yè)化已成為可能。如利用指紋、虹膜、人臉、語音等識別技術、行為識別技術與運動跟蹤技術、多攝像機融合技術構成視覺監(jiān)測系統(tǒng)，用于信息安全、智能交通、反恐防盜、身份鑒別等。 第3章 系統(tǒng)總體設計 本系統(tǒng)是由CCD攝像頭、照明系統(tǒng)、圖像采集卡、機械裝置、主控計算機等部件組成，圖3-1為系統(tǒng)結構圖。其工作過程是：首先將工件送到CCD攝像頭視場內；然后由成像系統(tǒng)和圖像采集卡將圖像采集到計算機內部；運用圖像處理技術對采集到的原始圖像進行預處理以改善圖像質量，從中提取感興趣的特征量；最后運用模式識別技術對取到得特征量進行分類整理以完成系統(tǒng)的檢測。下面分別介紹系統(tǒng)的各部分的組成及工作原理。 1 2 3 4 5 6 1、CCD攝像頭及照明系統(tǒng) 2、圖像采集卡 3、主控計算 機4、分類機構 5、工件 6、傳送裝置 圖3-1 機器視覺系統(tǒng)結構圖 3. 1 CCD攝像頭 CCD是一種半導體成像器件，具有靈敏度高、抗強光、畸變小、體積小、壽命長，抗震動等優(yōu)點。本系統(tǒng)采用的是國產(chǎn)MTV-1881EX型號的黑白攝像頭，它的工作方式是將被攝物體的圖像經(jīng)過鏡頭聚焦到CCD芯片上，CCD根據(jù)光的強弱積累相應比例的電荷，各個像素積累的電荷在視頻時序的控制下，逐點外移，經(jīng)視頻捕捉卡濾波、放大處理，A/D轉換后形成視頻信號輸出。 3. 2圖像采集卡 本系統(tǒng)采用的是大恒PCI-XR視頻捕捉卡，具有高品質的視頻采集性能，具備高速PCI總線，采集頻率為3D幀/秒，顯示畫面流暢不間斷；顯示分辨率640X480。動態(tài)捕捉影像以靜態(tài)圖像方式存盤，提供BMP，JPG，TIP，TGA等多種存盤格式。其工作原理如圖3-2所示： 復合視頻輸入4 復合視頻輸入1 復合視頻輸入2 復合視頻輸入3 多路開關 多路開關 濾波 濾波 A/D A/D 緩存 緩存 PCI 總線 VGA顯示卡 系統(tǒng)內存 圖3-2 VIDEO-PCI-XR圖像采集片工作原理 四路復合視頻輸入經(jīng)多路開關，軟件選擇其中一路作為當前輸入，輸出到A/D進行模/數(shù)變換，數(shù)字化的圖像信號經(jīng)各種圖像處理后，利用PCI總線，傳到VAG卡顯示或計算機內存存儲。由于要檢測工件的兩個表面，所以需要在硬件上使用兩路視頻輸入，每路采集不同表面的圖像。采樣頻率在一定范圍內可調，滿足不同場合的需求。 3.2.1視頻輸入信號及采樣頻率 凡符合PAL制式(625行，50場/秒)和NTSC制式(525行，60場/秒)的視頻設備輸出的圖像信號均可作為該視頻捕捉卡的輸入源。在一般情況下，攝像機、 錄像機等視頻設備均滿足上述標準。采樣頻率在一定范圍內可調，滿足不同場合的需求。 3.2.2視頻輸入窗口和顯示窗口 視頻輸入窗口是指數(shù)字化后的輸入圖像尺寸。在PAL制式，輸入窗口最大尺寸為768 X 576。在NTCS制式為64 X 480。圖像顯示窗口是指在VAG顯示器上顯示的圖像尺寸，其最大值不能超過輸入圖像窗口。當圖像顯示窗口小于視頻輸入窗口時，有兩種方法可以采用。一種方法是減少視頻輸入窗口的大小，即重新設置起始行、終止行、起始列、終止列。使視頻輸入窗口與圖像顯示窗口相匹配。處理后的結果顯示的僅是全部輸入圖像的一個局部，這種方法稱為裁剪。另一種方法是采用對視頻輸入窗口采用抽點和抽行的方法減少其大小，即根據(jù)視頻輸入窗口和圖像顯示窗口的相對大小設置縮小比例系數(shù)，處理后的結果顯示的是縮小的全部輸入圖像，這種方法稱為比例縮小。也可以將兩種方法結合起來，達到所需要的結果。 3. 3軟件設計 本課題中的圖像處理算法均采用Matlab程序語言實現(xiàn)模擬，Matlab提供一個高度集成的、集科學計算、程序設計和可視化歸于一身的。 