机器视觉定位产品边缘轮廓检测

机器视觉定位产品边缘轮廓检测尺寸测量

深度学习视觉手机表面缺陷检测盖板玻璃上有划伤压伤破损边缘毛刺产品尺寸公差

电池表面漏气焊点PCB元器件错漏反浮高

金属部件表面脏污裂纹划伤气泡摄像模组异物污染刮伤白点高度差

手机在生产时候不可避免的会有一些缺陷，例如：· 盖板玻璃上有划伤、压伤、破损、边缘毛刺等，产品尺寸公差大等；

镜片制造商，需要对出货前的产品进行外观检测，包括披风、蚀刻不良、异色、字体不良、崩边、边透沙眼、划伤、晶点、亮点等不良。
采用深度学习技术，可准确的检测出不良，以此来替代人工繁琐的检测，提升效率的同时并能管控好品质。
检测需求
披风检测、蚀刻检测、异色检测、字体检测、崩边检测、边透沙眼、划伤检测、晶点检测、亮点检测。
检测方案
通过机器视觉系统，检测产品制造中出现的划痕、脏污、异物等外观缺陷和其他异常，检测装配错误、表面缺陷、损坏的工件和缺失的功能，可确定对象的方向、形状、位置，还可识别功能。
检测效果

① 崩边检测

② 边透沙眼

③ 划伤检测

④ 晶点检测

⑤ 亮点检测

⑥ 披锋检测

⑦ 蚀刻检测

⑧ 字体检测

场景二手机玻璃盖外观缺陷检测

检测背景
手机、平板电子产品在组装完成后，为保证出货前的产品质量，需对手机的玻璃面、后盖、侧面、圆弧面进行全方位的检查，检测内容包括划伤、缺口、点状异物（如颗粒、玻璃珠、气泡等）、压痕、凹凸痕、锯齿状、脏污、电镀掉漆、异色等。使屏幕依次显示不同的纯色背景，检测屏幕亮点、暗点、花屏、背光不良等缺陷。
检测效果

① 正面检测图片

② R角检测图片

③ 侧面检测图片

场景三手机中板外观缺陷检测

检测难点
检测崩边缺失、断裂、变形,发生不良的位置未知且不固定，精准的搜索并检测判定是关键。 检测是否漏攻牙，由于牙孔内螺纹与CCD不在一个平行的平面，加上牙孔较小且受深度干扰，难度大。断柱检测，由于辅助定位柱的Z向高度，与CCD不在一个平行的平面，是一个难点。
检测效果

① 牙孔检测效果

② 断柱检测效果

③ 崩边缺失检测效果

场景四手机外壳Logo缺陷检测

场景缺陷
碰压伤 、刮伤、料线、针孔、麻点、白点、缺口、凸包、研磨痕、拱起、变形
检测难点
手机LOGO属于高亮、镜面金属材质；细微的划伤、凹坑在传统光学下，会被强光遮掩掉；
检测效果

①划痕检测

② 凹凸点检测

边缘检测是机器视觉中必不可少的环节,是一种重要的图像预处理技术。图像分析和理解的**步常常是边缘检测,它在图像处理与计算机视觉中占有特殊位置,它是底层处理中最重要的环节之一，往往检测出边缘的图象就可以进行特征提取和形状分析。

边缘的形成是由于物体的材料不同或表面的朝向不同,引起图像中的边缘处存在明暗、色彩、纹理的变化。因此反过来在图像中检查不同灰度、色彩等特性区域的交界处就可得到边缘。边缘轮廓是人类识别物体形状的重要因素,也是图像处理中重要的处理对象。边缘检测主要采用各种算法来发现、强化图像中那些可能存在边缘的像素点。

由于边缘是灰度值不连续的结果，这种不连续常可以利用求导数方便的检测到，一般选择一阶和二阶导数来检测边缘。在机器视觉检测中，边缘检测可以借助空域微分算子通过卷积完成。实际上数字图像处理中求导数是利用差分近似微分来进行的。常用的微分算子有梯度算子和拉普拉斯算子。

边缘检测算法的基本步骤如下：

1、滤波:边缘检测算法主要是基于图象强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。

2、增强:增强边缘的基础是确定图象各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。

3、检测:在图象中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。常采用梯度幅值Ill值判据。

4、定位:如果某一应用场合要求确定边缘位置，则边缘的位置可在子象素分辨率上来估计，边缘的方位也可以被估计出来。

在用机器视觉进行尺寸测量时，这四步必不可少，尤其必须指出边缘的精确位置和方位。机器视觉检测技术，以其强大的性能优势，使得产品质量标准化，检测速度快，检测结果可靠、稳定，并且可以长时间检测