机器视觉在工业缺陷检测中的应用：光源、相机、镜头与算法

工业组-郭景润

2024-12-15 01:20

摘要

本文全面探讨了机器视觉技术在工业缺陷检测中的应用，重点分析了机器视觉系统的四个核心组成部分：光源、相机、镜头和算法并对相关应用进行总结。光源作为基础，其选择和布局直接影响图像数据的质量和检测结果的准确性。相机作为图像采集的核心，其分辨率、速度和曝光方式等参数对图像质量有着重要影响。镜头的选择则影响图像的视场大小和清晰度，其中焦距、视场和工作距离是关键参数。算法则负责图像的处理和分析，包括图像变换、增强、分割和特征提取等。文章还介绍了常用的视觉检测软件/库，如Halcon、OpenCV、VisionPro和LabView，并提供了实际工业检测中的案例分析和实验室的相关应用。随着技术的进步，机器视觉系统将在工业自动化和智能化中发挥更大的作用，特别是在人工智能，多传感技术和深度学习技术的发展推动下，机器视觉系统将变得更加智能，处理更复杂的检测任务。

引言

在工业自动化和智能制造的快速发展中，机器视觉技术已成为提高生产效率、保障产品质量的关键技术之一。机器视觉系统能够实现对产品的高速、精确检测，尤其在缺陷检测、尺寸测量和识别方面发挥着重要作用。

一、光源：视觉检测的照明艺术

光源在机器视觉系统中起着至关重要的作用，它直接影响到图像数据的质量和检测结果的准确性。

（1）光源的选择

选择光源时，需要考虑光源颜色与背景颜色的关系，以及光源的形状和尺寸。

对比度优化：选择能最大化目标与背景对比度的光源，以便于特征的区分和识别。

使用与被测物同色系的光可以使图像变亮，而使用相反色系的光可以使图像变暗，从而突出特征。

波长选择：长波长光源增强穿透力，检测透光性的物体，短波长光源增强扩散，检测物体表面细节

光源形状和尺寸：光源形状应与被测物匹配（确保均匀照明）；尺寸略大于视野（保障视野内光线均匀）。

漫反射光源：反光表面使用漫反射光源减少眩光和背景干扰。

环境光因素：使用单色光源配合滤镜减少环境光干扰。

组合光源：单个光源不足时使用组合光源增强图像对比度和特征识别。

图1 环形漫反射光源和条纹光源（实验室）

（2）照明方式的选择

照明方式的选择取决于检测任务的具体需求，包括背向照明、前向照明、结构光主动投影和频闪光照明等。例如，背向照明适用于尺寸测量，而前向照明则适用于检测物体表面的重要细节特征。

经典照射方式：

背向照明：通过将光源放置在相机的对面，使得光线直接照射到物体上，从而产生高对比度的图像，适用于被测物轮廓提取、表面划痕和凹陷的检测。

前向照明：光源和相机位于被测物的同侧，主要用于检测物体表面的重要细节特征、磕碰、凹坑和划痕等类型。

结构光照明：通过主动投影特定编码的光栅或线光源到被测物上，根据它们产生的相位畸变，解调出被测物的三维信息，适用于复杂表面的三维测量。

如相位移法、枝切法（空间相位展开）和多频外差法（时间相位展开）等。

图2 四步相移算法和多频外差原理（结构光）

图3 结构光打光示意图

照射角度考虑：

高角度照射：使得整个图像亮度较高，特别适合于那些表面不会产生反光的物体，有助于捕捉物体的细节特征。

低角度照射：图像背景呈现为暗色，而物体特征则以亮色突出显示，有效地强调了被测物体的轮廓和表面的微小凹凸变化。

多角度照射：产生的图像效果较为温和，适用于曲面物体的检测，因为它能够减少阴影效果，使得整个图像看起来更为均匀和柔和。（光度立体视觉）

图4 实验室-光度立体视觉装置

二、相机：图像采集的核心

相机是机器视觉系统中的图像采集设备，其性能直接影响到图像的质量和检测的准确性。

（1）相机类型

工业相机按照芯片类型、输出色彩、传感器结构特性等可以分为多种类型。

芯片类型：CCD相机和CMOS相机。

CCD相机优点：图像质量高、灵敏度高、对比度高；缺点：有Blooming现象、不能直接访问每个像素。CMOS相机优点：体积小，结构简单、低功耗、能直接访问单个像素、高动态范围(120dB)、帧率更高；缺点：一致性差、光灵敏度差、噪声大。