為了設計出實用有效的軟件，必須按照軟件工程的理論，進行充分的分階段的分析和設計。采用模塊化結構設計，其特點為： 1)可修改性。對模塊內部的修改，對模塊外部沒有影響；增加或刪除幾個模塊，不影響整個程序； 2)可讀性。每個模塊意義和職責明確，模塊間的接口關系清楚，便于用戶和設計人員進行系統(tǒng)代碼的維護； 3)驗證性。獨立于其它模塊，可單獨驗證一個模塊的正確性，便于進行調試。采用模塊化原理使軟件結構清晰，容易閱讀理解和維護。本系統(tǒng)中，按照算法要求設計了各子程序。 第4章 缺陷檢測軟件設計 由于本系統(tǒng)是一個完整、實時的缺陷檢測系統(tǒng)，需要系統(tǒng)從原始圖像采集到圖像預處理、閾值選取、分割，再到模式識別，最后到缺陷種類分選整套過程有一個全面、整體的設計。系統(tǒng)主要有以下幾個模塊：圖像實時采集模塊、圖像預處理模塊、閾值選取模塊、圖像測量模塊、缺陷檢測模塊、缺陷識別模塊，其過程如圖4-1所示。 圖像實時采集模塊 缺陷識別模塊 圖像預處理模塊 缺陷檢測模塊 閾值選取模塊 圖像測量模塊 圖4-1 缺陷檢測過程 4. 1圖像實時采集模塊 為了準確、及時獲得圖像的當前狀態(tài)，需要不斷地通過圖像采集卡將CCD攝像系統(tǒng)的圖像信息直接讀取到計算機內存，在計算機內存中進行其他的后續(xù)處理，如：圖像濾波、圖像測量、缺陷檢測等等。 4. 2圖像預處理模塊 為去掉噪聲對圖像的于擾，要將剛采集的圖像數(shù)據(jù)進行預處理，如：去除孤立點、平滑、濾波等；同時，還要對圖像進行灰度調整，增加對比度，為后續(xù)的圖像處理工作做準備，如圖4-2所示。 圖4-2 原始圖像及灰度調整后圖像 經(jīng)過預處理后，圖像的對比度增加，拉伸了圖像灰度，表現(xiàn)在灰度直方圖上就是峰與峰之間的距離加大，便于選取分割閾值及后續(xù)圖像分割，如圖4-3所示。 0 50 100 150 200 250 直方圖 直方圖 像素值 3000 2500 2000 1500 1000 500 0 0 50 100 150 200 250 像素值 3000 2500 2000 1500 1000 500 0 圖4-3 灰度調整前及灰度調整后圖像直方圖 4. 3閾值選取模塊 閾值的選取對于分割圖像、提取缺陷信息至關重要，其方法也很多，本系統(tǒng)采取利用圖像的灰度直方圖來選取閾值，如圖4-4所示。 灰度值 直方圖 0 50 100 150 200 250 0 50 100 150 200 250 直方圖 像素值 6000 5000 4000 3000 2000 1000 0 像素值 6000 5000 4000 3000 2000 1000 0 灰度值 圖4-4 濾波前及濾波后的灰度直方圖 4. 4圖像測量模塊 （1）工件尺寸和位置測量 根據(jù)閾值選取模塊所計算的閾值分割圖像，將圖像二值化處理，便于圖像整體信息的掃描，如圖4-5所示。 圖4-5 圖像位置信息掃描 圖4-6 掃描示意圖 由圖4-6所示，可列： 那么，可得到工件的圓心坐標，其曲線分別如圖5-7所示。 0 100 200 300 400 500 600 700 800 圖像寬（Y） 圖像數(shù)據(jù) 圖像高（X） 600 500 400 300 200 100 0 0 100 200 300 400 500 600 700 800 圖像數(shù)據(jù) 圖像寬（Y） 圖像高（X） 600 500 400 300 200 100 0 圖4-7 x坐標數(shù)據(jù)曲線和y坐標數(shù)據(jù)曲線 由于在實際圖像中存在噪聲或者其他干擾，圖像的背景并不是理想的那種單純灰度級，所以在對整幅圖像進行逐個像素掃描時，所檢測到的圖像信息也會存在干擾信息，即存在粗大誤差，在圖4-7中可以比較直觀地顯現(xiàn)。