与人类视觉相比 ， 基于工业机器视觉的表面缺陷检测有着明显的优势 ， 它精确度高、速度快 ， 可“看”清人眼无法看清的快速运动目标 ， 同时还具有较高的稳定性 ， 可以提升对质量的可控性和对缺陷产品进行信息的集成与留存 ， 方便人员追溯 。 因此 ， 基于工业机器视觉的缺陷检测在多个工业质检领域都有着频繁的应用 ， 帮助人工进行缺陷产品的缺陷检测识别并进行缺陷分割 。
其实 ， 随着在行业内多年的沉淀 ， 这项基于工业机器视觉的表面缺陷检测技术已经取得了质的发展 ， 实现了例如自动ROI区域分割、标点定位（通过仿真视觉可灵活检测未知瑕疵）、从重噪声图像重检测无法描述或量化的瑕疵如橘皮瑕疵、分辨玻璃盖板检测中的真假瑕疵等功能 。
可以说 ， 基于工业机器视觉的表面缺陷检测技术在理论研究和工业质检实际应用中均取得了满意的成果 ， 但现阶段仍存在以下问题和难点 。
（1）在图像采集阶段 ， 受光照条件、现场环境、拍摄角度和距离等因素的影响 ， 被检测物体的表观特征会产生变化 ， 这势必会对缺陷检测的精度产生一定的影响 ， 同时 ， 噪声的干扰以及被检测物体的部分遮挡也会影响到图像的质量 ， 降低系统的缺陷检测性能 。 如何提高图像采集的质量 ， 最大程度上降低外界因素的干扰 ， 是需要解决的问题之一 。
（2）虽然工业机器视觉检测在工业生产中已经取得了较好的检测效果 ， 但是在实际图像采集过程中 ， 由于真实的缺陷数据较少且表面缺陷种类繁多、形式多样 ， 缺陷特征的提取效率较低 ， 同时 ， 模型对新产生的缺陷类型不能进行正确识别 ， 不足以利用深度学习的方法进行训练 。 如何获取足够的缺陷样本并保证在实际应用中的准确率 ， 是未来的研究方向之一 。
【机器视觉|表面缺陷检测 有哪些待解决难点及未来发展趋势】（3）从缺陷检测的准确性和实时性方面来看 ， 尽管工业机器视觉检测的一系列算法在不断更新 ， 但缺陷检测效率与缺陷检测的准确率与实际生产的需求还具有一定的差距 。 如何解决特征的精确提取、提高缺陷检测系统的准确性与实时性 ， 仍是现阶段需要考虑的问题 。
值得关注的是 ， 随着越来越多的基于工业机器视觉的机器视觉平台 ， 比如思谋SMore ViMo智能工业平台 ， 不断推向市场 ， 工业机器视觉对工业质检的赋能会越来越明显 ， 可以很大程度上规避上述提到的问题 。
未来发展趋势
目前 ， 工业机器视觉技术已经在医学、交通航海、工业生产等智能制造领域有了突破性进展 ， 基于工业机器视觉的表面缺陷检测必将是未来的发展趋势 ， 具体表现为以下两个方面 。
（1）目前基于机器视觉的缺陷检测方法主要是对工业相机获取的二位图像进行检测 ， 缺陷检测的对象是物体的表面缺陷 ， 而二维图像的视野信息比较单一 ， 无法进行产品各方位视野信息的表达 。 如何通过多个工业相机对被检测物体进行三维建模 ， 获得缺陷检测目标的空间信息 ， 提高缺陷检测系统性能已是未来的一个重要发展课题 。
（2）机器视觉缺陷检测方法目前还处于理论研究阶段 ， 在实际应用中仍达不到现代化智能制造中精准化和智能化的要求 ， 利用工业机器视觉技术设计产品的分拣装置 ， 结合机械臂对缺陷产品进行分类剔除 ， 建立一套全自动化的生产线 ， 是未来智能制造的大势所趋 。
相关经验推荐
- 芯片|裸眼3D大屏实现视觉3D特效的原理解析
- 工业机器人|高通可能会在11月14日发布骁龙8 Gen 2 SoC，明年安卓机旗舰就看它了
- 机器人|微软决定了！放弃AI情绪识别技术，机器人不能读懂人心！
- 苹果|特斯拉柏林工厂是技术的温床，连墙上的涂鸦都是机器人画的
- iPhone|深入认识黑科技|迎宾机器人
- 机器人|粉丝高价买的国行iPhone13Pro是扩容机！不保修、不保值、隐患大！
- 机器视觉|华为新机预热，7月4日发布，简直太壕了！
- 机器人|余承东从不宣传高通处理器，只是简单一句话带过，或者是简单标注
- 工作室|基于脑电超表面的无线通信与多种电磁波调控
- 机器人|想要清凉一夏？vivo S15美图来袭，“盛夏”配色尽显凉意