[疵点检测系统中疵点检测算法.docVIP

疵点检测系统中疵点检测算法 1引言 在氟塑料薄膜生产中，薄膜上会出现一些缺陷，称为表面疵点。产生表面疵点有多种原因，比如设备的性能不良、人为操作不当!生产原料在传送过程中被意外污染等。在氟塑料薄膜生产过程中，要经过较多的工序，且每个工序都可能产生一些影响，从而产生疵点。表面疵点会严重地影响塑料薄膜的质量和品质，致使产品的残次品率增加、疵点检测的目的就是在产品生产过程中及时发现这些疵点，通过修复和预防，尽可能降低由疵点导致的产品质量下降，有时也同时完成疵点的分类。 由于疵点种类众多，要找出一种能检验出所有疵点的通用模式识别算法的可能性不大。为了便于本文的讨论，根据氟塑料薄膜表面疵点的特征，并结合常见的疵点类型，将薄膜表面疵点种类简单地划分有机物污染、金属斑点、孔洞三类疵点。 2常见的疵点检测算法 基于机器视觉的疵点检测技术的核心内容是对采集的图像进行分析,将疵点从背景中分离出来疵点检测的图像分析算法一般有两类一类是直接对图像的灰度值在空间域进行分析和计算;另一类是通过傅立叶变换!小波变换等算法,先把图像转换到频域,再进行分析和计算畔。 2.1在空间域的疵点检测算法 在空间域进行疵点检测的常用算法中包括灰度匹配法!数学形态法、灰度统计量法、纹理结构模型法。 （1）灰度匹配法：它一般通过将待测产品与无疵点样品进行灰度比较，求出两者灰度的一种度量差,再与设定闽值比较，对待测图像做出判断。这种方法比较简洁，检测速度比较快，适合实时处理。但对图像的质量要求较高,易受噪声的影研句。 （2）数学形态法：该算法首先根据标准无疵点图像的自相关函数计算产品的基本重复单元；然后计算有疵点产品图像像素点的灰度均值及标准差，并根据它们确定产品图像疵点区域与无疵点区域的判别闭值。由己知的无疵点的产品图像得到结构元素。实际检测时，首先将待检产品图像的像素点与该阂值进行逐点比较，对图像进行二值化,然后通过数学形态处理来判断待检产品是否带有疵点并根据疵点的形状确定疵点的类别。这种方法能够判断具体疵点的类别，但由于它要对像素点进行逐点二值化，因而受噪声的影响大，容易引起错误检测。其次，因为这种检测方法的计算步骤多，所以处理速度较慢。 （3）灰度统计量法：这种算法与形态法有些相似，首先根据标准无疵点产品图像的自相关函数计算产品的基本重复单元。然后以基本重复单元为标准窗口大小，计算无疵点产品图像中每幅窗口像素点的平均灰度，并求出这些平均灰度的均值和标准差，并根据公式来确定无疵点窗口和有疵点窗口的判别闭值。这种方法的关键在于选择标准窗口的大小。窗口选择太大，虽然能降低窗口平均灰度的标准差，但是疵点对窗口平均灰度的影响相对减弱，从而造成漏检；另一方面，如果窗口选择偏小，标准差将会增加而使判别闭值范围很大，会引起误检。 （4）纹理结构模型法：通过提取正常纹理中少量特征参数，建立相应的纹理模型，通过分析待检测图像找到异常信息来断定疵点是否存在。首先根据无疵点样品的图像估计该随机场模型参数，并以此为匹配模板。在实际检测时，将待检测图像的模型参数与模板进行对比，通过统计假设法对待检图像做出判断。该方法的最大优点在于采用较少的随机场模型参数表示一幅产品图像，同时又因为其模型参数的估计算法的效率高，从而减少了图像分析的总体计算量。其次由于该方法从图像时域信号统计的角度出发，它对疵点的检测不受疵点类别的限制。这种方法的不足在于仅仅通过随机场模型并不能最大限度地降低图像分析的计算复杂度和提高图像处理的速度，因而还不能实现疵点的快速自动检测。这种方法比较容易从整体上检测出有无疵点，但是难于精确地进行疵点分类。 2.2在频域的疵点检测算法 在频域进行疵点检测的常用算法中包括基于傅立叶变换的算法,基于小波变换的算法。 (l)基于傅立叶变换的算法 (a)基于傅立叶变换的检测算法 由于纹理信号的重复性使基于傅立叶变换的方法较适于采用频谱方法进行分析。但由于基于傅立叶变换的检测方法缺乏空间域中的定位能力。因此只适合于检测全局疵点，而不适合检测局部疵点。 (b)基于Short-time傅立叶变换的检测算法 通过傅立叶变换可以获取信号所含的频率信息，但是并不知道这些频率信息出现在那个时间段上。基于Short-time傅立叶变换的检测方法较好地解决了这个问题。它可以描述某一局部时间段上的频率信息，能反映出一个信号在任意局部范围的频率信息。为了适应不同问题的需要，人们构造了多种形式的窗口函数，如常用的矩形窗、汉明窗等。这种方法具有空间域定位能力，具有空频域结合分析能力。它的缺点是对闭值的选取很敏感,误检率较高，并且计算量很大。 (2)基于小波变换的算法 小波在疵点检测中也具有较多的应用小波滤波器系数和待检产品图像构成二次代价函数,再加上