一旦發(fā)現(xiàn)含有粗大誤差的測量值，應將其從測量結果中剔出。設被測量的真值為，一系列測得值為，則測量列中的隨機誤差為 式中 正態(tài)分布的分布密度為： 式中 —— 標準差（或均方根誤差）； -1 -0.5 0 0.5 1 2.5 2 1.5 1 0.5 0 -0.5 —— 自然對數(shù)的底，值為2.7182…。 圖4-8 隨機誤差分布曲線 由此可知：值愈小，則的指數(shù)的絕對值愈大，因而減小得愈快，即曲線變陡。而值愈小，在前面的系數(shù)值變大，即對應于誤差為零（=0）的縱坐標也大，曲線變高。反之，愈大，減小愈慢，曲線平坦，同時對應于誤差為零的縱坐標也小，曲線變低。圖4-8中三個測量列所得的分布曲線不同，其標準差也不相同，且。 在等精度測量列中，單次測量的標準差按下式計算： 式中 —— 測量次數(shù)(應充分大)； —— 測得值與被測量的真值之差； —— 測得值； —— 測得值的殘余誤差(簡稱殘差)； —— 測得值的平均值。 為了把掃描到的粗大誤差去除掉，采用3準則來判斷每個檢測數(shù)據(jù)是否是存在誤差。即 >3 0 100 200 300 400 500 600 700 800 圖像數(shù)據(jù) 圖像寬（X） 圖像高（Y） 600 500 400 300 200 100 0 圖像寬（X） 0 100 200 300 400 500 600 700 800 圖像數(shù)據(jù) 圖像高（Y） 600 500 400 300 200 100 0 若滿足上式，應于剔出。下面圖4-9是經(jīng)過剔出粗大誤差之后工件圓心的x坐標和y坐標的曲線圖，可以明顯地看出經(jīng)過處理的數(shù)據(jù)已經(jīng)比較統(tǒng)一。 圖4-9 經(jīng)過剔出誤差后的x坐標數(shù)據(jù)曲線和y坐標數(shù)據(jù)曲線 圖4-10 半徑計算 由圓心坐標，再結合去除粗大誤差后掃描數(shù)據(jù)就可以計算工件的半徑大小， 如圖4-10所示、 在x方向上 其中，為圖像的高度，為的個數(shù)； 在方向上 圖像高 0 100 200 300 400 500 600 700 800 X方向計算的半徑大小 半徑大小 600 500 400 300 200 100 0 圖像高 0 100 200 300 400 500 600 700 800 Y方向計算的半徑大小 半徑大小 600 500 400 300 200 100 0 其中，為圖像的寬度，為的個數(shù)。 圖4-11 x方向和y方向上的半徑數(shù)據(jù)曲線 圖4-11中的數(shù)據(jù)曲線就是x方向和y方向的上的半徑數(shù)據(jù)線，兩個方向上的半徑大小基本一致，如果有一定的相差，需要及時調整攝像頭，使攝像角度垂直工件表面。 （2）圓環(huán)和圓片的判斷 圖像寬（X） 0 100 200 300 400 500 600 700 800 經(jīng)過圓心掃描的原始圖像數(shù)據(jù) 灰度值 300 250 200 150 100 50 0 圖像寬（X） 0 100 200 300 400 500 600 700 800 經(jīng)過閾值分割之后 灰度值 600 500 400 300 200 100 0 在確定工件的圓心位置和半徑大小后，就需要判斷該工件時圓環(huán)還是圓片。圓環(huán)和圓片的區(qū)別就是：圓環(huán)的中心是空心，也是就說所采集工件圖像的中心數(shù)據(jù)為背景信息；而圓片的中心為實心，所采集工件圖像的中心數(shù)據(jù)為工件表面信息。 