CCD表面缺陷檢測系統(tǒng)對不同產(chǎn)品的表面缺陷有著不同的定義和類型，一般而言表面缺陷是產(chǎn)品表面局部物理或化學性質(zhì)不均勻的區(qū)域，如金屬表面的劃痕、斑點、孔洞，紙張表面的色差、壓痕，玻璃等非金屬表面的夾雜、破損、污點，等等。表面缺陷不僅影響產(chǎn)品的美觀和舒適度，而且一般也會對其使用性能帶來不良影響，所以生產(chǎn)企業(yè)對產(chǎn)品的表面缺陷檢測非常重視，以便及時發(fā)現(xiàn)，從而有效控制產(chǎn)品質(zhì)量，還可以根據(jù)檢測結(jié)果分析生產(chǎn)工藝中存在的某些問題，從而杜絕或減少缺陷品的產(chǎn)生，同時防止?jié)撛诘馁Q(mào)易糾份，維護企業(yè)榮譽。

人工檢測是產(chǎn)品表面缺陷的傳統(tǒng)檢測方法，該方法抽檢率低、準確性不高、實時性差、效率低、勞動強度大、受人工經(jīng)驗和主觀因素的影響大，而基于機器視覺檢測方法可以很大程度上克服上述弊端。

美國機器人工業(yè)協(xié)會(RIA)對機器視覺下的定義為：“機器視覺檢測是通過光學的裝置和非接觸的傳感器自動地接收和處理一個真實物體的圖像，以獲得所需信息或用于控制機器人運動的裝置”。

機器視覺檢測是一種無接觸、無損傷的自動檢測技術(shù)，是實現(xiàn)設(shè)備自動化、智能化和精密控制的有效手段，具有安全可靠、光譜響應(yīng)范圍寬、可在惡劣環(huán)境下長時間工作和生產(chǎn)效率高等突出優(yōu)點。機器視覺檢測系統(tǒng)通過適當?shù)墓庠春蛨D像傳感器(CCD攝像機)獲取產(chǎn)品的表面圖像，利用相應(yīng)的圖像處理算法提取圖像的特征信息，然后根據(jù)特征信息進行表面缺陷的定位、識別、分級等判別和統(tǒng)計、存儲、查詢等操作;

　視覺表面缺陷檢測系統(tǒng)基本組成主要包括圖像獲取模塊、圖像處理模塊、圖像分析模塊、數(shù)據(jù)管理及人機接口模塊。

圖像獲取模塊由CCD攝像機、光學鏡頭、光源及其夾持裝置等組成，其功能是完成產(chǎn)品表面圖像的采集。在光源的照明下，通過光學鏡頭將產(chǎn)品表面成像于相機傳感器上，光信號先轉(zhuǎn)換成電信號，進而轉(zhuǎn)換成計算機能處理的數(shù)字信號。目前工業(yè)用相機主要基于CCD或CMOS(complementary metal oxide semiconductor)芯片的相機。CCD是目前機器視覺最為常用的圖像傳感器。

光源直接影響到圖像的質(zhì)量，其作用是克服環(huán)境光干擾，保證圖像的穩(wěn)定性，獲得對比度盡可能高的圖像。目前常用的光源有鹵素燈、熒光燈和發(fā)光二級管(LED)。LED光源以體積小、功耗低、響應(yīng)速度快、發(fā)光單色性好、可靠性高、光均勻穩(wěn)定、易集成等優(yōu)點獲得了廣泛的應(yīng)用。

光源構(gòu)成的照明系統(tǒng)按其照射方法可分為明場照明與暗場照明、結(jié)構(gòu)光照明與頻閃光照明。明場與暗場主要描述相機與光源的位置關(guān)系，明場照明指相機直接接收光源在目標上的反射光，一般相機與光源異側(cè)分布，這種方式便于安裝;暗場照明指相機間接接收光源在目標上的散射光，一般相機與光源同側(cè)分布，它的優(yōu)點是能獲得高對比度的圖像。結(jié)構(gòu)光照明是將光柵或線光源等投射到被測物上，根據(jù)它們產(chǎn)生的畸變，解調(diào)出被測物的3維信息。頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機拍攝要求與光源同步。

