表面缺(que)陷是工業產(chan)(chan)(chan)品(pin)生(sheng)產(chan)(chan)(chan)中(zhong)不可避免的(de)(de)(de)(de)問題(ti)，如果不及(ji)時發(fa)現處理，將會影響產(chan)(chan)(chan)品(pin)的(de)(de)(de)(de)外(wai)觀質量及(ji)性能(neng)，導致企業生(sheng)產(chan)(chan)(chan)效(xiao)益下降。現如今，基于機(ji)器視(shi)覺的(de)(de)(de)(de)表面檢(jian)(jian)測(ce)(ce)方法在(zai)很多現代化企業中(zhong)得(de)到(dao)了廣泛(fan)的(de)(de)(de)(de)應用，在(zai)文(wen)中(zhong)將分析主流機(ji)器視(shi)覺檢(jian)(jian)測(ce)(ce)方法的(de)(de)(de)(de)優缺(que)點，并指出(chu)現有(you)機(ji)器視(shi)覺檢(jian)(jian)測(ce)(ce)技(ji)術存(cun)在(zai)的(de)(de)(de)(de)問題(ti)和(he)對以后的(de)(de)(de)(de)發(fa)展(zhan)(zhan)趨勢做進(jin)一步的(de)(de)(de)(de)展(zhan)(zhan)望。

各種檢查方法的比較

基于機器視覺的(de)缺(que)陷檢(jian)測(ce)(ce)方(fang)法(fa)的(de)比較如表1所示(shi)，包(bao)括各種(zhong)方(fang)法(fa)的(de)主流(liu)分類（檢(jian)測(ce)(ce)）模型、優缺(que)點對比。

基(ji)于機器視覺的(de)表面缺陷檢測技術在理論(lun)研究和(he)工(gong)業實際應用(yong)中均取得(de)了滿意的(de)成果，但現階段仍存在以下問題和(he)難點。

（1）在圖像(xiang)采集(ji)階段，受光照條件、現(xian)場環境、拍(pai)攝(she)角度(du)和(he)距離等因(yin)素(su)的(de)(de)影(ying)響(xiang)，被(bei)(bei)檢(jian)測(ce)物(wu)體的(de)(de)表觀特征(zheng)會(hui)產生變化，對檢(jian)測(ce)精度(du)產生一定的(de)(de)影(ying)響(xiang)，同時，噪聲(sheng)的(de)(de)干擾(rao)以及被(bei)(bei)檢(jian)測(ce)物(wu)體的(de)(de)部(bu)分(fen)遮(zhe)擋也會(hui)影(ying)響(xiang)到圖像(xiang)的(de)(de)質(zhi)(zhi)量(liang)，降(jiang)低系統(tong)的(de)(de)檢(jian)測(ce)性能。如何(he)提(ti)高圖像(xiang)采集(ji)的(de)(de)質(zhi)(zhi)量(liang)，最(zui)大程度(du)上(shang)降(jiang)低外界(jie)因(yin)素(su)的(de)(de)干擾(rao)是(shi)需要(yao)解決的(de)(de)問題之一。

（2）傳統機(ji)器視覺的(de)(de)缺陷(xian)檢(jian)(jian)測方法依賴(lai)于特(te)征模板的(de)(de)選擇及提取(qu)，特(te)征提取(qu)的(de)(de)好壞(huai)對整(zheng)體檢(jian)(jian)測系(xi)統的(de)(de)檢(jian)(jian)測精度及性能(neng)有(you)著決定(ding)性作用，同(tong)時傳統機(ji)器視覺的(de)(de)檢(jian)(jian)測方法需要人工提取(qu)特(te)征信(xin)息，不具有(you)自動提取(qu)全部(bu)有(you)用特(te)征信(xin)息的(de)(de)能(neng)力(li)。如何(he)參考模板精度，降低特(te)征提取(qu)的(de)(de)復(fu)雜性與(yu)不確定(ding)性仍是值得進(jin)一步研究的(de)(de)問題(ti)。