圖4-12 圓環(huán) 圖像寬（X） 0 100 200 300 400 500 600 700 800 經(jīng)過圓心掃描的原始圖像數(shù)據(jù) 灰度值 300 250 200 150 100 50 0 圖像寬（X） 0 100 200 300 400 500 600 700 800 經(jīng)過閾值分割之后 灰度值 600 500 400 300 200 100 0 圖4-13 圓片 圖4-12是圓環(huán)形工件經(jīng)過圓心水平掃描的原始圖像數(shù)據(jù)和閾值分割后的圖像數(shù)據(jù)；圖4-13是圓片形工件經(jīng)過圓心水平掃描的原始圖像數(shù)據(jù)和閾值分割后的圖像數(shù)據(jù)。從圖4-12和圖4-1可以看出，如果所檢測的工件是圓環(huán)形，則在圓心左右會有明顯的間斷；如果是圓片形，則在圓心左右沒有明顯的間斷。如圖4-14所示，具體檢測過程如下： 圖4-14 掃描示意圖 首先，如圖4-14所示，以工件圓心為極坐標系原點隨著極半徑和極角從小到大逐個掃描每個像素點，極半徑的范圍是從到工件的外徑，極角的范圍是從到；掃描時，由于圖像相當于一個矩陣，需要將極坐標系轉化為直角坐標系，其轉換公式為 在轉化到圖像矩陣中，為 其中，和分別是工件圓心的橫坐標和縱坐標。 其次，當逐個掃描每個像素遇到灰度突變時，記錄極半徑產(chǎn)的大小和極角的角度： 按弧度計算的內圓半徑大小 0 20 40 60 80 100 弧度 按弧度計算的內圓半徑大小 半徑大小 200 180 160 140 120 100 80 60 40 20 0 弧度 0 20 40 60 80 100 半徑大小 200 180 160 140 120 100 80 60 40 20 0 圖4-15 去除誤差前、后內徑數(shù)據(jù)曲線 最后，掃描完畢，得到的其數(shù)據(jù)曲線如圖4-15左圖所示；將掃描到的數(shù)據(jù)進行處理，去除偏差比較大的數(shù)據(jù)，其數(shù)據(jù)曲線如圖4-15右圖所示；計算出圓環(huán)的內徑大小。 （3）光圈計算 圖4-16 去除光圈 在檢測過程中，由于工件的邊緣反射，一部分光源的光進入攝像系統(tǒng)，形成光圈，如4-16所示，影響了檢測圖像。為了在實際應用中得到比較理想的圖像數(shù)據(jù)，而且又有利于后續(xù)的圖像處理，必須把光圈去掉。 圖4-17 光圈掃描示意圖 其掃描過程如下： 首先，如圖4-17所示，以工件圓心為極坐標系原點隨著極半徑和極角從小到大逐個掃描每個像素點，極半徑的范圍是從內徑到工件的外徑，極角的范圍是從到掃描時，由于圖像相當于一個矩陣，需要將極坐標系轉化為直角坐標系，其轉換公式為 在轉化到圖像矩陣中，為 其中，和分別是工件圓心的橫坐標和縱坐標。 根據(jù)圓環(huán)和圓片的判斷結果來確定是掃描圓環(huán)還是圓片，如果是圓環(huán)就要從小于工件內環(huán)半徑的區(qū)域開始掃描，一直掃描到工件外徑外的區(qū)域；如果是圓片，就以根據(jù)該工件的外徑大小，只從外徑內的區(qū)域掃描到外徑外的區(qū)域，根據(jù)所檢測的工件形狀適當減小運算量，提高圖像的處理速度。 其次，當逐個掃描每個像素遇到第一次灰度突變時，記錄下極半徑的大小和極角的角度；當遇到第二次灰度突變時，記錄下極半徑的大小和極角的角度；當遇到第三次灰度突變時，記錄下極半徑的大小和極角的角度；當遇到第四次灰度突時，記錄下極半徑的大小和極角的角度；當，極半徑的大小增大到所檢測工件的外徑大小時，停止該角度方向的繼續(xù)掃描。由此，可得到此角度方向上的內光圈和外光圈的寬度為： 如果所檢測的工件為圓片，遇到第二次灰度突變之后，當極半徑的大小增大到所檢測工件的外徑大小時，停止該灰度方向的繼續(xù)掃描二可得到此角度方向上的內光圈和外光圈的寬度為： 另外，由于在同一個方向，即。掃描內外光圈所得數(shù)據(jù)曲線如圖4-18所示。 