薄膜表面瑕疵就是在薄膜的生產(chǎn)過程中，由于各種原因?qū)е卤砻娉霈F(xiàn)缺陷。比如設(shè)備故障或性能不佳、操作人員操作不當(dāng)、生產(chǎn)原料在傳送過程中被意外污染等都可能導(dǎo)致薄膜表面出現(xiàn)。在氟塑料薄膜生產(chǎn)過程中，要經(jīng)過較多的工序，且每個(gè)工序都可能產(chǎn)生一些影響，從而產(chǎn)生瑕疵。表面瑕疵會嚴(yán)重地影響塑料薄膜的質(zhì)量和品質(zhì)，致使產(chǎn)品的殘次品率增加。薄膜表面瑕疵檢測的目的就是在產(chǎn)品生產(chǎn)過程中及時(shí)發(fā)現(xiàn)這些瑕疵，通過修復(fù)和預(yù)防，盡可能降低由瑕疵導(dǎo)致的產(chǎn)品質(zhì)量下降，有時(shí)也同時(shí)完成瑕疵的分類。

　　由于瑕疵種類眾多，要找出一種能檢驗(yàn)出所有瑕疵的通用模式識別算法的可能性不大。為了便于本文的討論，根據(jù)氟塑料薄膜表面瑕疵的特征，并結(jié)合常見的瑕疵類型，將薄膜表面瑕疵種類簡單地劃分有機(jī)物污染、金屬斑點(diǎn)、孔洞三類瑕疵。

二、常見的瑕疵檢測算法

　　基于機(jī)器視覺的瑕疵檢測技術(shù)的核心內(nèi)容是對采集的圖像進(jìn)行分析將瑕疵從背景中分離出來，瑕疵檢測的圖像分析算法一般有兩類：一類是直接對圖像的灰度值在空間域進(jìn)行分析和計(jì)算;另一類是通過傅立葉變換!小波變換等算法,先把圖像轉(zhuǎn)換到頻域,再進(jìn)行分析和計(jì)算畔。

    1.在空間域的瑕疵檢測算法

　　在空間域進(jìn)行瑕疵檢測的常用算法中包括灰度匹配法!數(shù)學(xué)形態(tài)法、灰度統(tǒng)計(jì)量法、紋理結(jié)構(gòu)模型法。

    （1）灰度匹配法：它一般通過將待測產(chǎn)品與無瑕疵樣品進(jìn)行灰度比較，求出兩者灰度的一種度量差,再與設(shè)定閩值比較，對待測圖像做出判斷。這種方法比較簡潔，檢測速度比較快，適合實(shí)時(shí)處理。但對圖像的質(zhì)量要求較高,易受噪聲的影研句。

　?。?）數(shù)學(xué)形態(tài)法：該算法首先根據(jù)標(biāo)準(zhǔn)無瑕疵圖像的自相關(guān)函數(shù)計(jì)算產(chǎn)品的基本重復(fù)單元；然后計(jì)算有瑕疵產(chǎn)品圖像像素點(diǎn)的灰度均值及標(biāo)準(zhǔn)差，并根據(jù)它們確定產(chǎn)品圖像瑕疵區(qū)域與無瑕疵區(qū)域的判別閉值。由己知的無瑕疵的產(chǎn)品圖像得到結(jié)構(gòu)元素。實(shí)際檢測時(shí)，首先將待檢產(chǎn)品圖像的像素點(diǎn)與該閡值進(jìn)行逐點(diǎn)比較，對圖像進(jìn)行二值化,然后通過數(shù)學(xué)形態(tài)處理來判斷待檢產(chǎn)品是否帶有瑕疵并根據(jù)瑕疵的形狀確定瑕疵的類別。這種方法能夠判斷具體瑕疵的類別，但由于它要對像素點(diǎn)進(jìn)行逐點(diǎn)二值化，因而受噪聲的影響大，容易引起錯(cuò)誤檢測。其次，因?yàn)檫@種檢測方法的計(jì)算步驟多，所以處理速度較慢。