圖像處理模塊主要涉及圖像去噪、圖像增強與復(fù)原、缺陷的檢測和目標分割。

由于現(xiàn)場環(huán)境、CCD圖像光電轉(zhuǎn)換、傳輸電路及電子元件都會使圖像產(chǎn)生噪聲，這些噪聲降低了圖像的質(zhì)量從而對圖像的處理和分析帶來不良影響，所以要對圖像進行預(yù)處理以去噪。圖像增強目是針對給定圖像的應(yīng)用場合，有目的地強調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果的圖像處理方法。圖像復(fù)原是通過計算機處理，對質(zhì)量下降的圖像加以重建或復(fù)原的處理過程。圖像復(fù)原很多時候采用與圖像增強同樣的方法，但圖像增強的結(jié)果還需要下一階段來驗證;而圖像復(fù)原試圖利用退化過程的先驗知識，來恢復(fù)已被退化圖像的本來面目，如加性噪聲的消除、運動模糊的復(fù)原等。圖像分割的目的是把圖像中目標區(qū)域分割出來，以便進行下一步的處理。

圖像分析模塊主要涉及特征提取、特征選擇和圖像識別。

特征提取的作用是從圖像像素中提取可以描述目標特性的表達量，把不同目標間的差異映射到低維的特征空間，從而有利于壓縮數(shù)據(jù)量、提高識別率。表面缺陷檢測通常提取的特征有紋理特征、幾何形狀特征、顏色特征、變換系數(shù)特征等，用這些多信息融合的特征向量來區(qū)可靠地區(qū)分不同類型的缺陷;這些特征之間一般存在冗余信息，即并不能保證特征集是最優(yōu)的，好的特征集應(yīng)具備簡約性和魯棒性，為此，還需要進一步從特征集中選擇更有利于分類的特征，即特征的選擇。圖像識別主要根據(jù)提取的特征集來訓練分類器，使其對表面缺陷類型進行正確的分類識別。

數(shù)據(jù)管理及人機接口模塊可在顯示器上立即顯示缺陷類型、位置、形狀、大小，對圖像進行存儲、查詢、統(tǒng)計等。

機器視覺檢測表面缺陷檢測主要包括2維檢測和3維檢測，前者是當前的主要表面缺陷檢測方式，也是本文的著重論述之處。

機器視覺檢測在工業(yè)檢測、包裝印刷、食品工業(yè)、航空航天、生物醫(yī)學工程、軍事科技、智能交通、文字識別等領(lǐng)域得到了廣泛的應(yīng)用。工業(yè)檢測領(lǐng)域是機器視覺應(yīng)用中比重最大的領(lǐng)域，主要用于產(chǎn)品質(zhì)量檢測、產(chǎn)品分類、產(chǎn)品包裝等，如：零件裝配完整性檢測，裝配尺寸精度檢測，位置/角度測量，零件識別，PCB板檢測，印刷品檢測，瓶蓋檢測，玻璃、煙草、棉花檢測，以及指紋、汽車牌照、人臉、條碼等識別。表面質(zhì)量檢測系統(tǒng)是工業(yè)檢測的極其重要的組成部分，機器視覺檢測表面缺陷檢測在許多行業(yè)開始應(yīng)用，涉及鋼板[2-4]、玻璃[5-6]、印刷[7-9]、電子[10]、紡織品[11]、零件[12-13]、水果[14]、木材[15-16]、瓷磚[17-19]、鋼軌[20]等多種關(guān)系國計民生的行業(yè)和產(chǎn)品。

機器視覺檢測系統(tǒng)的研究和應(yīng)用范圍涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、交通和安全等國民經(jīng)濟的各個領(lǐng)域，基于機器視覺檢測的產(chǎn)品表面質(zhì)量檢測在現(xiàn)代自動化生產(chǎn)中得到了越來越多的重視和應(yīng)用。

機器視覺檢測表面缺陷檢測系統(tǒng)中，圖像處理和分析算法是重要的內(nèi)容，通常的流程包括圖像的預(yù)處理、目標區(qū)域的分割、特征提取和選擇及缺陷的識別分類。每個處理流程都出現(xiàn)了大量的算法，這些算法各有優(yōu)缺點和其適應(yīng)范圍。如何提高算法的準確性、執(zhí)行效率、實時性和魯棒性，一直是研究者們努力的方向。

機器視覺檢測表面檢測比較復(fù)雜，涉及眾多學科和理論，機器視覺檢測是對人類視覺的模擬，但是目前對人的視覺機制尚不清楚，盡管每一個正常人都是“視覺專家”，但難以用計算機表達自己的視覺過程，因此構(gòu)建機器視覺檢測系統(tǒng)還要進一步通過研究生物視覺機理來完善，使檢測進一步向自動化和智能化方向發(fā)展。