微小尺寸零件表面缺陷光学检测方法

兵工学报 ›› 2011, Vol. 32 ›› Issue (7): 872-877.

微小尺寸零件表面缺陷光学检测方法

李晓舟₁，于化东₁，于占江₁，刘岩₁，许金凯^1,2

（1.长春理工大学机电工程学院，吉林长春 130022；2.中国科学院长春光学精密机械与物理研究所，吉林长春 130033）

收稿日期:2009-11-25 修回日期:2009-11-25 上线日期:2014-05-04
通讯作者: 李晓舟₁ E-mail:lixiaozhoulgdx@sian.com
作者简介:李晓舟(1963—)男，副教授

Optical Inspection Method for Surface Defects of Micro-components

LI Xiao-zhou¹， YU Hua-dong¹， YU Zhang-jiang¹， LIU Yan¹， XU Jin-kai^{1, 2}

(1.School of Mechanical and Electrical Engineering，Changchun University of Science and Technology，Changchun 130022，Jilin，China；2. Changchun Institute of Optics，Fine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，Jilin，China）

Received:2009-11-25 Revised:2009-11-25 Online:2014-05-04
Contact: LI Xiao-zhou E-mail:lixiaozhoulgdx@sian.com

摘要/Abstract

摘要： 为实现微小尺寸零件表面缺陷的快速精确检验，对微小尺寸零件表面缺陷光学检测技术进行了研究。以典型微小尺寸环形零件为研究对象，从零件的表面特征、缺陷类型及检测算法出发，建立了基于机器视觉的微小尺寸零件表面缺陷光学检测系统；通过对微小尺寸环形零件表面缺陷纹理特征研究，提出图像梯度方差加权信息熵算法抑制表面随机纹理，提取微观表面缺陷，进行微小尺寸零件缺陷的检测。实验结果表明：该检测算法能够快速有效地进行微小尺寸零件表面缺陷的识别与检测，缺陷识别率达96.5%. 实验验证了理论分析及表面缺陷检测算法的正确性，可用于微小尺寸零件表面缺陷的精确检验。为实现微小尺寸零件表面缺陷的快速精确检验，对微小尺寸零件表面缺陷光学检测技术进行了研究。以典型微小尺寸环形零件为研究对象，从零件的表面特征、缺陷类型及检测算法出发，建立了基于机器视觉的微小尺寸零件表面缺陷光学检测系统；通过对微小尺寸环形零件表面缺陷纹理特征研究，提出图像梯度方差加权信息熵算法抑制表面随机纹理，提取微观表面缺陷，进行微小尺寸零件缺陷的检测。实验结果表明：该检测算法能够快速有效地进行微小尺寸零件表面缺陷的识别与检测，缺陷识别率达96.5%. 实验验证了理论分析及表面缺陷检测算法的正确性，可用于微小尺寸零件表面缺陷的精确检验。

关键词: 信息处理技术, 微小尺寸零件, 表面缺陷检测, 图像识别, 机器视觉

Abstract: In order to realize the rapid precise detection for surface defects of micro-components, the optical detection technology was studied. Taking a typical micro ring component as object and considering its surface features and defect characteristics, an optical detection system was established on the basis of machine vision and pattern recognition. Through studies of the surface flaw texture in the component, an algorithm using weighted information entropy of image gradient variance was proposed to suppress the random surface texture, extract the flaws and detect the flaws in the micro-component. Experiment results show that the algorithm can effectively detect the flaws, and the recognition rate of the defect is about 96.5%. Also, the experiments verify its correctness, rapidity and preciseness.

Key words: information processing, micro-component, surface defect detection, image recognition, machine vision

中图分类号:

TP391.4

李晓舟₁，于化东₁，于占江₁，刘岩₁，许金凯. 微小尺寸零件表面缺陷光学检测方法[J]. 兵工学报, 2011, 32(7): 872-877.

LI Xiao-zhou， YU Hua-dong， YU Zhang-jiang， LIU Yan， XU Jin-kai. Optical Inspection Method for Surface Defects of Micro-components[J]. Acta Armamentarii, 2011, 32(7): 872-877.

