表面缺陷检测

表面缺陷检测技术综述

1. 检测项目：方法与原理
表面缺陷检测旨在识别产品表面存在的划痕、凹坑、裂纹、锈斑、污渍、涂层不均、色差、异物附着等各类瑕疵。检测方法主要可分为接触式与非接触式，现代工业普遍采用非接触式自动光学检测技术，其核心方法及原理如下：

1.1 基于机器视觉的成像检测

• 原理：利用高分辨率工业相机在特定光源（如LED环形光、同轴光、背光）照明下采集样品表面图像，通过图像处理算法提取特征并进行判断。

• 关键技术：

  • 传统图像处理：采用图像预处理（滤波、增强）、边缘检测（如Canny、Sobel算子）、阈值分割、形态学操作、Blob分析等技术提取缺陷区域。该方法计算速度快，对高对比度、规则缺陷敏感，但鲁棒性和适应性较差。

  • 光谱成像技术：结合光谱分析与成像技术，获取样品在特定波长范围（如紫外、可见、近红外）下的空间和光谱信息。多光谱或高光谱成像能揭示人眼不可见的材质差异和微观缺陷，常用于复杂涂层、复合材料检测。

  • 结构光三维检测：将编码的光栅条纹投影到物体表面，通过相机捕捉变形的条纹，利用三角测量原理重建物体表面三维形貌。可精确测量凹坑、凸起、平整度等与高度相关的缺陷，对划痕、裂纹深度进行量化。

1.2 基于深度学习的智能检测

• 原理：利用深度神经网络，特别是卷积神经网络，自动学习从原始图像到缺陷分类或定位的映射关系，无需手动设计特征。

• 主流模型：

  • 分类网络：如ResNet、VGG，用于判断图像是否存在缺陷及缺陷类别。

  • 目标检测网络：如Faster R-CNN、YOLO系列，用于定位并分类图像中的多个缺陷。

  • 语义分割网络：如U-Net、DeepLab，对图像进行像素级分类，精确勾勒出缺陷的轮廓和区域，适用于不规则、细微缺陷。

  • 生成式与异常检测：利用生成对抗网络或自编码器学习正常样本的特征分布，将偏离该分布的样本判定为缺陷，特别适用于缺陷样本稀少或类型未知的场景。

1.3 其他物理检测方法

• 涡流检测：适用于导电材料（如金属）。交变磁场在工件中感生涡流，缺陷会改变涡流分布，通过检测线圈阻抗变化来识别表面及近表面裂纹、凹坑等。文献表明，该方法对导电材料表面开口裂纹的检测灵敏度可达微米级。

• 超声波检测：利用高频声波在材料中传播遇缺陷产生反射、散射的原理。表面波（瑞利波）对表面裂纹检测尤为有效，可测量裂纹深度。

• 激光散斑检测：利用激光照射粗糙表面形成散斑图，物体受力或热加载后，表面变形会导致散斑场变化，通过对比加载前后的散斑图可检测微应变区域，对应微小裂纹或薄弱点。

2. 检测范围：应用领域与需求

• 金属制造业：钢板、铝材、铜带等轧制过程中的辊印、划伤、孔洞、锈蚀、边裂检测；机械零部件加工后的裂纹、毛刺、磨损检测。

• 电子与半导体行业：硅片、晶圆的划痕、颗粒污染、光刻缺陷检测；PCB板的线路短路、断路、残留铜、焊盘氧化检测；电子元件的外观破损、标记不清检测。

• 汽车制造业：车身钣金喷漆后的流挂、橘皮、色差、脏点检测；发动机缸体、曲轴等关键部件的表面微裂纹、加工纹理检测。

• 玻璃与显示屏行业：浮法玻璃的气泡、结石、条纹检测；手机、平板电脑显示屏的亮暗点、mura（显示不均）、划伤、异物检测。

• 纺织与无纺布行业：布匹的断经、断纬、污渍、破洞、色差检测；皮革的疤痕、皱褶、划伤检测。

• 造纸与塑料薄膜行业：纸张的孔洞、黑点、浆斑、条痕检测；塑料薄膜的晶点、鱼眼、杂质、厚度不均检测。

• 食品药品包装行业：包装瓶/罐的划痕、变形、印刷缺陷检测；泡罩包装的缺粒、破损检测。

3. 检测标准与文献参考
表面缺陷检测的标准化与性能评估广泛参照学术研究与行业共识。相关技术发展脉络与基准可参阅以下代表性文献方向：

• 传统图像处理经典框架：可参考早期关于工业视觉系统设计、图像分割与形态学处理在缺陷检测中应用的综述性著作，为自动化检测奠定了算法基础。

• 机器学习应用：有关支持向量机、人工神经网络在纹理分类和缺陷识别中的应用研究，代表了深度学习兴起前的主流智能检测思路。

• 深度学习里程碑：卷积神经网络在ImageNet竞赛中的突破性工作，直接推动了其在工业视觉领域的普及。后续大量研究聚焦于改进网络结构（如残差连接、注意力机制）以提升对小缺陷、复杂背景的检测精度与速度。

• 特定技术深入：关于高光谱成像在农产品表面缺陷检测中的机理分析、结构光三维测量精度评估模型、涡流检测裂纹的有限元仿真与实验验证等专题研究，为各方法提供了理论依据和优化路径。

• 数据集与评估基准：公开的工业缺陷数据集（如东北大学发布的NEU表面缺陷数据集、Kaggle上的钢板缺陷数据集）及相关论文建立的评估指标（如准确率、召回率、交并比、平均精度）构成了方法性能对比的客观标准。

4. 检测仪器：主要设备及功能

• 成像系统核心组件：

  • 工业相机：分为面阵相机和线阵相机。线阵相机配合运动平台，适用于连续运动的带状材料（如金属带、薄膜）的高分辨率、无畸变成像。高速相机用于捕捉快速生产线上产品的瞬态图像。

  • 工业镜头：宏远心镜头可消除透视误差，保证测量精度；高分辨率定焦镜头用于细节捕捉；变焦镜头用于视野调整。

  • 照明系统：是成像质量的关键。包括明场照明（突出表面轮廓）、暗场照明（凸显划痕等微小不平）、同轴照明（消除反光、用于光滑表面）、背光照明（用于轮廓和透光性检测）。多角度、多光谱LED光源日益普及。

• 专用检测设备：

  • 自动光学检测机：集成上述成像系统、运动控制、计算单元和分选机构，实现全自动上下料、图像采集、处理、分类和不良品剔除。根据产品形态可分为在线式（集成于产线）和离线式。

  • 三维表面轮廓仪/共聚焦显微镜：利用光学干涉或共聚焦原理，实现纳米级到毫米级范围内的表面形貌非接触测量，用于精密零部件、光学元件、抛光表面的微观缺陷和粗糙度分析。

  • 涡流探伤仪/超声波探伤仪：便携式或自动化集成式设备，用于金属材料表面及近表面缺陷的定性或定量检测，通常配备多通道探头和C扫描成像功能。

  • 光谱成像仪：集成光谱分光装置与面阵相机，可获取每个像素点的连续光谱曲线，设备通常需要专业的校准和数据分析软件支持。

• 计算与控制单元：

  • 图像处理平台：早期多采用工控机搭载图像采集卡和基于CPU的算法软件。当前趋势是使用具备强大并行计算能力的图形处理器或专用边缘计算设备，以运行复杂的深度学习模型，实现实时检测。

  • 可编程逻辑控制器：与生产线同步，控制触发拍照、运动和执行分拣动作。