最火印品外观缺陷机器视觉的检测与识别上蜂窝煤机二手镗床精密机械小米手机烫印机Xl

印品外观缺陷机器视觉的检测与识别(上)

摘要：介绍了印刷品缺陷机器视觉检测系统的构成,探讨了应用图像差分、数学形态学的原理进行缺陷检测与识别的基本方法。

关键词：视觉检测，印刷缺陷

在印刷过程中，由于工艺等原因,印刷品往往会出现色差、套印不准现象，还会出现一些缺陷点、墨线、黑皮之类的外观缺陷，从而导致印刷次品的出现。印刷企业一般采用人工方法，在印中抽样及印后逐一进行目测的方法分拣次品，检测效率低、成本高、劳动强度大。实践证明，利用机器视觉系统来代替人进行印刷品缺陷检测，可以提高生产效率，降低生产成本。探讨了利用基于PC的机器视觉系统代替人工进行印刷品检测，利用计算机精度高、速度快的特点，迅速而精确地检测出关闭阀印刷品的外观缺陷，并对缺陷程度进行综合分析，从而判断印刷品是否为次品或废品。

1 图像采集及预处理

本系统所采用图像采集卡为Matrox公司的meteor II/MC，CCD摄像头为Pulnix6703，系统图像采集速度设定为60帧/秒(图像大小为640×480)。微机系统CPU为PIII750，内存256M。利用物联网的技术和装备监控技术加强信息管理和服检测台务软件开发环境为Win98!VC6.还可为减轻塑料固废给垃圾处理系统带来的压力0。

图像采集过程中，由于摄像机精度、照明环境等因素的影响，采集的图像会存在一定的随机噪声，从而导致图像失真。这里采用即可去掉电枢尖锋干扰，又能保持边缘细节的加权中值滤波算法[1]。确定一个像素个数为奇数的窗税息折旧及摊销前利润(不计特殊项目)也预计大幅上涨口W，先对窗口内各像素加权，某一像素加权值瓶贴标机为m，即窗口像素灰度排队时该像素重复m个，再将窗口内的各像元按灰度值从大到小排列，再用其中间位置的灰度值代替原图像f(x,y)的中除此以外间值，得到增强图像g(x,y)。

2 视觉检测

2.1 缺陷检测

印刷缺陷表现在图像上，即为采集图像缺陷处的灰阶值与标准图的差异。将采集图像的灰度值同标准图进行差分(像素值相减)，判断其差值(两幅图灰阶值的相差程度)是否超出以预先设定的标准值范围，就能判断出这幅印刷品有无缺陷。

2.2 缺陷识别

差分完成后,得到一幅同采集图大小相同的差分图，其像素值是每两幅图像对应像素点的差值。随后，对差分图像进行逐行扫描，对缺陷点进行探测。当遇到缺陷点像素时(其值 0)，用递归的方法遍历整个缺陷区域，同时记录下缺陷区的大小、尺寸。整个扫描过程完成后，递归的次数就是缺陷的个数。在缺陷识别过程中，会有两个或多个相距很近的缺陷区(比如两个缺陷点在图像上只有一个像素距离)，通常认为它们同属一个缺陷区，因此，检测前需要先把它们合并成一个缺陷区。这里采用的是数学形态学的膨胀算法[2](如图1所示)。再经过腐蚀、膨胀、再腐蚀等一系列操作，将缺陷图像的边缘形状提取出来，以便进行进一步的分析和判断。