0 100 200 300 400 500 600 極坐標半徑 灰度值 600 500 400 300 200 100 0 圖4-18 工件內光圈和外光圈寬度掃描曲線 檢測圖像經(jīng)過圖像預處理、去除光圈，選取合適的閾值對所得到的圖像數(shù)據(jù)進行分割，再通過膨脹和腐蝕，就可以把圖像的缺陷信息提取出來，如圖4-19所示。只有把圖像的缺陷信息提取出來之后，我們才能對缺陷信息進行測量和形態(tài)識別。 圖4-19 閾值分割及反色后圖像 4. 5缺陷檢測模塊 對缺陷進行檢測，首先必須確定經(jīng)過處里后的圖像是否有缺陷，如果沒有， 則工件無缺陷。如果有缺陷，則缺陷是否是獨立的缺陷，圖像中有幾個缺陷，需 要對不同的缺陷進行標識。 設有一幅已經(jīng)分割出的二值圖像，如圖4-20所示，圖中A代表缺陷，0代表背景，規(guī)定用4連通準則加標記。由于掃描有一定的次序，對任一點來說，當前點的左前一點和上一點必然是已經(jīng)掃描過了的點，在掃描過程中遇到缺陷上一點P，則其上點及左點必然是已經(jīng)標記過了的點，對P點加標記的方法是由左點及上點來確定的，主要有下面幾種不同的情況，如下所示。 (a)當左前一點和上一點皆為背景0，則P點加新標記； (b)當左前一點和上一點有一個為0，另一個為已加標記，則點P和已加標記的鄰點加上相同的標記； (c)當左前一點和上一點兩個鄰點皆為已加標記，則P點標記與左點標記相同。 圖4-20 原圖像 根據(jù)上面的三原則，在第一次掃描后所有的缺陷上皆已加標記，如圖4-21所示，標記以此為1，2，3，4，，這是圖像中的同一缺陷可能有幾種不同的標記，因此需要第二次掃描，來把同一缺陷上的標記統(tǒng)一起來，只要是4連通的都屬于同一缺陷，其標記都應該為一致，如圖4-22所示。 圖4-21 圖像掃描示意圖 圖4-22 圖像標記示意圖 4.5.1二值圖像區(qū)域標記 在二值圖像中，相互連接的白像素或黑像素的集合成為一個區(qū)域，通過對圖像內每個區(qū)域進行標記操作，求得區(qū)域的數(shù)目。由于處理前的圖像是二值的，像素值只有0和1，所以處理后每個像素的值即為其所處理區(qū)域的區(qū)域標號(1，2，3，…，)。連接性8連通，如圖4-23所示，圖中有A、B、C三個不連通的缺陷。 圖4-23 缺陷標識 經(jīng)過處理過程后，就可以得到標記后的缺陷圖像，如圖4-24所示。 圖4-24 缺陷標識 4.5.2二值圖像的小區(qū)域消除 通過對圖像內每個標記操作的區(qū)域進行計算，求得總區(qū)域的數(shù)目，同時求得每個區(qū)域的像素個數(shù)。當二值圖像的某區(qū)域面積(像素數(shù))在閾值以下時則消去該區(qū)域，全部置為0，由此得到新圖像，如圖4-25。 圖4-25 去除小面積區(qū)域 4. 6缺陷識別模塊 經(jīng)過以上處理，從原始圖像中提取出了含有缺陷的圖像信息，得到了目標缺陷。為了把各種不同類型的目標缺陷分類，需要識別出它們之間的不同。根據(jù)缺陷的形狀信息，可以用一組描述特征來表示其特性。選擇區(qū)域描述特征，不但可以減少在區(qū)域中原始數(shù)據(jù)的數(shù)量，而且也有利于區(qū)別帶有不同特性的區(qū)域。同時，這些描述特征對于目標缺陷大小的變化、旋轉、平移是不變的。 缺陷圖像 掉角 其他缺陷 掉角或麻坑 刀紋、裂紋或劃痕 掉角 麻坑 刀紋 裂紋或劃痕 圖4-26 工件表面缺陷分類二義樹表示 鑒于工件表面缺陷圖像不同特征之間有一定的相關性，為降低識別算法的復雜性，特征識別時采用階層識別的方法。利用二叉樹線性分類器，如圖4-26所示，逐層選用不同的描述特征，選擇描述特征的準則是同種特征值相差最明顯的，保證描述特征具有較大相互獨立性。描述特征的分類閾值由實驗分析和特征分析結果得到，具體過程如下所述。 