搜索
深圳稻草人自动化培训印刷品外观缺陷机器视觉的检测与识别在印刷过程中，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。一、图像采集及预处理本系统所采用图像采集卡为Matrox公司的meteorII/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。软件开发环境为Win98!VC6.0。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。这里采用即可去掉尖锋干扰，又能保持边缘细节的加权中值滤波算法。确定一个像素个数为奇数的窗口W，先对窗口内各像素加权，某一像素加权值为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）的中间值，得到增强图像g（x，y）。二、视觉检测（一）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。（二）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（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。深圳稻草人自动化培训三、实验结果对在静态方式下所采集的印刷品图像进行测试，实验结果表明（参见图2、图3、图4、图5），上述方法是有效的，能够将仿真的缺陷完整地检测出来，达到了预期的目的。深圳稻草人自动化培训四、讨论利用机器视觉识别系统代替人工进行印刷品质量检测，具有实用价值，对此进行了初步的探讨和尝试。下一步需要解决的，一是在线动态图像捕捉及处理，二是较之外观缺陷要困难得多的如色差、套印不准等缺陷的检测与识别问题。此外，印刷质量的评价是一个综合指标，提高系统的智能化信息处理能力也是十分必要的。深圳稻草人自动化培训