外觀檢查（異物/瑕疵/缺陷）
外觀檢查（異物/瑕疵/缺陷）
外觀檢測，是指用于確認部件及產品表面異物、瑕疵、缺陷的檢測。外觀檢測通常可用于下列檢測內容。
- 檢測食品包裝上附著的異物
- 檢測布匹上附著的污點
- 檢測金屬、樹脂部件上的瑕疵
- 檢測樹脂、橡膠成型時發生的缺陷（瑕疵、毛刺）
- 確認LED的點亮是否有遺漏的缺陷檢測 等
傳統的外觀檢測依賴于目視檢測，近年來，隨著工廠自動化（FA：Factory Automation）的發展，視覺系統越來越廣泛地應用于現場。下面將從實現異物檢測、瑕疵檢測、缺陷檢測高效化的視覺系統運用案例入手，對外觀檢測的基本原理及目前的發展趨勢進行介紹。
通過圖像，檢測異物、瑕疵、缺陷的外觀檢測基本原理
導入視覺系統的優點
外觀檢測能夠發現異物、污點、瑕疵、缺陷等，防止不良品的流出，但目視檢測存在精度極限。全數檢測則不光耗費人工和成本，還會因個人差導致精度偏差和人為錯誤。
且細微的瑕疵及污點等難以被發現，要維持品質，必須借助顯微鏡等工具，實施放大檢測。點數較少時，還能離線進行顯微鏡檢測，但要檢測成千上萬點時，則需要投入龐大的勞力，導致生產效率大幅降低。要兼顧品質和生產效率，視覺系統技術是不可或缺的重要環節。
可以辨別細微的異物、瑕疵、缺陷
對于過去不得不依賴人眼判斷的外觀檢測，隨著視覺系統及視覺系統技術的進步，細微異物、瑕疵、缺陷的檢測也成為了可能。基恩士推出了從標準31萬像素到2100萬像素高分辨率的多款視覺系統產品?？梢愿鶕蛻舻男枨?，為客戶提供高性價比的視覺系統系統。
正在研究導入視覺系統系統的客戶曾經提出“最小可以檢測出多小的異物及黑點？”的疑問，通過下列公式，可以大致計算出該問題的答案。
最小檢測尺寸?。健 ÷ A × C
- A ＝ 感光元件的Y方向像素數
- B?。健∨臄z視野（Y方向）[mm]
- C ＝ 感光元件上的最小檢測像素尺寸[像素]
像素數因所用的相機而異。例如，31萬像素相機的縱向像素數為480像素，而2100萬像素相機的像素數就是4092像素。該數值就是公式中的“A＝感光元件的Y方向像素數”。
而B項的拍攝視野（Y方向），可以根據所用鏡頭，自由變換為10 mm、100 mm等數值。C項中感光元件上的最小檢測像素尺寸，通常為3像素，根據條件不同，也可能是5像素。
考慮到這些條件，將A＝480像素、B＝50 mm、C＝3像素代入計算最小檢測尺寸?。?50 ÷ 480 × 3 ＝ 0.312 mm可以由此得出，最小可檢測0.125 mm的異物及瑕疵。
例如，使用2100萬像素的視覺系統時最小檢測尺寸 ＝ 50 ÷ 4092 × 3 ＝ 0.037 mm可檢測0.037 mm的異物及瑕疵，這是目視檢測難以實現的。
追求檢測精度時，需要采用2100萬像素水平的高分辨率相機，或通過減小視角，將最小檢測尺寸縮小。
在線上實現全數檢測
目視檢測時，根據檢測項目，可能必須離線進行外觀檢測。但只要借助視覺系統，就能在線上對異物、瑕疵、缺陷進行正確檢測。
工件速度與視覺系統速度的關聯性
間歇傳送時
“間歇傳送”時，檢測對象陸續流入檢測范圍并在相機前停留一定時間，下面將以此為例，介紹計算每分鐘最大檢測次數及視覺系統目標處理速度的公式。
每分鐘的最大檢測次數 ＝ 60（秒） ÷ 視覺系統的處理時間
例）視覺系統的處理速度為20 ms時
60（秒） ÷ 0.02（秒）?。健?,000次/分鐘（＝50次/秒）
外觀檢測可在20至100 ms內完成處理。已事先確認檢測速度的預期值時，可通過以下公式，計算出必要的處理速度。
視覺系統的目標處理速度（ms） ＝ 1（秒） ÷ 預期檢測次數（次/秒） × 1000
例）預期檢測次數為50次/秒時
1 ÷ 50 × 1000?。健?0 ms
使用上述公式，就能夠選出滿足要求的視覺系統。但上述內容僅針對間歇傳送的情況，對于產品無間歇流動的“連續傳送”，必須要考慮快門速度。
連續傳送時
在連續傳送的檢測中，如果與生產線速度相比，快門速度不夠快，拍出的圖像會發生抖動，無法正確檢測。通常應該將快門速度設定為，約等于檢測物移動最小尺寸的1/5左右距離的時間。
例）預期最小檢測尺寸＝1 mm、生產線速度1 m/秒
快門速度參考值?。健? mm ÷ 5 ÷ 1000 mm/秒?。健?/5000秒
外觀檢測的基礎 ～預處理功能～
外觀檢測中，必須對細微的瑕疵及缺陷等進行確認及辨別。要獲得穩定的檢測結果，預處理功能很重要。
實時濃淡補正
通過在有無檢測中說明的二值化處理，難以發現異物及瑕疵等。實時濃淡補正就可以消除工件表面的光澤及陰影，僅抽取污點及瑕疵。
原圖像
應用預處理后
根據不同方向漸變濾波器
該濾波器功能，可以消除諸如紋路的背景圖案，以及其他的干擾。可以分別對X和Y方向設定模糊處理效果，僅正確抽取異物。
原圖像
應用預處理后
斑點濾波器
該濾波器功能，將在有無檢測中說明的斑點分析運用于預處理功能中?？梢詢H抽取特定要素，消除光澤、陰影、背景、凹凸等。
對比度轉換
能夠分范圍創建對比度合適的圖像，進行邊緣增強、背景干擾消除等處理。通過擴大濃淡差，使污點等的檢測更方便。
具體應用
視覺系統被用于各類外觀檢測。下面將介紹一個具體應用案例。
檢測活塞的切屑附著
附著在汽車發動機活塞上的切屑，難以通過目視檢測識別，是檢測時容易發生漏檢的重要環節。導入視覺系統系統后，對于細小的切屑，也能夠實現正確確認及辨別。
檢測畫面
切屑
檢測晶片電容器的各種外觀
晶片電容器的污點、瑕疵、缺陷等各種外觀檢測，也能在導入視覺系統系統后，實現批量確認及辨別。可以切實進行全數檢測，通過積累檢測數據，還能有效用于工序改良。
檢測畫面
檢測托盤上的異物
食品安全越來越受到關注，食品行業正在逐步推進視覺系統的導入。對于過去進行抽取檢測的托盤異物檢測，利用視覺系統，也能毫不費力地實現全數檢測。還能同時確認及辨別細微污點，幫助穩定品質。
![圖像處理 應用示例集 [運輸行業]](/img/asset/AS_71700_L.jpg)
![圖像處理 全新應用示例集 [食品／醫藥品行業]](/img/asset/AS_72815_L.jpg)
![圖像處理 全新應用示例集 [電子零件/電子設備行業]](/img/asset/AS_86832_L.jpg)
