机器视觉在表面瑕疵检测的应用.pptVIP

应用机器视觉于方向性纹路 之表面瑕疵检测 纹路的种类 有方向性的纹路（directional texture） 灰阶变化具有规则性且依特定方向重复的现象，且呈现某些固定方向的结构特征 如纺织品之经纬或切削加工件之刀纹等 无方向性之随机纹路（random texture） 不具固定方向性，且随机分布于物体表面 例如金属铸件 举例 本研究的方法 事先并不需要建立纹路的特征指针，而是藉由傅立叶转换可以凸显方向性纹路之周期性特征的特性，以及反傅立叶转换之影像还原技术，来进行方向性纹路之表面瑕疵检测。 纹路之图例 方向性纹路-切削加工件 纹路之图例 随机纹路-金属铸件 各个流程方法之处理结果 影像转换 将原始影像由空间域转为频率域的傅立叶频谱 研究方法-傅立叶转换 研究方法-霍氏转换 高周期分量之方向角度 (1) 非监督式之自动判定法：针对方向性明显且明确的纹路，如刀纹 (2) 监督式之事先指定参数法：针对方向性不明显且不明确的纹路，如布纹 去除傅立叶频谱上宽度为Δω之高功率频谱频带（本研究中Δω设为15） 影像还原 反傅立叶转换 使得原始影像上具规律性纹路呈现为一致性的影像 铣削刀纹纹路之实验结果 刨削刀纹纹路之实验结果 布纹纹路之实验结果 布纹纹路之实验结果（续） 木纹纹路之实验结果 木纹纹路之实验结果（续） 应用机器视觉于随机性纹路表面之瑕疵检测 随机性纹路在傅立叶频谱上的特性 频率元素（Frequency components）之功率会呈环状的无方向性分布。 高功率强度的频率元素会集中分布于中心点附近。 功率强度会随着环状半径的增大而递减。 傅立叶频谱的3D能量图 研 究 目 的 研 究 范 畴 瑕疵检测的纹路只限于具同构型（Homogeneity）的随机性纹路。 同构型是指纹路必须能代表规则纹路之自我相似性（self-similarity）和重复性（repetitiveness）等特征；反之则为异质性（Heterogeneity）。 影像转换 将原始影像由空间域转为频率域的傅立叶频谱 最佳半径的选取(1)计算每个环形半径的平均能量值 每个环形半径对应在傅立叶频谱上的位置 最佳半径的选取(2)选择曲率最大时的半径来决定最佳的半径发生的地方 最大曲率 四种可能去除随机性纹路的策略 去除中心点 去除最佳半径以内之频率元素 去除最佳半径以外的频率元素（不含去除中心点） 去除中心点与最佳半径以外的频率元素 1.去除中心点 2.去除最佳半径以内之频率元素 3.去除最佳半径以外的频率元素（不含去除中心点） 4.去除中心点与最佳半径以外的频率元素（本研究采用策略4） 影像还原 反傅立叶转换 使得原始影像上具规律性纹路呈现为一致性的影像 最佳半径 的敏感度(1) 最佳半径 的敏感度(2) 二值化影像分割 使用管制界限法来区隔出还原影像中的瑕疵与背景，使得瑕疵凸显出来。 反傅立叶转换影像上所有像素点灰阶值 的平均值 及标准差 实验结果建议检测参数 k= 5 表面瑕疵检测的结果砂纸纹路 表面瑕疵检测的结果皮革纹路 表面瑕疵检测的结果软木塞纹路 表面瑕疵检测的结果铸件纹路 (b1) 有瑕疵纹路影像 (b2) (b1)去除最佳半径以内的频率元素 (b3) (b2)的影像还原 (a1) 无瑕疵纹路影像 (a2) (a1)去除最佳半径以内的频率元素 (a3) (a2)的影像还原 已明显减少规律性之纹路 同时将瑕疵删除而无法有效凸显异常区域 (b1) 有瑕疵纹路影像 (b3) (b2)的影像还原 (a1) 无瑕疵纹路影像 (a2) (a1)去除最佳半径以外的频率元素（不包含中心点） (a3) (a2)的影像还原 (b2) (b1)去除最佳半径以外的频率元素（不包含中心点） 纹路特征已变模糊 但仍残留少部份之纹路图样 (b1) 有瑕疵纹路影像 (b3) (b2)的影像还原 (a1) 无瑕疵纹路影像 (a2) (a1)去除中心点与最佳半径以外的频率元素 (a3) (a2)的影像还原 (b2) (b1)去除中心点与最佳半径以外的频率元素 规律性随机纹路特征已趋近于一致性 强化瑕疵与背景之对比，且凸显出异常区域的瑕疵 其中 (a)随机性纹路 (b) r= 7 (c) r= 8 (d) r= 9 (e) r= 10 (f)最佳半径= 11 (g) r= 12 (h) r= 13 (i) r= 25 (j) r= 30 (a)随机性纹路 (b) r= 7 (c) r= 10 (d) r= 16 (e) r= 17 (f)最佳半径= 18 (g) r= 19 (h) r= 20 (j) r= 30 (i) r