　　（3）灰度統(tǒng)計(jì)量法：這種算法與形態(tài)法有些相似，首先根據(jù)標(biāo)準(zhǔn)無瑕疵產(chǎn)品圖像的自相關(guān)函數(shù)計(jì)算產(chǎn)品的基本重復(fù)單元。然后以基本重復(fù)單元為標(biāo)準(zhǔn)窗口大小，計(jì)算無瑕疵產(chǎn)品圖像中每幅窗口像素點(diǎn)的平均灰度，并求出這些平均灰度的均值和標(biāo)準(zhǔn)差，并根據(jù)公式來確定無瑕疵窗口和有瑕疵窗口的判別閉值。這種方法的關(guān)鍵在于選擇標(biāo)準(zhǔn)窗口的大小。窗口選擇太大，雖然能降低窗口平均灰度的標(biāo)準(zhǔn)差，但是瑕疵對窗口平均灰度的影響相對減弱，從而造成漏檢；另一方面，如果窗口選擇偏小，標(biāo)準(zhǔn)差將會增加而使判別閉值范圍很大，會引起誤檢。

　?。?）紋理結(jié)構(gòu)模型法：通過提取正常紋理中少量特征參數(shù)，建立相應(yīng)的紋理模型，通過分析待檢測圖像找到異常信息來斷定瑕疵是否存在。首先根據(jù)無瑕疵樣品的圖像估計(jì)該隨機(jī)場模型參數(shù)，并以此為匹配模板。在實(shí)際檢測時(shí)，將待檢測圖像的模型參數(shù)與模板進(jìn)行對比，通過統(tǒng)計(jì)假設(shè)法對待檢圖像做出判斷。該方法的最大優(yōu)點(diǎn)在于采用較少的隨機(jī)場模型參數(shù)表示一幅產(chǎn)品圖像，同時(shí)又因?yàn)槠淠Ｐ蛥?shù)的估計(jì)算法的效率高，從而減少了圖像分析的總體計(jì)算量。其次由于該方法從圖像時(shí)域信號統(tǒng)計(jì)的角度出發(fā)，它對瑕疵的檢測不受瑕疵類別的限制。這種方法的不足在于僅僅通過隨機(jī)場模型并不能最大限度地降低圖像分析的計(jì)算復(fù)雜度和提高圖像處理的速度，因而還不能實(shí)現(xiàn)瑕疵的快速自動檢測。這種方法比較容易從整體上檢測出有無瑕疵，但是難于精確地進(jìn)行瑕疵分類。

    2.在頻域的瑕疵檢測算法

　　在頻域進(jìn)行瑕疵檢測的常用算法中包括基于傅立葉變換的算法,基于小波變換的算法。

　　(l)基于傅立葉變換的算法

　　(a)基于傅立葉變換的檢測算法

　　由于紋理信號的重復(fù)性使基于傅立葉變換的方法較適于采用頻譜方法進(jìn)行分析。但由于基于傅立葉變換的檢測方法缺乏空間域中的定位能力。因此只適合于檢測全局瑕疵，而不適合檢測局部瑕疵。

　　(b)基于Short-time傅立葉變換的檢測算法

　　通過傅立葉變換可以獲取信號所含的頻率信息，但是并不知道這些頻率信息出現(xiàn)在那個(gè)時(shí)間段上。基于Short-time傅立葉變換的檢測方法較好地解決了這個(gè)問題。它可以描述某一局部時(shí)間段上的頻率信息，能反映出一個(gè)信號在任意局部范圍的頻率信息。為了適應(yīng)不同問題的需要，人們構(gòu)造了多種形式的窗口函數(shù)，如常用的矩形窗、漢明窗等。這種方法具有空間域定位能力，具有空頻域結(jié)合分析能力。它的缺點(diǎn)是對閉值的選取很敏感,誤檢率較高，并且計(jì)算量很大。

　　(2)基于小波變換的算法

　　小波在瑕疵檢測中也具有較多的應(yīng)用"小波濾波器系數(shù)和待檢產(chǎn)品圖像構(gòu)成二次代價(jià)函數(shù),再加上小波濾波器系數(shù)的正交約束條件構(gòu)成一個(gè)二次函數(shù)"把瑕疵圖像經(jīng)該濾波器濾波,二值化后瑕疵的位置有明顯的峰值"當(dāng)濾波器系數(shù)個(gè)數(shù)同紋理重復(fù)單元的像素個(gè)數(shù)相等時(shí),則說明瑕疵對自適應(yīng)小波的反應(yīng)最敏感"該算法一般情況下對瑕疵圖像作小波分解并對小波分解的緯向!經(jīng)向輸出進(jìn)行檢測"該算法具有多分辨率的特點(diǎn),以及在時(shí)頻兩域表征信號局部特征的能力,非常適合檢測信號的奇異點(diǎn),有利于瑕疵正確定位"小波變換則由于其檢測畸變信號的優(yōu)良特性,使之成為傅立葉變換之后在信號檢測中最具發(fā)展前途的研究工具之一"

