金属零件表面缺陷检测系统中的机器视觉应用分析

符林芳

（西安职业技术学院，陕西西安710032）

受技术工艺水平的影响，加之人工操作规范性较差，将会使得金属表面出现不同层次的缺陷现象，这也是造成后续重大安全事故的主要原因。在此背景下，金属零件表面缺陷的检测技术成为控制产品质量的重要途径，在过去的很长一段时间，在进行金属零件表面缺陷检测时往往存在失误率高、效率低等问题。得益于工业自动化水平的进步，机器视觉检测系统逐步成熟，具有效率高、精准性好等优点，是一种可以取代人工检测的良好方式。

1 金属零件表面缺陷分类及检测技术

1.1 金属零件表面缺陷分类

从生产角度考虑，金属零件的制造工艺极为复杂，其对精度指标提出了较高的要求，在生产环节极容易出现表面缺陷，最为常见的有刮擦或是划伤等，具体如图1所示。

图1 金属件表面缺陷分类

1.2 表面缺陷检测方法

在制造业持续升级的背景下，对金属件表面质量提出了较高的要求，行业内也出现了多种检测方法，具体分析如下：

（1）人眼检测。具有很强的灵活性，但效率低，同时存在精准性差的问题。

（2）涡流检测。在检测过程中不会对测量件造成影响，但受钢板孔洞断面闭环特性的影响，检测精度相对较差。

（3）漏磁检测。适用于铁磁性零件，准确率高，但整体结构复杂，加大了制造难度。

（4）超声波检测。具有完全非接触的优点，基于远程操控的方式便可进行检测，更适用于微裂纹产品。

（5）红外检测。具有较高的精测精度，不易受到光照的影响，但随着生产车间环境的改变，检测精度将受到影响。

（6）机器视觉检测。采用的是非接触测量的方式，可操作性强，具有典型的信息集成化特性，可以为计算机集成制造提供强大的技术支持；但对程序的依赖性强且需要在适宜的光照强度下进行。

2 视觉检测系统基本组成

从构成角度考虑，视觉检测系统由硬件与软件组成。对于软件层面而言，一方面需要含有图像处理与分析功能，另一方面则应提供便捷化的操作界面，可以满足多功能扩展需求。

在整个机器视觉表面质量检测过程中，所需采集的图像数据体量极为庞大，因此必须要提升图像处理速度，这是提升检测效率的关键途径。具体来说，可以对图像处理算法进行优化，使其具有高效、简便的特性，主要操作有如下几方面：

（1）计算机网络并行处理。采用的是多客户机与服务器相组合的形式，实现了图像传感器与客户机之间的一一对应，在服务器的作用下可以完成信息合成工作，之后的图像处理则交由软件完成。尽管此结构较大，但具有便携的维护特性。

（2）数字信号处理器（DSP）。作为一种极为重要的微处理器，DSP 依托于数字信号对被检测件的信息进行分析。具体内容有：DSP 首先会接收到模拟信号，随后对其进行转换并形成0或1格式的数字信号，在此基础上展开修改、删除等处理；此外，还具有对其他芯片数字数据的解译功能，进而得到相对应的模拟数据，DSP所带来的实时运行速率已经大幅超越了普通微处理器。但需要注意的是，DSP依然局限于串行指令执行系统层面，且在硬件优化使用范围上依然不够灵活，因此无法满足所有算法的需求。

（3）专用集成电路（ASIC）。从工作特性上考虑，ASIC具有很强的实时性，此类型硬件芯片可以针对高某一特定的算法而进行服务。但这也在一定程度上抑制了它的灵活性，同时开发周期普遍偏长。

（4）现场可编程门阵列（FPGA）。以可编程基本逻辑单元为基础，基于特定的组合方式得到2维矩阵，借助于可编程连线可以为逻辑单元之间提供连接通道，此外逻辑单元与I/O 口之间也可以进行高效的连接。FPGA在长期的发展下具备越来越高的工作效率，同时集成度以及灵活性等方面也更为优越；所需的开发周期较短，大幅降低了后期系统维护难度。

底层信号数据规模极为庞大，因此进一步提升了对处理速度的要求；而运算结构较为简单，基于FPGA便可完成；内含高层处理算法，所需面对的数据处理量偏少，加之DSP 的作用可以良好规避算法与控制结构复杂的问题。对此，将二者进行融合，可以兼顾实时性能与灵活性两大需求，关于视觉检测系统的具体内容可见图2。

