在工業生產中總是經常遇到裂痕、劃痕和變色等產品的表麵缺陷問題，而這些問題不管對於人工檢測還是機器視覺技術檢測都極富挑戰。其難度在於該類缺陷形狀不規則、深淺對比度低，而且往往會被產品表麵的自然紋理或圖案所幹擾。因此，表麵缺陷檢測對於正確打光、相機分辨率、被檢測部件與工業相機的相對位置、複雜的機器視覺算法等要求非常高。
機器視覺劃痕檢測的基本分析過程分為兩步：首先，確定檢測產品表麵是否有劃痕，其次，在確定被分析圖像上存在劃痕之後，對劃痕進行提取。
表麵劃痕通常可分為三大類：
第一類劃痕，從外觀上較易辨認，同時灰度變化跟周圍區域對比也比較明顯。可以選擇較小的閾值精缺陷部分直接標記。
第一類劃痕缺陷圖像
第二類劃痕，部分灰度值變化並不明顯，整幅圖像灰度比較平均，劃痕麵積也比較小，隻有幾個像素點，灰度也隻比周圍圖像稍低，很難分辨。可以對原圖像進行均值濾波，得到較平滑的圖像，並與原圖像相減，當其差的絕對值大於閾值時就將其置為目標，並對所有的目標進行標記，計算其麵積，將麵積過小的目標去掉，剩下的就標記為劃痕。
第二類劃痕缺陷圖像
第三類劃痕，各部分灰度差異較大，形狀通常呈長條形，如果在一幅圖像上采取固定閾值分割，則標記的缺陷部分會小於實際部分。由於這類圖像的劃痕狹長，單純依靠灰度檢測會將缺陷延伸部分漏掉。對於這類圖像，根據其特點選擇雙閾值和缺陷形狀特征相結合的方法。
第三類劃痕缺陷圖像
由於在工業檢測中圖像的多樣性，對於每一種圖像，都要經過分析綜合考慮各種手段來進行處理達到效果。一般來說，劃痕部分的灰度值和周圍正常部分相比要暗，也就是劃痕部分灰度值偏小；而且，大多都是在光滑表麵，所以整幅圖的灰度變化總體來說非常均勻，缺乏紋理特征。因此，劃痕的檢測一般使用基於統計的灰度特征或者閾值分割的方法將劃痕部分標出。
基於機器視覺的表麵缺陷檢測量係統，可安裝在具有規則形狀的金屬產品生產流水線上，對生產線上的每個產品的表麵缺陷及外形尺寸等進行在線檢測，尤其對於有金屬光澤的產品的表麵質量檢測效果更加突出。當檢測到有缺陷的工件時，係統可根據實際需求發出相應的控製信號，即可直接將廢品剔除，也可控製打標機構在缺陷品上噴塗標誌。
文章來源：機器視覺網，91香蕉视频官网機器人http://www.qzyywl.com整理發布