输出色彩：单色（黑白）相机和彩色（RGB）相机。

传感器结构特性：线阵相机和面阵相机。

（2）相机参数

主要参数包括分辨率、速度（帧频/行频）、噪声、信噪比和曝光方式等。

相机参数总览

分辨率：决定了图像的细节展示能力，高分辨率相机能够提供更多的细节信息。例如，5MP（500万像素）相机能够提供足够的细节用于高精度的检测任务。

速度：表示相机采集图像的频率，影响对运动物体的成像能力。线阵相机常用行频来表示，面阵相机常用帧频来表示。高速相机能够捕捉快速移动的目标。例如，100fps（帧每秒）的相机适用于高速生产线上的动态检测。

噪声：相机的噪声是指成像过程中不希望被采集到的，实际成像目标外的信号。低噪声相机能够提供更清晰的图像，提高检测的准确性。

信噪比：通过比较图像中有效信号的平均灰度值与背景噪声的均方根值来定义。简而言之，信噪比越高，表示相机捕捉到的图像中真实信号与干扰噪声的区分度越大，因此图像质量也更佳。简而言之，高信噪比意味着相机能够提供更清晰、更少噪声的图像，从而提升了相机的整体性

曝光方式：对于线阵相机都是逐行曝光的方式，可以选择固定行频和外触发同步的采集方式，曝光时间可以与行周期一致，也可以设定一个固定的时间；面阵相机有帧曝光、场曝光和滚动行曝光等几种常见方式，数字相机一般都提供外触发信号进行图像采集的功能。

光谱响应：光谱响应特性描述了传感器对不同波长光线的敏感度，这通常通过光谱曲线来展示，曲线的横轴代表光波长，纵轴代表量子效率。基于这些响应特性，相机被分为可见光相机、红外相机和紫外相机，分别对应不同的波长范围。选择相机时，需要根据被测物体发出的光波长来确定合适的相机类型，以确保相机能够有效捕捉所需波长的光，从而获得最佳的图像效果。

图5 实验室-海康4096像素黑白工业线阵相机及其光谱曲线

详细参数网址：https://www.hhikvision.com/news/7182.html

（3）相机的选择

在选择工业相机时，关键在于识别具体的应用需求。这包括确定是进行静态图像捕捉还是动态过程记录、所需的拍摄频率、检测目标（如缺陷、尺寸或位置）、目标物体的尺寸、所需的图像精度、软件处理能力以及工作环境（包括温度、湿度和光照条件）。

对于动态应用，需要根据目标的移动速度来选择合适的曝光时间和是否需要连续扫描功能，同时考虑到相机分辨率与帧率之间的权衡。

综合这些因素，可以通过以下公式来确定相机的分辨率需求：

（实际情况下一个像素对应一个缺陷误差较大，可取用多个像素对应缺陷面积来确定相机具体分辨率）

屏幕截图 2024-12-15 000100.png

这意味着相机的分辨率应该与被观察物体的大小和所需的测量精度相匹配。简而言之，相机的选择是一个综合考量过程，需要根据具体的应用场景和要求来定制，以确保获得最佳的图像质量和检测结果。

