基于機器視覺的表面缺陷檢測將是未來研究和發(fā)展的主要方向

2022-11-24 17:53:05 精質(zhì)視覺

　　基于機器視覺的表面缺陷檢測將是未來研究和發(fā)展的主要方向，目前，基于機器視覺的表面缺陷檢測理論研究和實際應(yīng)用等環(huán)節(jié)均有可喜的成果，但仍存在下面主要的問題和難點：

　　1) 受環(huán)境、光照、生產(chǎn)工藝和噪聲等多重因素影響，檢測系統(tǒng)的信噪比一般較低，微弱信號難以檢出或不能與噪聲有效區(qū)分。如何構(gòu)建穩(wěn)定、可靠、魯棒的檢測系統(tǒng)，以適應(yīng)光照變化、噪聲以及其他外界不良環(huán)境的干擾，是要解決的問題之一。

　　2) 由于檢測對象多樣、表面缺陷種類繁多、形態(tài)多樣、復(fù)雜背景，對于眾多缺陷類型產(chǎn)生的機理以及其外在表現(xiàn)形式之間的關(guān)系尚不明確，致使對缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目標分割困難;同時，很難找到“標準”圖像作為參照，這給缺陷的檢測和分類帶來困難，造成識別率尚有待提高。

　　3) 機器視覺表面缺陷檢測，特別是在線檢測，其特點是數(shù)據(jù)量龐大、冗余信息多、特征空間維度高，同時考慮到真正的機器視覺面對的對象和問題的多樣性，從海量數(shù)據(jù)中提取有限缺陷信息的算法能力不足，實時性不高。

　　4) 與機器視覺表面檢測密切相關(guān)的人工智能理論雖然得到了很大的發(fā)展，但如何模擬人類大腦的信息處理功能去構(gòu)建智能機器視覺系統(tǒng)還需要理論上的進一步研究，如何更好的基于生物視覺認識、指導機器視覺得檢測也是研究人員的難點之一。

　　5) 從機器視覺表面檢測的準確性方面來看，盡管一系列優(yōu)秀的算法不斷出現(xiàn)，但在實際應(yīng)用中準確率仍然與滿足實際應(yīng)用的需求尚有一定差距，如何解決準確識別與模糊特征之間、實時性與準確性之間的矛盾仍然是目前的難點。

　　隨著計算機技術(shù)、信息技術(shù)、電子技術(shù)、傳感器技術(shù)和仿生技術(shù)等的發(fā)展，機器視覺檢測方法也必將得到迅速的發(fā)展。技術(shù)和市場需求等因素決定了機器視覺表面缺陷檢測的發(fā)展趨勢為：

　　1) MARR理論對計算機視覺發(fā)揮了巨大作用，其核心是將視覺理解為3D重建的過程。但是，從3D場景到2D圖像是一個多對一的映射，在映射的過程中損失了深度信息;灰度是對場景的惟一的測量值，諸如光照、材料特性、朝向和距離等信息都無法反映;成像中由于噪聲及環(huán)境等因素的干擾，都會使圖像產(chǎn)生失真。為此，需要研究視覺檢測新理論和新方法，如發(fā)展主動視覺、增強視覺系統(tǒng)的智能學習能力等。

　　2) 從生物視覺得到啟發(fā)，吸收來自心理學、生理學等其他學科中生物視覺的最新研究成果，基于生物視覺機制為視覺檢測提供研究新思路，模仿生物視覺多尺度、層次性的視覺特點，結(jié)合視覺任務(wù)，引入先驗高級知識的指導，同時將機器視覺、機器聽覺、機器嗅覺、機器觸覺等多信息相互融合，突破單一視覺信息的局限性，也將成為機器視覺檢測的發(fā)展方向之一。

　　3) 研究更具魯棒性的圖像處理和分析算法，提高圖像處理的有效性和和執(zhí)行效率，降低算法的復(fù)雜度，提高識別的準確性。在在線檢測系統(tǒng)中，要特別注重實時性，視覺本身具有內(nèi)在的并行性，為此，還在要理論、算法和技術(shù)等多方面研究視覺并行計算，提高視覺計算的速度。同時，進一步研究算法性能的評價方法，以對算法的效率和性能作了科學、準確的刻化和評價。

　　4) 研究完整3維場景重建方法?，F(xiàn)有3維場景重建理論和算法基本都局限于對目標“可視”部分的重構(gòu)，如果用Marr視覺計算理論來說，還主要停留在2.5維表達上，這種表達僅提供了物體可見輪廓以內(nèi)的3維信息。如何恢復(fù)物體完整表面的信息，即包括物體表面不可見部分，是一個復(fù)雜但也亟待解決的問題。

　　5) 采用統(tǒng)一而開放的標準，構(gòu)建標準化、一體化和通用化的解決方案，標準化與個性化的進一步統(tǒng)一，研發(fā)可靠性高、維護性好、便于不斷完善和升級換代、網(wǎng)絡(luò)化、自動化和智能化更高的機器視覺系統(tǒng)是今后的發(fā)展趨勢。