　　這些頻域算法計(jì)算時(shí)一般較復(fù)雜,實(shí)時(shí)性較差,同一算法對不同類型瑕疵的適應(yīng)性差,因而距實(shí)際應(yīng)用尚有一定距離"

　　由于瑕疵具有種類多樣性和形態(tài)復(fù)雜性等特點(diǎn)，使得此方向的研究還有待于開發(fā)出簡單易行的高效算法。本文綜合考慮上述各類算法的優(yōu)缺點(diǎn)，結(jié)合氟塑料薄膜背景色單一的自身特點(diǎn)，采用基于灰度匹配的瑕疵檢測快速算法。因此，下一節(jié)將結(jié)合本文北京,討論三種常見的基于灰度的瑕疵檢測算法。從中得到適合本文的基于灰度匹配的瑕疵檢測快速算法。

三、三種常見的基于灰度的瑕疵檢測算法

　　通過對以往研究的總結(jié)和對實(shí)際薄膜圖像的分析可知，薄膜圖像在灰度上呈現(xiàn)一定規(guī)律變化，具有一定的連續(xù)性和相關(guān)性，是一個(gè)灰度漸變的過程。而瑕疵則被認(rèn)為是這種灰度連續(xù)性的破壞，即在瑕疵處出現(xiàn)與周圍灰度的突變。由此可見，對瑕疵的檢測過程其實(shí)就是一個(gè)薄膜圖像的灰度分析的過程。

　　氟塑料薄膜瑕疵的種類較多,并且這些瑕疵大小不一，形態(tài)各異，造成這些瑕疵的原因也大相徑庭。因此，目前要找到一種能檢驗(yàn)出所有瑕疵的通用模式識別算法不太現(xiàn)實(shí)。因此可以將瑕疵的類型分為有機(jī)物污染、金屬斑點(diǎn)、孔洞三類常見瑕疵。需要說明的是瑕疵的種類較多,以上分類只是包含了較常見的種類。

　　三種常見的基于灰度的瑕疵檢測算法分別是直接閉值分割法,多次閉值分割法,標(biāo)準(zhǔn)模板匹配法。下面以本實(shí)驗(yàn)所采集的瑕疵圖像進(jìn)行實(shí)驗(yàn)和比較。

 

圖1 采集的瑕疵圖像

 

　?。?）直接闡值分割法：

　　對灰化后的圖像直接選取閩值進(jìn)行閩值分割,濾波,可以檢測出瑕疵"此方法很難直接得到準(zhǔn)確的閉值,需要依靠經(jīng)驗(yàn);而且對圖像的質(zhì)量要求較高,易受噪聲的影響"

　?。?）多次閉值分割法：

　　本實(shí)驗(yàn)中對灰化后的圖像直接用150進(jìn)行閡值分割，可以檢測出金屬斑點(diǎn),如圖2所示。由于剩下的孔洞和有機(jī)物污染差別較小，所以要進(jìn)行直方圖均衡化把灰度差值拉大。對直方圖均衡化后的圖像用35進(jìn)行閉值分割，可以檢測出孔洞。然而由于原圖像中存在灰度值較低的金屬斑點(diǎn)，直接進(jìn)行直方圖均衡化，效果必然不夠明顯,因此這里的均衡化僅對金屬斑點(diǎn)以外的像素進(jìn)行操作，如圖3所示。為了去除由于直方圖均衡化帶來的噪點(diǎn)，達(dá)到良好的效果,這里選用了3X3模板的中值濾波器進(jìn)行濾波,如圖4所示。再對圖像進(jìn)行直方圖均衡化吧灰度差值拉大，對直方圖均衡化的圖像用110進(jìn)行閾值分割，如圖5所示，由于有機(jī)物污染一般面積較大，故選取9*9領(lǐng)域的中值濾波進(jìn)行去噪，如圖6所示。

　　其中，三次所選用的閾值是基于不同的領(lǐng)域。閾值150是直接原圖像上的灰度值，閾值35是經(jīng)過一次直方圖均衡化新圖像上的灰度值，110是經(jīng)過兩次直方圖均衡化后新圖像上的灰度值。

                 圖2 閾值分割                             圖3 直方圖均衡化后的閾值分割

 

圖4 對圖3進(jìn)行中值濾波                    圖5 直方圖均衡化后的閾值分割              圖6 對圖5進(jìn)行中值濾波

