基于PCA—SIFT算法的产品表面缺陷检测研究

【摘要】针对复杂产品表面正确性的快速自动无损检测问题，提出了一种基于PCA-SIFT算法的自动识别。该算法是对基于尺度旋转不变性（SIFT）算法的改进，在保证识别精确度的前提下，利用主元分析法（PCA）进行降维处理，改变了描述子的生成方式，以减少计算的时间，提高算法的实时性，最后通过相关度计算判别各区域有无缺陷。实验表明在保证准确率的前提下本论文所提出的算法比单独使用SIFT算法平均可以节省0.5s。

【关键词】缺陷检测;旋转步长采样;投影法;PCA-SIFT算法

引言

随着电子技术、计算机技术和图像处理等技术的快速发展，人们对产品质量要求的提高，传统的人工检测由于很多原因已不能得到令人满意的检测结果，视觉检测技术越来越多地应用于各领域，以便代替人工进行全自动产品检测等[1]。自动视觉检测相比于人眼检测，具有非常明显的优势：检测速度快、生产效率高;不依赖于人的主观因素从而保证高稳定性与高可靠性;容易满足各种特殊高危生产检测场合;便于实现缺陷信息的自动记录与数据库管理及查询功能，保障产品生产的全面质量管理与过程控制等[2]。

基于上述诸多优势，图像视觉自动检测技术正逐渐触及到人类生产和生活各个领域，从工业检测到文件处理，从交通自动化到民宅安全监控，从毫微米技术到多媒体数据库等等。表面缺陷自动检测的方法有很多，主要包括统计方法、结构方法、全局方法和基于模型的方法[3]。

自动视觉检测是建立在机器视觉基础上的一门新兴检测技术，是综合应用图像处理与分析、模式识别、人工智能、精密仪器等技术的非接触式检测方法。近年来，红外技术、CCD技术和计算机技术都有了飞速地发展，基于激光扫描、光谱图像、红外成像和超声波扫描的机器视觉技术因其成本低、无损伤、准确、快速、永不疲劳等优点在缺陷检测领域也得到了越来越广泛的应用[4]。

1.检测的总体流程

工件旋转检台如下图1所示[5]是为了使系统能够自动对被检产品进行多方位信息提取。

基于PCA—SIFT算法的产品表面缺陷检测研究