参考文献

［1］ Lai X M, Li H T, Li C F, et al. Modelling and analysis of micro scale milling considering size effect,micro cutter edge radius and minimum chip thickness［J］. International Journal of Machine Tools & Manufacture 2008,(48) :1-14.
［2］ Phillip A G, Kapoor S G, et al. A new acceleration-based methodology for micro/meso-scale machine tool performance evaluation［J］. International Journal of Machine Tools & Manufacture, 2006,(46): 1435-1444.
［3］ Kurita T， Hattori M. Development of new-concept desk top size machine tool［J］. International Journal of Machine Tools & Manufacture Design Research and Application， 2005,（45）：959-965.
［4］于化东. 超精密微机械制造技术研究进展［J］. 长春理工大学学报: 自然科学版，2008，31（3）：1-8.
YU Hua-dong. Development of ultra-precision micro- machining technology［J］. Journal of Changchun University of Science and Technology: Natural Science Edition，2008，31（3）：1-8. (in Chinese)
［5］ Lin H D. Computer-aided visual inspection of surface defects in ceramic capacitor chips［J］. Journal of Materials Processing Technology，2007, 189(7):19–25.
［6］卢湖川，王友军，李辉. 火车轮对表面缺陷检测［J］. 大连理工大学学报，2004，44（6）：897-900.
LU Hu-chuan，WANG You-jun，LI Hui. Detecting and measuring scratch of surface of train wheel［J］. Journal of Dalian University of Technology，2004，44（6）：897- 900.(in Chinese)
［7］ Hadizadeh H，Shokouhi S B. Random texture defect detection using 1-D hidden markov models based on local binary patterns［J］. IEICE Transactions on Information and Systems，2008, 91(1):1937-1945.
［8］刘良江，王耀南. 灰度直方图和支持向量机在磁环外观检测中的应用［J］. 仪器仪表学报，2006，27（8）：840-844.
LIU Liang-jiang，WANG Yao-nan. Ferrite core appearance inspection using gray histogram and support vector machine［J］. Chinese Journal of Scientific Instrument， 2006，27（8）：840-844. (in Chinese)
［9］杨磊，杨杰，郑忠龙. 海空复杂背景中基于自适应局部能量阈值的红外小目标检测［J］. 红外与毫米波学报，2006，25（1）：41-45.
YANG Lei, YANG Jie, ZHENG Zhong-long. Detecting infrared small targets based on adaptive local energy threshold under sea-sky complex backgrounds［J］. Journal of Infrared and Millimeter Waves，2006，25(1):41-45. (in Chinese)
［10］于劲松，万九卿，高秀林. 红外图像弱小点目标检测技术研究［J］. 兵工学报，2008，29（12）：1518-1521.
YU Jin-song，WAN Jiu-qing，GAO Xiu-lin. Research on dim point moving target detection in infrared image［J］. Acta Armamentarii，2008，29 (12):1518-1521. (in Chinese)
［11］王枚，王国宏. 基于BHPF 的夜间车牌图像增强方法［J］. 武汉大学学报:信息科学版, 2008，33（9）：951-954.
WANG Mei， WANG Guo-hong. An image enhancement method of nighttime blurred vehicle plate based on BHPF［J］. Geomatics and Information Science of Wuhan University, 2008, 33(9): 951-954. (in Chinese)
［12］孙双花，曲兴华，晏彧, 等. 基于图像测量技术的复杂工件自动检测系统研究［J］.制造技术与机床，2007，（11）：16-20.
SUN Shuang-hua, Qu Xing-hua, et al. Research on the automatic measuring system based on image measuring technology［J］. Advanced Test Technology and Equipment，2007，(11): 16-20. (in Chinese)
［13］夏爱利，马彩文，张砺佳. 一种基于高通滤波的背景抑制方法［J］. 科学技术与工程，2007，7（12）：9791-9793.
XIA Ai-li，MA Cai-wen, ZHANG Li-jia. Background suppression algorithm based on high-pass filter［J］. Science Technology and Engineering，2007，7(12):9791-9793. (in Chinese)
［14］张娟，沙爱民，高怀钢, 等. 基于数字图像处理的路面裂缝自动识别与评价系统［J］. 长安大学学报: 自然科学版，2004，24（2）：18-22.
ZHANG Juan， SHA Ai-min, GAO Huan-gang, et al. Automatic pavement crack recognition and evaluation system based on digital image processing［J］. Journal of Chang’an University: Natural Science Edition, 2004, 24(2): 18-22. (in Chinese)

[1]	曾溢良，蓝金辉，邹金霖. 滑动置信度约束的红外弱小目标跟踪算法研究[J]. 兵工学报, 2017, 38(9): 1771-1778.
[2]	李关防，崔杰，袁富宇. 基于线谱瞬时频率估计的被动声纳目标运动分析[J]. 兵工学报, 2017, 38(7): 1395-1401.
[3]	朱甦，薄煜明，何亮. 基于冗余字典的多特征压缩感知目标跟踪算法[J]. 兵工学报, 2017, 38(6): 1140-1146.
[4]	王啸, 韩太林, 张永立, 刘轩, 王义君, 宫玉琳. 多通道瞬态信号自适应变频算法[J]. 兵工学报, 2017, 38(6): 1161-1167.
[5]	张石，张百海，王飞帆，关子霄. 基于跳数量化的无线传感器网络节点定位算法[J]. 兵工学报, 2017, 38(5): 932-939.
[6]	夏平, 任强, 吴涛, 雷帮军. 融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割[J]. 兵工学报, 2017, 38(5): 940-948.
[7]	曹俊，郑翠娥，孙大军，张殿伦. 基于凸优化的水下载体定位研究[J]. 兵工学报, 2017, 38(3): 520-526.
[8]	向颉，茅永兴，郭才发. 船载雷达测速数据的船速修正新方法[J]. 兵工学报, 2017, 38(11): 2268-2273.
[9]	潘江怀，乔慧. 多传感器空间配准的病态性及其稳健估计[J]. 兵工学报, 2017, 38(10): 1965-1973.
[10]	王清，丁赤飚，付琨，任文娟. 基于膨胀运算的移动对象兴趣点检测方法[J]. 兵工学报, 2017, 38(10): 2041-2047.
[11]	李子高，李淑秋，闻疏琳. 一种基于独立成分分析的水下宽带信号波达方位估计方法[J]. 兵工学报, 2017, 38(1): 114-122.
[12]	刘泳庆，蒋硕，于栋，邵晓田. 窄带干扰抑制对码相位测量零值的影响分析[J]. 兵工学报, 2016, 37(2): 293-298.
[13]	管四海, 李智，黄辉，王哲. 带零吸收项的变步长l₀范数归一化最小均方误差算法[J]. 兵工学报, 2016, 37(11): 2170-2176.
[14]	焦传海，李永成，谢恺，杨运甫. 基于期望偏差和广义似然比检验的非重构宽带压缩盲感知[J]. 兵工学报, 2016, 37(10): 1837-1843.
[15]	刘红，曹颖，隆腾舞. 基于改进离散粒子群优化算法的容差电路故障特征提取[J]. 兵工学报, 2015, 36(8): 1494-1501.