（3）雖然(ran)機(ji)器視(shi)覺(jue)檢(jian)測(ce)在工業生(sheng)產中(zhong)(zhong)已經取得了較(jiao)好(hao)的(de)檢(jian)測(ce)效果，但是在實際圖(tu)像采集過(guo)程(cheng)中(zhong)(zhong)，真實的(de)缺(que)(que)(que)陷(xian)數據較(jiao)少，且表面缺(que)(que)(que)陷(xian)種類繁(fan)多，形式(shi)多樣(yang)，缺(que)(que)(que)陷(xian)特征的(de)提取效率較(jiao)低，同時(shi)，模型對新產生(sheng)的(de)缺(que)(que)(que)陷(xian)類型不能(neng)進行正(zheng)確(que)識別，不足以利(li)用(yong)深度學習的(de)方(fang)法進行訓練。如何獲取足夠的(de)缺(que)(que)(que)陷(xian)樣(yang)本，保證在實際應用(yong)中(zhong)(zhong)的(de)準(zhun)確(que)率是未來的(de)研究方(fang)向之(zhi)一。

（4）從缺(que)陷檢測(ce)(ce)的(de)(de)準確(que)性(xing)和實(shi)時(shi)性(xing)方面來看，盡管機器視(shi)覺檢測(ce)(ce)的(de)(de)一系列算法(fa)不斷更新，但檢測(ce)(ce)效率與檢測(ce)(ce)的(de)(de)準確(que)率與實(shi)際生產(chan)的(de)(de)需(xu)求還(huan)具有一定(ding)的(de)(de)差(cha)距(ju)。如(ru)何解決特征(zheng)的(de)(de)精(jing)確(que)提取，提高檢測(ce)(ce)系統(tong)的(de)(de)準確(que)性(xing)與實(shi)時(shi)性(xing)仍是現階段(duan)需(xu)要(yao)考慮的(de)(de)問題。

未來發展趨勢

目前(qian)，機(ji)器(qi)(qi)視覺技術(shu)已經在醫學、交通航(hang)海、工業(ye)生產等領域有(you)了突破性進展(zhan)，基于機(ji)器(qi)(qi)視覺的表面缺(que)陷檢測(ce)必將是未來的發(fa)展(zhan)趨勢，具體表現為以下兩個(ge)方面。

（1）目前(qian)基于機(ji)器視覺的(de)(de)缺(que)(que)陷(xian)檢測方(fang)法主要是對工業相(xiang)機(ji)獲取(qu)的(de)(de)二(er)位(wei)圖(tu)像進(jin)行(xing)檢測，檢測的(de)(de)對象是物體的(de)(de)表面缺(que)(que)陷(xian)，而二(er)維(wei)圖(tu)像的(de)(de)視野(ye)信息(xi)(xi)比較單一(yi)，無法進(jin)行(xing)產品(pin)各方(fang)位(wei)視野(ye)信息(xi)(xi)的(de)(de)表達。如何通(tong)過多個工業相(xiang)機(ji)對被檢測物體進(jin)行(xing)三維(wei)建模，獲得檢測目標的(de)(de)空(kong)間信息(xi)(xi)，提高缺(que)(que)陷(xian)檢測系統性能已是未來的(de)(de)一(yi)個重(zhong)要發展趨勢。

（2）機(ji)(ji)器(qi)視覺(jue)缺陷檢測方(fang)法(fa)目(mu)前還處于理論研(yan)究階(jie)段，在實際應(ying)用(yong)中仍達(da)不到現代(dai)化工業(ye)生產(chan)中精準化和智(zhi)能化的要求，利(li)用(yong)機(ji)(ji)器(qi)視覺(jue)技術設(she)計產(chan)品(pin)(pin)的分揀裝置(zhi)，結合機(ji)(ji)械(xie)臂(bei)對(dui)缺陷產(chan)品(pin)(pin)進行分類(lei)剔除(chu)，建(jian)立一套全自(zi)動化的生產(chan)線(xian)，是未來工業(ye)生產(chan)的大勢所趨。