邬甜甜 潘洪军 毕振波 朱正祺 杭晟

[摘要]随着我国经济日益发展，很多新兴经济形式如雨后春笋般成长起来，其中值得一提的有民营经济、区域经济及数字经济。主要根据当前舟山经济发展趋势结合数字图像处理及人工智能等非接触的目标检测算法来分析机器检测在非标准产品检测中的优势和可行性，以便于提升经济效率和优化经济结构，达到促进舟山经济发展的目的，并发现相较于传统检测方法，机器智能检测能够更快速、精确地完成产品检测，降低成本。

[关键词]新经济发展;舟山经济;机器检测;产品检测

[中图分类号]TP391[文献标识码]A

1    引言

我国经济正在从高速发展向高质量发展转型，舟山经济也在谋求更好的发展道路，在市场经济能力、生产能力不断扩大的同时，人们对产品质量的要求也越来越高，产品质量影响产品的商业价值，阻碍商业经济发展，间接影响各领域经济的进步，针对这种情况，大部分企业提出“零缺陷”目标。产品缺陷的传统检测方法为人工检测法，但人工检测法在实际使用时存在很大的局限性，对于尺寸细微、灰度色差差距小，或是复杂背景图案上的缺陷，人眼很难辨别，在某些高速应用的领域，人眼也无法实现对高速生产的在线检测以及对生产质量全程实时监控的要求。另外，人具有主观意识，这会造成人工检测受人的情绪、思维等主观因素的影响，使检测结果具有极大的不可靠性，而且人工劳动强度大，检测成本高。正因为人工检测存在上述不足，因此需要一种更先进的方法来进行表面缺陷检测。近年来，随着电子技术、计算机技术的高速发展，用机器取代人眼，进行表面缺陷检测，已成为现代工业发展的一个重要趋势。

机器视觉检测系统可实现连续、无疲劳、恶劣工作环境下的24小时持续检测，且判断客观标准、高速高效，为企业提供人性化、信息化的生产管理提供了保障。同时检测成本比人工检测也会降低很多，可以有效减少工厂前期投入资金。突破产业界限，打破传统商业模式和资源利用方式，加快各领域、各环节向经济社会渗透的步伐。对处于战略性发展的舟山来说，实现高质量发展，大力学习数字经济是重要途径。

2    图像预处理

本文的检测系统主要检测非标产品的表面缺陷区域，由于在采集、传输、存储的过程中，图像易受到损坏或噪声污染，导致图像失真或降低质量，这种情况下，图像处理之前先进行预处理，便能有效减少图像的无用信息。大致流程如图1所示。

2.1    目标图像的预处理

2.1.1    灰度化处理。对彩色图像进行灰度化处理，可以有效减少图像复杂度和信息处理量。

GREY = WrR + WgG + WbB，                                              （1）

式中：GREY为灰度值; RGB即为red，green，blue，通常稱为三原色，也是彩图; Wr、Wg、Wb分别为 RGB的权重值。使用算子Rgb_to_gray（ image， grayimage）将RGB彩色图像转化为灰色图像。

2.1.2    图像增强处理。图像增强可以使图像中感兴趣的特征有选择的突出，衰减图像里次要信息，一般常用算法有灰度值转换、图像直方图修正、频域或空间域滤波、同态滤波等。原图像存在噪声干扰时可以采用二维中值滤波来实现对图像噪声的抑制以及对边缘信息的保护。

2.1.3    去除背景图像。背景图像属于无用信息，可以通过图像的减法运算，将背景从图像中去除。可以通过算子ImageSub =（ ImageMinuend - ImageSubtrahend ） ×Mult + Add来去除。

2.1.4    图像二值化。由于拍摄过程中有效信息，减少无用信息的干扰，通过图像二值化处理来使拍摄区域从背景中分离。二值化方法总体可以分为局部二值化和全局二值化两类，若f（x，y）>TH，那么f（x，y）=MAX;若f（x，y）≤TH，那么f（x，y）=0，其中TH为阈值，MAX为最大灰度值。

3    本文算法

3.1     数据分析

3.1.1    图像读取与灰度化。未做处理的原图像，利用halcon进行图像处理时，需要先读取图像，可以用摄像机或者手机拍摄目标图像，然后输入算子直接读取图像，read_image（Image，C：/Users/Administrator/Desktop/IMG_2365.JPG）

由于现在拍照都是彩色图像，图像所含信息量很多，图像处理的计算量也很大，为方便计算，把彩色图像转化成灰度图，去除彩色信息，只含亮度信息，如图2。

3.1.2    边缘提取。使用算子edges_sub_pix（grayimage，Edges1，canny， 0.9，20，40）通过canny滤波器来对目标区域进行亚像素级边缘提取，能够直接返回具有亚像素精度的像素点组成的边缘。提取的边缘如图3所示。

3.1.3    动态阈值二值化。图像经过灰度化后的整体灰度值差异较小，此时需要寻找一个合适的阈值将图像中的缺陷部分分离出来。选择算子：threshold（Image，region，？， 255），？位置分别带入50、80、100、150、180、200并运行，结果如下表1所示，可见（150，200）的阈值能达到预期目标，如图4。

3.1.4    缺陷检测。根据边缘提取区域，利用算子 reduce_domain 能够得到除去背景的非标产品图像，为防止预处理过程中产生的噪声影响缺陷检测，需要进行均值滤波，滤除噪声，达到图像平滑的目的，经过以上几个步骤处理，即可将缺陷检测出来。

4    结语

本文采用动态阈值二值化的方法来对目标图像进行检测，能针对各个区域的缺陷高效率高精度的完成检测，还可以节省检测时间与成本，满足生产线对精度的要求，若加上非标产品的分拣平台，还可以设计出一套综合的非标产品缺陷检测系统。但本文还存在很多不足，降低检测误差及检测种类方面还有待改进。

[参考文献]

[1] 赵喆，侯俊.基于肤色模型和改进 Adaboost 算法的人脸检测[J].电子科技，2015，28（ 12） ： 80-83.

[2] 何金彪，周永霞.基于机器视觉的罐盖缺陷检测[J].中国计量学院学报，2015，206（3）： 269-273.

[3] 郑云雷，黄影平.基于 HIL 和机器视觉的汽车仪表测试平台[J].电子科技，2015，28（ 12） ： 88-91.

[4] 高云飞，李红信，虎巍.基于最小二乘法椭圆的拟合点的选择研究[J].信息通信，2014 ，136（4）：6-7

[5] 李渊，乔兵，陆宇平.基于聚类方法的圆拟合算法[J].计算机应用，2013，33（z2）：206-208.

[6] 金贝. 基于 HALCON 的机器视觉教学实验系统设计[D].北京：北京交通大学，2012.

[7] 彭飞，陈维荣，冒波波，等.基于 Canny 边缘检测和聚合接续法的路轨边缘提取方法[J].铁道学报，2012，34（ 2） ： 52-57.

[8] 陈涛.基于HALCON 的表面贴装电子组件检测系统的研发[D].广州：华南理工大学，2011.