⑴ 机器视觉表面缺陷检测，表面瑕疵检测都什么玩意
机器视觉检测就是用机器代替人眼来做测量和判断,表面缺陷和表面瑕疵，就是指物体表面有划痕，有污点，缺料等，机器视觉表面缺陷检测就是指用机器代替人工把物件表面有划痕、污点，缺料，字符logo错误的物件挑选出来
下面以伟顾德机器视觉检测设备的工作流程为例，看看机器视觉检测设备是怎样工作的
1、物料系统把需要检测的物件按照需求排列好并输送到检测盘上
2、当物料在检测盘上运行到摄像机面前是，摄像机对物件进行拍照，并把照片传输给电脑
3、电脑根据程程序对图像进行分析，当电脑判断物件有缺陷和瑕疵时，控制吹气阀门将缺陷物件筛选出来，良品物件继续在检测盘上输送至良品收集器具中，至此，物件检测筛选完成。
机器视觉表面缺陷检测在实际检测过程中还涉及到很多东西，比如光源、计算软件，物料输送系统等，这里就不一一赘述。
⑵ 视觉检测是怎么发现产品缺陷的
物件的缺陷有很多种类，如尺寸不良，边角缺料，肥边，表面划痕，表面污物，字符logo漏印，错印等。一部手机从零部件到整机，中间可能经历了几百种不同过程的外观缺陷检测。
除了高昂的人力成本，人工检测的方式还存在效率低、易疲劳、人员流动率高需要反复培训等问题。为了解决这些问题，机器视觉检测应运而生，那么机器视觉是怎么发现产品缺陷的呢？
其实机器视觉的工作原理很简单，就是将待检产品的图片和良好的产品图片进行对比，如发现有偏差的地方就说明这个待检产品是不良品，是有缺陷的，机器视觉检测的难点在于如何使瑕疵更容易被识别出来，加大有瑕疵的产品图像与良品图像的差异度，这就涉及到光源和照相机精度的问题。
⑶ 机器视觉检测都检测什么原理是什么
工业机器视觉检测在很多情况下，又被称为缺陷检测、缺陷分割，是指机器通过视觉传感器（摄像头），将被摄取目标的像素分布、亮度、颜色等信息统统转化为图像信号，并通过运算抓取图像中目标物的特征从而对目标物特征进行识别，最后将缺陷像素从背景中分割出来，实现良品和次品的区分。
工业机器视觉可使用的范围比较广，据我所知，仅在缺陷监测方面，目前的视觉检测技术就已经可以识别斑点、刮痕、凹凸、结点、黑点、印子、气泡、杂质、压伤、褶皱、虫斑、针孔、锡点、结石等缺陷。
而在工业机器视觉领域，思谋算是一直走在行业的前列，其推出的（思谋）SMore ViMo（智能工业平台）能够无缝对接SMore ViNeo VN800、ViScanner VS1000 Pro等不同功能的工业机器视觉传感器和大量的一体化设备。通过不同产品和算法的搭配组合，可大大满足轴承外观检测、小型锂离子外观点胶检测、负极外壳缺陷检测、无线充电线圈检测、硅片字符视觉检测等多样化的检测需求。
另外，思谋还做到了零代码，整个搭建过程中无需代码编程，就可将复杂的模型训练过程简化，便利性极高。
⑷ 机器视觉，要检测0.002mm宽的划痕，用什么相机和光源
机器视觉光源按形状通常可分为以下几类:
1、环形光源
环形光源提供不同照射角度、不同颜色组合，更能突出物体的三维信息；高密度LED阵列，高亮度；多种紧凑设计，节省安装空间；解决对角照射阴影问题；可选配漫射板导光，光线均匀扩散。应用领域:PCB基板检测，IC元件检测，显微镜照明，液晶校正，塑胶容器检测，集成电路印字检查
2、背光源
用高密度LED阵列面提供高强度背光照明，能突出物体的外形轮廓特征，尤其适合作为显微镜的载物台。红白两用背光源、红蓝多用背光源，能调配出不同颜色，满足不同被测物多色要求。应用领域:机械零件尺寸的测量，电子元件、IC的外型检测，胶片污点检测，透明物体划痕检测等。
3、条形光源
条形光源是较大方形结构被测物的首选光源；颜色可根据需求搭配，自由组合；照射角度与安装随意可调。应用领域:金属表面检查，图像扫描，表面裂缝检测，LCD面板检测等。
4、同轴光源
同轴光源可以消除物体表面不平整引起的阴影，从而减少干扰；部分采用分光镜设计，减少光损失，提高成像清晰度，均匀照射物体表面。应用领域:系列光源最适宜用于反射度极高的物体，如金属、玻璃、胶片、晶片等表面的划伤检测，芯片和硅晶片的破损检测，Mark点定位，包装条码识别。
5、AOI专用光源
不同角度的三色光照明，照射凸显焊锡三维信息；外加漫射板导光，减少反光；不同角度组合；应用领域:用于电路板焊锡检测。
6、球积分光源
具有积分效果的半球面内壁，均匀反射从底部360度发射出的光线，使整个图像的照度十分均匀。应用领域:合于曲面，表面凹凸，弧形表面检测，或金属、玻璃表面反光较强的物体表面检测。
7、线形光源
超高亮度，采用柱面透镜聚光，适用于各种流水线连续检测场合。应用领域:阵相机照明专用，AOI专用。