　?。?）標(biāo)準(zhǔn)模板匹配法：

　　對圖像灰化后,選取沒有瑕疵的一行為模板。現(xiàn)選取第一行為模板。從第二行起，其它各行對應(yīng)位上像素的灰度值分別與第一行相減，此時(shí)構(gòu)造一個(gè)與原圖像大小相同的矩陣，各對應(yīng)位上分別存放一次差分后的差值,這樣形成一個(gè)一次差分矩陣。再分別用閩值100，25，10檢測到金屬斑點(diǎn)、孔洞、有機(jī)物污染,如7至圖9所示。

 圖7 一次差分后閾值分割（100）  　　　　 圖8一次差分后閾值分割（25）      圖9 一次差分后閾值分割

　　三種算法分別從以下幾個(gè)方面加以比較:

　　(l)在程序執(zhí)行時(shí)間上

　　直接閉值分割法所用時(shí)間最少；多次閾值分割法在檢測孔洞和有機(jī)物污染之前要先分別做一次直方圖均衡化，再進(jìn)行閉值分割，所以所用時(shí)間最多；標(biāo)準(zhǔn)模板匹配法先做一次差分，然后再用閉值分割，所以時(shí)間折中。

　　(2)在系統(tǒng)抗干擾性上

　　由于實(shí)際生產(chǎn)的現(xiàn)場比試驗(yàn)室情況復(fù)雜，存在各種干擾。所以對于同一瑕疵的檢測，閉值可調(diào)范圍越大，則說明此種方法抗干擾性強(qiáng)。直接閉值分割法很難直接得到準(zhǔn)確的閑值，需要依靠經(jīng)驗(yàn)；而且對圖像的質(zhì)量要求較高，易受噪聲的影響，所以閉值可調(diào)范圍最小。多次閡值分割法中金屬斑點(diǎn)的可調(diào)范圍是140~200，孔洞的可調(diào)范圍是25~40，有機(jī)物污染的可調(diào)范圍是90~180。標(biāo)準(zhǔn)模板匹配法中金屬斑點(diǎn)的可調(diào)范圍是60~120,孔洞的可調(diào)范圍是21~28,有機(jī)物污染的可調(diào)范圍是8~14。所以，多次閾值分割法對三種瑕疵的閉值可調(diào)范圍最大，標(biāo)準(zhǔn)模板匹配法次之,直接閉值分割法最小。即在抗干擾性上，多次閉值分割法最強(qiáng)，標(biāo)準(zhǔn)模板匹配法折中。直接閉值分割法最差，

　　(3)在所需的存儲空間上

　　直接閉值分割法是對灰化后的圖像直接閉值分割，所以所需的存儲空間最?。欢啻伍]值分割法需要存儲兩幅直方圖均衡化后的圖像（檢測孔洞和有機(jī)物污染時(shí)需要），然后再去閉值分割，所以所需的存儲空間最多;標(biāo)準(zhǔn)模板匹配法要

　　保留一幅一次差分后的圖像,所以所需的存儲空間折中

　　(4)在所需人工參與上

　　由于各方法所包含的處理過程不同,而導(dǎo)致所需人工參與的多少不同。直接閾值分割法中包含的處理過程最少，方法簡單，調(diào)節(jié)范圍小，當(dāng)外界環(huán)境變化時(shí)，需要的人工參與最多;多次閉值分割法中包含的處理過程最多，調(diào)節(jié)范圍大，能適應(yīng)復(fù)雜的工況環(huán)境，需要的人工參與最少；標(biāo)準(zhǔn)模板匹配法中包含的處理過程數(shù)目折中,需要的人工參與也折中。

 

	直接閾值分割法	多次閾值分割法	標(biāo)準(zhǔn)模板匹配法
運(yùn)行時(shí)間	最少	最多	折中
抗干擾性	最差	最強(qiáng)	折中
所需人工參與	最多	最少	折中
所需存儲空間	最小	最多	折中
優(yōu)點(diǎn)	速度快，處理過程簡單，所需存儲空間小	抗干擾性強(qiáng)，所需人工參與少	各性能指標(biāo)折中
缺點(diǎn)	抗干擾性差；閾值需依靠經(jīng)驗(yàn)；閾值稍有變化可能導(dǎo)致漏檢	速度慢，所需占用的存儲空間大	各性能指標(biāo)折中

表1三種常見的基于灰度的檢測算法性能比較

　　通過三種常見的基于灰度的檢測算法的對比，并結(jié)合課題的需求，本實(shí)驗(yàn)中選擇標(biāo)準(zhǔn)模板匹配法和多次閉值分割法分別作為粗檢測和細(xì)檢測的核心方法。因此，本實(shí)驗(yàn)采用粗檢測一細(xì)檢測兩步策略的瑕疵檢測算法。