北京航空航天大学仪器科学与光电工程学院,北京 100191
在现阶段的智能制造过程中,精密产品及仪器表面的零划痕质量要求不断提高,基于机器视觉的划痕检测方法因其无损高精度的特点具有重要的研究意义。综述了基于机器视觉的划痕检测技术的发展现状,将目前主流的划痕检测方法分为手工设计特征方法和深度学习方法。基于手工设计特征的划痕检测方法包括灰度分布统计法、变换域法和高低维空间映射法,基于深度学习的划痕检测方法包括有监督学习方法和无监督学习方法,总结了每种方法的优缺点和适用场景,阐述了基于机器视觉的划痕检测技术的发展趋势。
机器视觉 划痕检测 数字图像处理 深度学习 激光与光电子学进展
2022, 59(14): 1415009
西安工业大学光电工程学院陕西省薄膜技术与光学检测重点实验室, 陕西 西安 710021
为实现光学元件表面疵病的三维全场测量,提出了一种数字全息显微扫描成像的检测方法。该方法基于数字全息角谱数值重建算法,获得光学元件表面划痕的相位分布,通过扫描拼接实现划痕的全场测量;然后,在数字全息显微实验装置的基础上增加二维精密扫描部件,对于宽50 μm、深50 nm标准划痕,测得其宽度为49.2 μm、深度为48.9 nm,同时拼接获得该划痕的全场三维形貌。实验表明:该检测方法可实现大视场划痕缺陷的全场三维测试,其宽度和深度测量的相对误差分别为1.6%和2.2%。
全息 划痕检测 数字全息 扫描拼接 全场测试
1 中国科学院安徽光学精密机械研究所中国科学院大气光学重点实验室 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
在工业应用中,需要对方形扁平无引脚封装(Quad flat no-lead package, QFN)芯片表面划痕实时 准确检测,提出了一种快速的芯片表面划痕检测定位方法。通过图像分割算法获取缺陷图像,结合 轮廓提取算法可以较好地实现芯片表面划痕定位。同时,为了保证对芯片表面划痕实时检测,采用 基于粒子群的Otsu多阈值算法进行图像分割,不仅使得图像中缺陷区域更加明显,而且缩短了芯片 表面划痕检测时间。与直接采用Otsu算法相比,芯片表面划痕检测时间由秒级缩短至毫秒级,提高 了芯片质量检测效率。该划痕快速定位检测方法对芯片检测设备软件系统开发与应用具有重要的参考价值。
方形扁平无引脚封装芯片 划痕检测 多阈值分割 粒子群优化算法 quad flat no-lead package chip scratch detection multi-threshold segmentation particle swarm optimization algorithm 大气与环境光学学报
2019, 14(4): 313
1 南京航空航天大学机电学院, 江苏 南京 210016
2 南京航空航天大学无锡研究院, 江苏 无锡 214187
采用高、低角度光源组合打光方式提取感兴趣区域,构建划痕形态学的中值滤波核以获取准确的背景图像,再经背景差分后提取划痕缺陷。采用基于方向梯度的改进区域生长算法实现了同一划痕的有效连通,降低了划痕缺陷的漏检率。通过对面积、长宽比等主要特征参数的置信度分析,提出了一种多特征加权融合的划痕判定方法。结果表明,利用该方法进行划痕检测的正确率达95.7%,算法处理时间少于1.21 s,达到了工程应用的精度和效率要求。
机器视觉 划痕检测 形态学特征 区域生长 多特征加权融合
1 西南交通大学 机械工程学院,成都 610031
2 中国科学院 光电技术研究所, 成都 610209
为了提高光学零件表面划痕定位测量和宽度测量的精度,采用基于离散正交多项式曲面拟合的亚像素边缘检测与宽度测量的算法,通过对边缘点及其邻域进行曲面拟合代替了只对边缘点梯度方向进行曲线拟合,实现了亚像素边缘检测;采取感兴趣区域加速策略与基于离散正交多项式曲面方程参量快速求解方法串联进行的加速方案,大大减少处理时间;在宽度计算方面,根据划痕长度自适应分段,分别计算每段分段点之间欧氏距离并作为其宽度,比较后取最大宽度作为划痕宽度。结果表明,该算法测量精度较高且具有较强的鲁棒性,同一划痕在不同视窗下测得宽度误差均值不超过5.2%,且标准差不超过0.3;在求解曲面模型参量的时间方面,该方法计算时间约为最小二方法的7.35%,处理效率显著提高。该方法能够满足工程应用中快速、高精度的测量要求。
测量与计量 划痕检测 曲面拟合 亚像素边缘提取 宽度测量 masurement and metrology scratch detection surface fitting sub-pixel edge detection width measurement