三、镜头：图像采集的调整器

镜头作为相机的配套设备，其选择直接影响到图像的质量和视场大小。

镜头由多个透镜、对焦环、光圈组成。

（1）镜头类型

镜头的分类多样，包括鱼眼镜头、广角镜头、标准镜头、长焦镜头和特殊镜头等。

按焦距分类

鱼眼镜头：焦距极短，视角极宽，通常用于全景拍摄。

超广角镜头：焦距较短，提供宽广的视角，适合风景摄影。

广角镜头：比标准镜头视角宽，适合室内摄影和建筑摄影。

标准镜头：焦距接近人眼视角，适合日常拍摄和纪实摄影。

长焦镜头：焦距较长，能够将远处的物体拉近，适合体育和野生动物摄影。

超长焦镜头：焦距非常长，用于远距离拍摄，如天文摄影。

按光学特性分类

固定焦距镜头：焦距固定，结构简单，通常具有较好的成像质量。

变焦镜头：可以在一定范围内调整焦距，提供灵活的构图选择。

按功能分类

微距镜头：专门设计用于近距离拍摄，能够获得极高的放大倍数。

远心镜头：用于精密测量，能够保持恒定的放大率，减少视差影响。

红外镜头：能够透过红外光，用于夜视设备或热成像。

紫外镜头：能够透过紫外光，用于科学实验和检测。

图6 实验室-徕奥光电高解析线扫描镜头（LS8040）

覆盖多种大靶面，Ф28mm-Ф80mm高分辨率，最高支持3.45u高分辨率相机

（2）镜头参数

镜头的基本参数包括焦距、视场、工作距离、分辨率和景深等。

镜头参数总览

焦距：是光学系统中衡量光的聚集或发散的度量方式，指从透镜的光心到光聚集之焦点的距离。例如，一个12mm的镜头适用于标准工业视觉检测任务。

视场：指观测物体的可视范围，也就是充满相机采集芯片的物体部分。例如，1/2寸摄像机配12.5mm镜头时画面横向的视场面是28.72度。

工作距离：指从镜头前部到受检验物体的距离。例如，一个镜头的工作距离为100mm，适用于检测放置在固定位置的物体。

分辨率：图像系统可以测到的受检验物体上的最小可分辨特征尺寸。

景深：物体离最佳焦点较近或较远时，镜头保持所需分辨率的能力。例如，一个镜头的景深为50mm，适用于需要在一定范围内保持清晰成像的应用。

光圈：光圈是一个用来控制镜头通光量装置，它通常是在镜头内。

图7 镜头结构

（3）镜头的选择

选择镜头时，需要考虑视场范围、工作距离和分辨率等因素。例如，对于需要在一定范围内保持清晰成像的应用，选择具有较大景深的镜头是必要的。

四、算法：机器视觉的大脑

算法是机器视觉系统的核心，负责对采集的图像数据进行处理和分析，以实现缺陷检测等功能。

（1）图像处理算法

图像处理算法包括图像变换（几何、尺度）、增强（灰度增强、加权平均、中值滤波、高斯滤波）、分割（边缘检测、轮廓-圆提取、圆检测、阀值分割）、特征提取、图像编码等。这些算法能够改善图像质量，突出目标特征，为后续的缺陷检测提供支持。

（2）缺陷检测算法

缺陷检测算法包括传统方法（如贝叶斯分类，人工神经网络-ANN等）和现代方法（多模态融合-优化，深度学习-卷积神经网络-CNN，对抗性网络-GAN）。这些算法能够识别和分类图像中的缺陷，实现自动化的质量控制。

（3）视觉检测软件/库：

在机器视觉领域，有多种视觉检测软件和库可供选择，它们提供了丰富的功能和工具，帮助开发者快速实现视觉检测系统。

常用的视觉检测软件/库

Halcon：提供底层视觉算法，拥有广泛的算法库，能够满足多种视觉检测需求。

运算性能快，能够处理复杂的图像处理任务，适合需要快速响应的工业应用场景。

功能齐全，覆盖从图像采集到分析的全流程，易于上手，能够缩短项目开发周期。

提供15种常用缺陷检测实例，包括过滤小缺陷、产品表面三角缺陷检测、毛刺检测和凹坑检测等。

图8 光度立体法光学系统

图9 Halcon光度立体法应用效果（前者为四个角度打光效果，后者为融合效果）

（https://blog.csdn.net/qq_40732350/article/details/128346337?fromshare=blogdetail&sharetype=blogdetail&sharerId=128346337&sharerefer=PC&sharesource=weixin_59699362&sharefrom=from_link）

