基于机器视觉的裸片表面缺陷在线检测研究

针对准确和实时检测裸片表面缺陷的需求,提出了一种基于线性判别分析(Linear Discriminant Analysis,LDA)和支持向量机(Support Vector Machine,SVM)的在线检测算法。首先,采用高斯滤波方法滤除裸片表面图像中的噪声;然后,提取裸片表面缺陷的Hu不变矩和方向梯度直方图(Histogram of Oriented Gradients,HOG)特征,采用LDA方法对特征进行降维;接着,在离线建模阶段,学习裸片表面正常模式的高斯混合模型(Gaussian Mixture Model,GMM),并学习各种缺陷模式的SVMs;最后,在线检测阶段使用GMM判断是否存在缺陷,使用K最近邻(K Nearest Neighbor,KNN)算法分类缺陷的模式。提出算法在采集的裸片数据库中得到了88.11%的检测准确率,单幅图像的平均检测时间为44.7 ms。实验结果表明,提出算法具有较高的检测准确性与实时性,可以应用到实际生产中的裸片表面缺陷在线检测。

Research on Online Detection of Die Surface Defects Based on Machine Vision