机器视觉表面缺陷检测-主要问题和发展趋势

基于机器视觉的表面缺陷检测将是未来研究和 发展的主要方向，目前，基于机器视觉的表面缺陷检测理论研究和实际应用等环节均有可喜的成果，但仍存在下面主要的问题和难点:

1) 由于检测对象多样、表面缺陷种类繁多、形 态多样、复杂背景，对于众多缺陷类型产生的机理以 及其外在表现形式之间的关系尚不明确，致使对缺 陷的描述不充分，缺陷的特征提取有效性不高，缺陷 目标分割困难; 同时，很难找到“标准”图像作为参 照，这给缺陷的检测和分类带来困难，造成识别率尚 有待提高。

2) 机器视觉表面缺陷检测，特别是在线检测，其特点是数据量庞大、冗余信息多、特征空间维度 高，同时考虑到真正的机器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陷信息的算法 能力不足，实时性不高。

3) 与机器视觉表面检测密切相关的人工智能 理论虽然得到了很大的发展，但如何模拟人类大 脑的信息处理功能去构建智能机器视觉系统还需 要理论上的进一步研究，如何更好的基于生物视 觉认识、指导机器视觉得检测也是研究人员的难点之一。

4) 从机器视觉表面检测的准确性方面来看，尽管一系列优秀的算法不断出现，但在实际应用中准确率仍然与满足实际应用的需求尚有一定差距，如何解决准确识别与模糊特征之间、实时性与准确性 之间的矛盾仍然是目前的难点。

    机器视觉表面缺陷检测系统中，图像处理和分析算法是重要的内容，通常的流程包括图像的预处理、目标区域的分割、特征提取和选择及缺陷的识别 分类。每个处理流程都出现了大量的算法，这些算 法各有优缺点和其适应范围。如何提高算法的准确性 、执行效率 、实时性和鲁棒性 ，一直是研究者们努力的方向。

机器视觉表面检测比较复杂，涉及众多学科和 理论，机器视觉是对人类视觉的模拟，但是目前对人 的视觉机制尚不清楚，尽管每一个正常人都是“视觉专家 ”，但难以用计算 机表达自己的视觉过程 ，因此构建机器视觉检测系统还要进一步通过研究生物 视觉机理来完善，使检测进一步向自动化和智能化 方向发展。

文章转载自Chhf DLP投影微信公众号，如有问题，请及时联系删除