OpenCV：开源计算机视觉库，广泛用于图像处理、视频分析和缺陷检测等领域。功能算法相对较多，提供了图像预处理、缺陷特征提取和缺陷分类的全面支持。基于OpenCV3的开源资源，能够快速识别图像中的划痕缺陷，代码结构清晰，注释详细，便于用户理解和修改。适用于实时检测场景，提供示例图像和详细说明文档，用户可以轻松上手，快速应用到实际项目中。

开源，但开发周期可能较长，需要一定的学习曲线。

VisionPro：提供多种开发工具，包括拖放式界面、简单指令码和编程方式等，适应不同开发需求。支持全面模式的开发，拥有丰富的示例和算子，如Bead Inspect Tool，用于检查任何长度和方向的统一路径，发现图像中的缺陷。能够根据bead路径的预期位置和外观来训练工具，然后定位运行时图像中的缺陷。

LabView：使用图形化编辑语言G编写程序，产生的程序是框图的形式，直观易懂。在视觉检测中，LabVIEW可以实现快速的图像采集、处理和分析，其图形化界面允许工程师以“拖放”组件的方式搭建系统。与各种图像采集卡和工业相机无缝集成，提供图像处理和分析工具箱，为快速开发定制化的视觉检测系统提供了可能。支持数据采集、仪器控制和工业通信库，尤其在测试、测量和控制系统应用中表现出色。

这些软件和库各有优势，适用于不同的应用场景和开发需求，开发者可以根据项目的具体要求和预算来选择合适的工具。

案例分析：机器视觉在实际工业检测中的应用

案例一：轴承滚子缺陷检测（实验室）

在工业生产中实现对金属零部件表面缺陷的高效、准确检测尤为重要。本实验室设计了一款专为反光金属部件，尤其是轴承检测而设计的工业缺陷检测设备。该设备通过结合结构光主动投影技术和光度立体视觉技术，实现了对金属部件表面的高精度三维测量和缺陷分析。

总体光学系统采用高速线扫黑白相机搭配线扫描镜头，配合可变条纹程控光源和运动控制平台：运动控制分为水平运动平台（主要检测轴承端面）和轴向运动平台（主要检测轴承滚动面）；其次可变条纹光源图案可根据缺陷的方向（横向、纵向）进行调整，加之对图像进行多模态融合算法处理，实现针对性检测，提高检测的准确率，大幅降低漏检率。

图10 条纹光源相移图案（纵向）

图11 条纹光源相移图案（横向）

图12 光学系统

案例二：电子组件缺陷检测

在电子组件制造过程中，机器视觉系统被用于检测PCB板上的焊点缺陷、元件缺失或错位等问题。通过高分辨率相机和适当的光源，系统能够识别微小的缺陷，确保产品质量。

案例三：汽车制造中的零件检测

在汽车制造领域，机器视觉系统用于检测冲压件的尺寸精度和表面缺陷。通过使用高精度镜头和相机，结合先进的图像处理算法，系统能够快速准确地检测出零件的任何偏差。

案例四：食品包装质量控制

在食品包装行业，机器视觉系统用于检查包装完整性、标签正确性和内容物缺失。通过定制的光源和相机，系统能够确保包装质量，防止不合格产品流入市场。

结论

机器视觉技术在工业缺陷检测中的应用日益广泛，其核心组成部分——光源、相机、镜头和算法的协同工作，为提高检测的准确性和效率提供了有力保障。随着技术的不断进步，机器视觉系统的性能将进一步提升，为工业自动化和智能化带来更多可能。未来，随着人工智能、多传感技术和深度学习技术的发展，机器视觉系统将变得更加智能，能够处理更复杂的检测任务，为工业生产带来更多的创新和价值。实验室也将不断投入开发，精心钻研，努力进行技术升级和融合优化！