摘要：缺陷检测方法一直是视觉行业的研究热点，因为目前为止，没有标准完善的算法可以解决各行各业层出不穷的不同种类的缺陷检测问题，与此同时，自动化行业以及生产制造业为高鲁棒性、高兼容性、高速率的缺陷检测方法提供了巨大的市场。本文针对印刷行业的Logo缺陷检测提出了一种方法，首先介绍了整个缺陷检测系统，然后阐述系统的设计以及实现方法。本系统中，利用Cognex公司VisionPro软件的二次开发实现了两项关键技术：运用基于模板的定位算法Patmax实现精确的视觉定位；通过差值图像技术PatInespect实现缺陷检测。该系统可实现高达1/40亚像素的定位精度，具有高抗干扰性，易维护性等优势。
     一、简介
    随着全球市场对于生产制造行业的产品质量要求的提高，产品的外观检测已经成为制造商越来越重视的环节之一。而传统的依靠人眼分辨优劣产品的方法已经不能满足日益严苛的检测需求，且依靠人眼分辨存在诸多主观及客观的缺点，因此，当前市场越来越倾向于应用机器视觉替代人眼来实现缺陷检测[1]。机器视觉主要由相机、镜头、光源、图像处理主机以及处理软件组成。它可以极大地提高生产力，且具有高精度、高抗干扰力、易使用性、高速性等人眼无法匹敌的优势。
    本文提出了一种基于机器视觉的印刷Logo缺陷检测方法，先介绍检测原理，然后设计以及实现该检测系统。为了获得高效率、低时间成本、高鲁棒性的视觉检测系统，我们选择VisionPro软件进行二次开发。运用VisionPro里面的可靠的算法，比如PatMax，PatInspect，Blob等，我们可以实现该系统[2]。
    二、缺陷检测系统
    缺陷检测系统首先对由上个工位流过来的印刷好的产品进行检测，看上面是否有缺陷，然后将检测结果发送给PLC，在下一个工位处，机械系统根据PLC获得的信息剔除次品，从而实现优劣产品的分选。系统的工作流程如下图所示。

                                     图1 系统工作流程图
    三、缺陷检测原理
    首先利用PatMax进行图像定位，在运用PatInspect生成差异图像，最后用Blob获得理想的检测结果。
    PatMax定位流程以及PatInspect的检测流程如下图所示

                                图2  PatMax流程图      

图3  PatInspect流程图

    PatInspect操作步骤及原理说明：
   （1）抓取训练图像生成模板图像，多张图片统计训练时，模板图像中每个像素值是所有图片中该位置像素的平均值，得到训练模板图像（Trained Image）。
   （2）训练新模式
    统计当期训练，统计训练的原因：补偿光照变化及位置变化所带来的影响，要求：
    统计训练所用的图像必须与项目运行时所检测的图像非常相似。
    使用训练图像生成标准方差图像，在此基础上根据公式：
    （Threshold image）（i，j）=A*σ（i，j）+B
    生成阈值图像（Threshold Image）中，左边部分表示阈值图像里面像素点（i，j）处的灰度值，σ（i，j）表示标准方差图像里面像素点（i，j）处的灰度值，其中Ａ为阈值比例，Ｂ为阈值偏移，当设 A 值为 1，B 值为 0 时，阈值图像（Threshold Image） 与标准方差图像（Standard Deviation Image）一致；
    （3）输入一幅新的图像，运行PatInspect工具会得到原始差值图像（Raw Difference Image）以及差值图像（Difference Image），原始差值图像（Raw Difference Image）是根据当前输入图像以及训练图像（Trained Image）相减得到，差值图像（Difference Image）是将原始差值图像与阈值图像（Threshold Image）相比较而得到的最终结果图像。
    （4）将步骤三中的最终原始图像传递给Blob工具处理之后得到合理的缺陷区域。
   四、缺陷检测系统的设计
    缺陷检测系统主要由光源、相机、镜头、PC、软件系统等组成。.‍

                                       图4 现场安装图
    4.1 光源
    光源的选择是视觉系统里面的一个重要的步骤，因为获得高质量的图像可以简化视觉算法以及提高系统的可靠性，本系统选择LED光源，因为LED光源具有节能、高响应速率、寿命长并且可以提供稳定、一致的照明环境的特点。本系统中选择LED光源中的Dome光，因其一方面可以提供扩散照明产生均一亮度的表面；另一方面圆顶照明消除了标准照明所产生的阴影和反光不均。而本次的测试样品表面不平整，有一定的弧度的弯曲，因此Dome光比较合适。
    4.2 基于VisionPro的二次开发软件
    软件是整个检测检测系统的一个至关重要的环节，因为其中的图像算法，比如PatMax， PatInspect，Blob等等，必须要具有高精度、高效率、高可靠性的特点，因此，软件开发阶段需要倾注大量的努力来完成这些任务，这将会是一个艰难的工程。
    然而，现在市场上已经出现了各种各样的成熟的视觉算法库，向客户提供可靠、高效的算法以及工具，使得开发者可以在提高工作效率，节约开发时间的同时开发出强健的视觉软件产品。其中最著名的软件之一就是VisionPro，它是基于PC的视觉应用软件[3]，本系统中就是运用VisionPro进行二次开发来实现缺陷检测。

   五、缺陷检测系统的实现
    缺陷检测软件系统是运用C#语言在.NET环境中对VisionPro进行的二次开发，软件的交互界面如下图所示:

                                      图5 软件界面图    

    整个界面大致分为四部分：
    图片显示部分，此部分主要用于显示带有检测效果的图像，便于很直观的观察当前缺陷的区域。
    调试工具部分，包括一些常用的工具，比如，打开图片按钮、打开VisionPro视觉工具按钮、保存VisionPro视觉工具按钮、实时取像按钮、检测按钮等，主要用来保障后续生产过程中可以很方便地进行维护。
    统计信息部分，主要用来显示实时检测信息，方便操作工可以很容易的监测生产中一些关系到质量的数据。
    运行状态部分，反馈软件运行的实时结果，报警信息，通信信息等。
    缺陷检测效果图如下，左边的图片是相机采集的原始图片，右边的图片是程序检测完成之后生成的带有缺陷区域标识的效果图片。绿色多边形内标注的是缺陷的区域：

       图6 印刷缺陷-拖影（原图）                 图7 印刷缺陷-拖影（检测效果图）

              图8 印刷缺陷-漏印（原图）                 图9 印刷缺陷-漏印（检测效果图）
    六、结论
    本文提出了一个基于机器视觉的缺陷检测视觉集成系统，将机器视觉技术应用到缺陷检测行业，可以极大地提高生产效率以及产品质量。随着工业自动化的发展，具有全自动、高集成、智能化、灵活性的机器视觉系统将会在生产制造等其他领域扮演越来越重要的角色[4]。

参考文献
[1] N.G.Shankar, Z.W.Zhong,”Defect detection on semiconductor wafer surfaces”, Microelectronic Engineering ,2005,pp. 337–346.
[2] L.S. WEI, Z.X.JIAO,” Visual Location System for Placement Machine based on Machine Vision”,Fifth IEEE International Symposium on Embedded Computing,2008,pp,141-146.
[3] Cognex, VisionPro.net Help, 2013.
[4] X.L. Dai, M.A. Hunt, M.A. Schulze, in: Machine Vision Applications in Industrial Inspection XI, Proceedings of SPIE, vol. 5011, Santa Clara, CA, 23–24 January 2003.

文/上海贝特威自动化科技有限公司