在工业中经常使用高光面材质加工一些平整度较高,且表面要求较高的工件。
由于这些工件表面光滑,同时具有高反光等特性,导致缺陷表露不清晰,检测时会影响被测物的特征提取,降低表面缺陷检测成功率。
传统的检测方法仍然依靠大量人工凭借肉眼检测,不仅影响工作效率, 而且由于工人视觉疲劳、个人评判标准等因素存在, 直接影响零件的使用寿命和性能。除此之外, 还有采用激光探伤法、超声扫描检测法、红外检测法等无损检测方法,但因其检测成本较高,大多局限于部分高精密零件抽检。
为了解决高反光工件表面缺陷检测的问题,机器视觉的引入提高了金属表面缺陷检测的效率和精度,可以通过从图像中提取信息并处理后实现最终的智能检测与控制。
该方法区别于传统的视觉算法,优化后的算法可有效地解决图像采集时出现的高反光问题,同时可识别出产品划痕、裂纹、凹坑等缺陷类型,提供了更高的准确性,为后续的缺陷检测提供数据支持,提高生产效率。
场景一
高反光金属工件表面缺陷检测
检测项目
待检测产品为钛合金材质棒材,检测长度为215mm,直径约10mm,需要检测产品表面裂纹、坑点、表面啃伤、表面氧化皮等缺陷。检测时产品直线通过,并需要>6米/分钟。
检测难点
圆柱类金属件表面缺陷分布具有随机性和多样性,而金属件的表面纹理分布无规律,在缺陷检测时容易产生干扰,使得工件图像中夹杂较多的高光噪声,从而提取出很多虚假的目标缺陷,最终造成误检。
检测方法
由于工业现场环境复杂,任何一个小的变动都可能会涉及到整个项目的改造,从而导致项目周期长,实施成本高。针对这一系列问题,可针对性设计专用光源系统和光照方式,加之以深度学习技术为基础的智能视觉算法,即使在光照有微小变化的同时,也能保证各种缺陷都能准确的被检测出来,完美地解决高反光造成的噪声问题。
检测效果
检测表面氧化缺陷
检测表面坑点缺陷
场景二
高反光卫浴零部件表面缺陷检测
检测项目
待测试物料为卫浴零部件,需要对其表面划痕进行检测识别。
检测难点
生产制造中出现的细微划痕与加工的纹理易混淆,并且金属表面易反光,传统算法难以识别。
检测效果
场景三
高反光苹果LOGO瑕疵检测
检测项目
待测试物料为苹果LOG,需要对其表面瑕疵进行检测识别。
检测难点
此类型的工样品本身是属于镜面反光,工件本身平整度高,且易粘黏油污、手印等。
反光问题:由于材质表面光洁度很高,已经形成一个高光镜面,光源即使在很弱的状态下,表面的反光也会有非常强的对比度,这种对比度会把表面本身的杂质、划痕、研磨痕等缺陷覆盖,使得视觉拍照无法检测出零件表面缺陷。
倒影问题:由于材质表面已经形成一个镜面,一般的光学镜头和视觉光源的灯珠等都会在材质表面形成倒影,这个倒影会成像在最后的检测画面上,会严重影响材质表面的成像效果,造成检测无法进行。
传统视觉系统(无法进行检测 )
检测方法反光问题:反射照明,平行光成像的光学原理,可以把镜面反光问题完美解决,即使表面有微小的划痕、擦伤、指纹、油污等缺陷也会以很高的灰度对比呈现出来,极大的降低了后期图像算法的难度。 倒影问题:同轴照明成像系统,路平行度高,光斑均匀且全覆盖检测样品本身,不会产生系统硬件在镜面本身上的倒影。 检测效果
矩视智能低代码平台可针对高反光工件检测,可应用于线缆、带钢、薄膜、玻璃、造纸、铝板带、铝箔、铜箔、无纺布等整个制造过程中。并在生产制造过程中对产品进行全方位检测,以确保出厂产品的品质要求,从而提高产品质量和工作效率。
审核编辑 :李倩
-
机器视觉
+关注
关注
161文章
4341浏览量
120091 -
检测
+关注
关注
5文章
4436浏览量
91360
原文标题:【光电智造】基于机器视觉的【高反光工件】外观瑕疵检测方法
文章出处:【微信号:今日光电,微信公众号:今日光电】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论