8、点光源
大功率LED，体积小，发光强度高；光纤卤素灯的替代品，尤其适合作为镜头的同轴光源等；高效散热装置，大大提高光源的使用寿命。应用领域:适合远心镜头使用，用于芯片检测，Mark点定位，晶片及液晶玻璃底基校正。
9、组合条形光源
四边配置条形光，每边照明独立可控；可根据被测物要求调整所需照明角度，适用性广。应用案例:CB基板检测，IC元件检测，焊锡检查，Mark点定位，显微镜照明，包装条码照明，球形物体照明等。
10、对位光源
对位速度快；视场大；精度高；体积小，便于检测集成；亮度高，可选配辅助环形光源。应用领域:VA系列光源是全自动电路板印刷机对位的专用光源。
⑸ 机器视觉之表面划痕检测
在工业生产中总是经常遇到裂痕、划痕和变色等产品的表面缺陷问题，而这些问题不管对于人工检测还是机器视觉检测都极富挑战。其难度在于该类缺陷形状不规则、深浅对比度低，而且往往会被产品表面的自然纹理或图案所干扰。因此，表面缺陷检测对于正确打光、相机分辨率、被检测部件与工业相机的相对位置、复杂的机器视觉算法等要求非常高。
机器视觉划痕检测的基本分析过程分为两步：首先，确定检测产品表面是否有划痕，其次，在确定被分析图像上存在划痕之后，对划痕进行提取。
表面划痕通常可分为三大类：
第一类划痕，从外观上较易辨认，同时灰度变化跟周围区域对比也比较明显。可以选择较小的阈值精缺陷部分直接标记。
第一类划痕缺陷图像
第二类划痕，部分灰度值变化并不明显，整幅图像灰度比较平均，划痕面积也比较小，只有几个像素点，灰度也只比周围图像稍低，很难分辨。可以对原图像进行均值滤波，得到较平滑的图像，并与原图像相减，当其差的绝对值大于阈值时就将其置为目标，并对所有的目标进行标记，计算其面积，将面积过小的目标去掉，剩下的就标记为划痕。
第二类划痕缺陷图像
第三类划痕，各部分灰度差异较大，形状通常呈长条形，如果在一幅图像上采取固定阈值分割，则标记的缺陷部分会小于实际部分。由于这类图像的划痕狭长，单纯依靠灰度检测会将缺陷延伸部分漏掉。对于这类图像，根据其特点选择双阈值和缺陷形状特征相结合的方法。
第三类划痕缺陷图像
由于在工业检测中图像的多样性，对于每一种图像，都要经过分析综合考虑各种手段来进行处理达到效果。一般来说，划痕部分的灰度值和周围正常部分相比要暗，也就是划痕部分灰度值偏小；而且，大多都是在光滑表面，所以整幅图的灰度变化总体来说非常均匀，缺乏纹理特征。因此，划痕的检测一般使用基于统计的灰度特征或者阈值分割的方法将划痕部分标出。
基于机器视觉的表面缺陷检测量系统，可安装在具有规则形状的金属产品生产流水线上，对生产线上的每个产品的表面缺陷及外形尺寸等进行在线检测，尤其对于有金属光泽的产品的表面质量检测效果更加突出。当检测到有缺陷的工件时，系统可根据实际需求发出相应的控制信号，即可直接将废品剔除，也可控制打标机构在缺陷品上喷涂标志。
⑹ 在工业上，有些产品外观很大或者很重，人工检测比较困难，现在有机器视觉可以检测，具体是怎么使用的呢
机器视觉系统非常灵活,您可以使用它们来检测大量不同类型，不同大小和不同形状的对象。无论是在拾取和放置应用中检测电路板，为机器维护应用检测零件还是为码垛应用检测盒子，您都可以使用机器视觉技术。可以教机器人视觉算法识别几乎所有在相机视图中显示为清晰，清晰图像的物体
机器视觉系统的演示几乎只使用带有规则且清晰定义的轮廓的小物件。大而笨拙的物体的问题在于将它们教给视觉系统可能具有挑战性。大物体可能无法完全容纳在相机视图中，或者可能占据了太多视图。尽管只需要检测对象的一部分以进行有用的检测，但是如果每次都在相机中出现对象的不同部分，则机器人视觉将无法识别它是同一对象。
可以实施解决方案来分别处理所有这些因素，例如更改照明，添加新背景，实施避免物体重叠的系统，其中某些情况可能是您所需要的。
您可以对机器人编程进行一个简单的更改，这个技巧涉及使用对象的2D CAD模型而不是对象本身来训练视觉算法。无需像通常的示教方法那样为物体拍照，只需将CAD文件加载到机器人的示教器中即可。 在检测阶段，算法将使用此CAD模型来检测图像中对象的实例。
使用CAD模型教学的5个理由
1、由于CAD模型不会受到灯光变形，反射或其他因素的影响，因此它在教学过程中对灯光变化更为强大。
2、该系统只能将CAD模型的一部分与检测图像进行匹配，从而使其能够找到不太适合相机视图的大物体。
3、它可以处理正在进行表面处理的零件，这种情况可能会导致机器人视觉问题。
4、它每次都能为您提供完美的模型，因此您无需浪费时间重新培训视觉系统。
5、快速简便。您只需要将CAD模型导出为2D文件并将其加载到机器人的示教器中即可。