3 基于机器视觉的检测系统检测误差分析

3.1 硬件自身误差

图2 机器视觉检测系统

尽管视觉硬件具有较高工作精度，但在生产过程中不可避免会产生误差。尽管普遍存在此类问题，但在暗电流以及光响应的作用下将会弥补该缺陷所带来的误差。但也需要意识到的是，这种误差只能获得一定程度的控制，在对检测精度要求极高的金属件而言依然存在局限性。

3.2 算法误差

依托于工控机或是PC端平台，视觉软件在运行过程中必然会受到硬件性能的影响，此时图像处理结果会出现偏差。具体来说，当进行阈值分割时，无法将非特征区域去除，甚至会把特征区域分割出来。此外，算法在运行过程中自身也会存在误差，这也会对图像处理结果造成影响。

3.3 识别定位误差

在检测时需要将金属件放置在指定的位置，而后借助视觉技术完成定位识别工作，并随之得到特征点坐标值。考虑到工件摆放姿态这一因素，通常会在工作台上安装一个固定夹具，在其作用下可以确保工件与工作台进行同步运动，而这一过程自然会忽略工件姿态所带来的误差影响，加之机构传动振动性的影响，自然会出现细微的误差。

3.4 系统本身带来的误差

机器视觉系统是一种极为典型的光学系统，因此所产生的光强以及亮度等均会对测量结果的精度造成一定影响。具体来说，若光源均匀性不足，此时光栅便会产生条纹现象，这种亮度不均的现象会使得黑白条纹的间距存在差异，严重时还会致使条纹出现断裂现象。诸如上述因素均会对测量结果的精度造成影响，考虑到此问题，必须要提升光的均匀性，并确保其亮度与强度达到相关标准，由此提升光源质量。

除了上述因素外，光栅质量也会对测量精度造成影响。系统对目标件的条纹提出了极高的要求，不允许出现断裂或是颗粒现象，此外还应具有良好的准直性，只有具备此条件才可以良好地反映出各个点所对应的空间坐标。因此，要想全面提升系统的测量精度，就必须注重光栅的质量；当然这并不是唯一的影响因素，还需要考虑到条纹情况等方面。

光学系统具有高度的灵敏性，当系统长时间不用或是测量区域发生变化后，再次进行测量前均需要对镜头进行调试。系统自身已经具备调试功能，但依然需要在人为的辅助下进行，而这一过程极容易出现操作不规范等问题。具体来说，当标尺位置偏离光线中心区域时，则会对后续测量精度造成影响；此外，在对标尺进行135°调整时，一旦角度不准确也会对最后的测量精度造成影响。

4 视觉技术的发展趋势

在视觉技术深度发展的背景下，给制造业的整体发展水平也带来了更为明显的影响。依托于视觉技术，可以通过无损识别等方式大幅提升制造业的发展水平，而各类视觉需求也在根本上决定了机器视觉技术的发展水平。

4.1 主流检测技术的发展趋势

在当前的制造产业中，视觉技术的应用愈发广泛，其中以电子元器件以及半导体两大行业最为明显。放眼未来可知，市场对无损检测识别技术的需求量极高，其在未来的发展空间极为广阔。

4.2 统一标准的发展趋势

相比之下，我国在机器视觉技术领域的起步时间较迟，加之工业技术底子较为薄弱，因此在此方面与西方发达国家依然存在一些差异。以视觉硬件层面为例，当前依然存在过度依赖进口的局面，要想推动自主研发产品的商业化运行依然有较长的路要走。事实上，视觉硬件产品并非由品牌决定，需要用一套标准的方式来衡量，行业内必须形成一套标准的方式，在此基础上方可推动自主研发工作的持续开展，最终打造出符合国际标准的产品。

4.3 自动化、集成化、智能化的发展趋势

考虑到机器视觉技术的基本特点，无论是识别还是检测均需要借助于外置的PC端设备，在其作用下可以完成相应的控制与现实工作。PC端是极为重要的一部分，还可以完成图像采集与控制工作，因此对集成化水平提出了较高的要求。总体来说，在未来工业发展道路中，集成化已经成为了决定发展状况的关键途径，也是未来的发展趋势之一。

5 结 语

综上所述，当前我国的工业发展已经步入了品质化阶段，在此背景下对工业制造的精度提出了更高的要求，此时无损识别检测技术也成为了必然的趋势。在金属件生产领域，需要依赖于机器视觉系统，在其作用下对被测金属件进行全方位检测，确保产品质量。而在未来的工业发展中，视觉技术应用前景也会愈发广阔。