圖4-27 圓度判斷 （1）圓度判斷 圓度判斷主要是針對掉角的缺陷，根據(jù)工件的特性，如圖4-27所示，我們采取的方法：首先遍歷圓周，因為背景的灰度值是很低的，可以比較容易將工件和背景分割開，提取出工件的外形；然后計算圓周上各點到圓心的距離，并和半徑比較，如果比半徑小于某一個設定值時，認為該點不在圓周上，如果這樣的點連續(xù)而它們個數(shù)超過掉角缺陷的設定值時，可以認為這個工件是不圓的。如圖4-28所示，半徑的值并不是一條直線，而是一條曲線，甚至有些地方有凹溝，這表明工件本身不圓。我們可以利用這個數(shù)據(jù)曲線可以計算最小半徑、掉角方向和掉角角度。 0 20 40 60 80 100 圓度判斷 弧度X100+1 0 20 40 60 80 100 工件外圓 200 180 160 140 120 100 80 60 40 20 0 弧度X100+1 圓度判斷 工件外圓 200 180 160 140 120 100 80 60 40 20 0 圖4-28 掃描工件外圓所得的數(shù)據(jù) 經(jīng)過運算，可以得到如表4-1數(shù)據(jù)，根據(jù)圓度技術要求，設定合適缺陷閾值，可以把圓度上有缺陷的工件在識別其他種類缺陷之前剔出來。 表4-1圓度判斷數(shù)據(jù) （2）識別麻坑和掉角 麻坑和掉角區(qū)別就是麻坑在工件表面的內部，而掉角在工件表面的邊緣。利用不變矩，就可以計算出缺陷區(qū)域的形心坐標，判斷缺陷區(qū)域是否在工件圖像的邊緣，如果在邊緣，則可以確定是掉角；否則，是麻坑。 （3）識別刀紋、裂紋和劃痕 刀紋一般寬度和長度較大，而且面積也大，不變矩長短徑之比要比裂紋和劃痕小，同時，缺陷區(qū)域的分散度和復雜度較大，綜合利用這幾點就可以確定刀紋。至于裂紋和劃痕，在缺陷區(qū)域本身的形狀上很難區(qū)分。 第5章 實驗結果及分析 5.1實驗數(shù)據(jù) 一、將企業(yè)提供的各種缺陷的合格限度樣品按已經(jīng)完成的程序進行檢測獲得其缺陷的特征參數(shù)面積值、周長值，單位為：像素個數(shù)。數(shù)據(jù)見表5-1和表5-2。 進行合格限度樣品檢測的目的是為了確定區(qū)分工件合格與否的標準，即周長和面積兩個特征的數(shù)據(jù)，以便將各種缺陷的面積和周長與之對比，從而確定判斷的依據(jù)。 表5-1選取表面鍍層為鎳、工件規(guī)格為：的圓環(huán)形工件的掉角、麻坑、劃痕及刀痕等四種缺陷的合格限度樣品各10個。只要檢測到有裂紋缺陷，則判定為不合格品。 表5-1合格限度樣品表面的缺陷數(shù)據(jù)(單位：像素) 序號 掉角 劃痕 刀痕 麻坑 面積 周長 面積 周長 面積 周長 面積 周長 1 35 17 33 18 73 21 22 12 2 27 16 26 12 155 49 17 9 3 18 10 17 13 161 46 13 7 4 16 7 10 10 134 35 25 12 5 15 9 38 17 92 27 7 7 6 20 11 41 21 185 51 10 6 7 26 15 35 18 216 59 18 10 8 23 13 54 26 278 84 32 15 9 30 13 44 20 327 83 31 14 10 13 8 50 31 384 98 16 9 表5-2選取表面鍍層為鋅、工件規(guī)格為：的圓環(huán)形工件的掉角、麻坑、劃痕及刀痕等四種缺陷的合格限度樣品各10個。同樣只要有缺陷就判定為不合格。 表5-2合格限度樣品表面的缺陷數(shù)據(jù)(單位：像素) 序號 掉角 劃痕 刀痕 麻坑 面積 周長 面積 周長 面積 周長 面積 周長 1 19 8 41 19 173 47 13 7 2 27 16 36 20 277 74 21 11 3 24 13 48 21 213 52 26 12 4 33 17 57 33 138 41 19 10 5 25 11 29 13 196