第1期 2018年1月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2018)01007304
D0I:10. 13462/j. cnki. mmtamt. 2018. 01. 018
基于图像像素级分割与标记映射的
工件表面微小缺陷检测算法
李振兴，张义平，丁震龙”
No.1 Jan.2018
（1.苏州市职业大学机电工程学院，江苏苏州215104;2.苏州沃尔泰精密机械有限公司，江苏苏州215000）
摘要：为了解决当前工件表面微小缺陷在边缘模糊和特征不明显的情况下，导致其检测不准确的问题，文章提出了基于图像像素级分割与标记映射的工件表面微小缺陷检测算法。首先，利用工业显微镜采集工件图像，获取显微缺陷图：根据高效原则，以整数代替浮点运算，位移代替乘法运算，设计位移亮度滤波算子，进行平台数据转换，基于像素亮度阅值的标记映射，获取显微图像的像素亮度分布的二值图像。然后，耦合高斯平滑滤波与形状滤波，增强图像边缘轮廊特征，进行连通区域标记，准确识别与定位微小缺陷。最后，对缺陷目标进行特征计算和标注显示，完成微小缺陷的自动检测和定量计算。实验测试结果显示：与当前工件表面缺陷检测算法相比，文中检测技术拥有更高的识别精度。
关键词：缺陷检测；像素分割；标记映射；亮度滤波
中图分类号：TH165；TG659
文献标识码：A
Work-pieceSurfaceTinyDefectsDetectionAlgorithmBased on
Pixel Level Image Segmentation and Marker Mapping LI Zhen-xing', ZHANG Yi-ping', DING Zhen-long
( 1. College of Mechanical and Electrical Engineering, Suzhou Vocational University, Suzhou Jiangsu 215104, China;2. Suzhou AllTech Precision Machinery Co. , Ltd, Suzhou Jiangsu 215000, China)
Abstract: In order to solve the current surface tiny flaws in the case of edge blur and characteristics is not obvious, lead to inaccurate algorithm to detect the problem, this paper respectively coupled image algorithm saaeae small workpiece surface defect detection algorithm. Displacement brightness filter operator first, design, and data transfer platform, based on pixel brightness threshold marker mapping, get the binary image on behalf of the pixel luminance distribution. Then, coupling based on Gaussian smoothing filtering and shape filte-ring, enhances image edge profile characteristics, the marking of the binary connected region mapping, a-chieve the goal of positioning tiny flaws. Finally, characteristics of calculation and annotation, according to complete the automatic detection and quantitative calculation for small defects. Test results show that com-pared with the current defects detection algorithm, in this paper, detection technology has higher accuracy Key words: defect detection; pixel segmentation; marker mapping; luminance filtering
0引言
在对工件进行自动化加工过程之前，需要检测出工件表面存在微小的缺陷，从而提高工件产品的质量!1-2]。在当前制造业领域中，微小缺陷一般在纳米级，在工业显微成像系统下，虽然可以成像观察到，但是存在缺陷目标边缘模糊、特征不明显的问题，加之杂质干扰，最终影响机器视觉的检测结果。为此，国内外
收稿日期：2017-03-28；修回日期：2017-05-23
学者提出了相应的工件表面缺陷检测技术，而且已经取得了一定研究成果，如蒋财运[3]提出了基于GPU的金属工件表面缺陷检测算法，先使用图像采集设备采集金属工件的表面图像，完成混合噪声滤除等预处理后，进行图像配准并使用差影法分割图像，然后标记缺陷和提取缺陷纹理特征，最后进行工件缺陷的分类和识别，完成不合格工件的自动检出工作。但是，此技术
*基金项目：国家自然科学基金项目（11372206）；苏州市工业科技攻关项目（SGZ2014002）；苏州市职业大学成果创新项目（SVU2016CGCX13）
作者简务势数据983—），男，江苏泰州人，苏州市职业大学实验师、工程师，研究方向为数控技术，CAD/CAM/CAE，（E－mail）zhenxingD203@
163.eom