NI VBAI处理崩边缺陷

这是一个客户给出的图片，看看LabVIEW的解决方法。下面使用的是NI的VBAI（Vision Builder for Automated Inspection）来解决的，VBAI能解决的，用LabVIEW 和Vision肯定也是能解决的。

方法一：Detect Defects检查缺陷（Golden template comparison黄金模板匹配）

使用此方法，建立一个标准的产品的黄金模板（Golden Template），然后使用检查缺陷函数进行检查。可以参考石鑫华视觉网的VBAI文章教程之存在性检查，了解更多。

方法二：面积差法

使用此方法，大概的过程是这样的，采集图像，然后进行二值化，进行必要的二值图像预处理，将里面的洞填充掉，然后使用粒子分析，求得白色粒子的面积；将二值化并预处理的图像复用，然后进行Convex Hull凸壳高级形态学变换，将边缘的缺陷补充填满，再进行粒子分析，得到粒子的面积，复用此面积与前面得到的面积进行相减，从而得到面积差。只要面积差大于规定的临界点，就认为是有缺陷的。此方法有一定的缺陷，凸壳高级形态学只能针对标准产品没有内凹的点。

方法三：轮廓比较法

使用此方法先采集图像，然后对产品进行轮廓测量，并且设置标准轮廓，然后测量其最大距离，产品与标准产品的距离最大值大于某个值，或者是面积大于某个值，认为有缺陷。

以上方法，均只能检查出缺陷中最大的一块，这是从图像上来看，并不是十分清楚，而且背景太亮曝光过度，将边缘腐蚀掉了许多，因此另外两个小的缺陷检查不出来。可以考虑使用更好的光源，如同轴光、同轴平行光充当背光源，更好的相机，如CCD相机，或是分辨率更高一些的工业相机（图像中使用的是500万像素的卷帘CMOS相机，现在则有很多性价比高的、高分辨率的相机，如2000万像素的卷帘CMOS相机）；更好的镜头（平行光源时，可以考虑配置远心镜头，不过成本比较高）等，看能不能将边缘表现的更好一些。从经验来看，提高相机分辨率是比较直接地提升成像质量的方法。

另外还可以考虑其他方法，如几何匹配，直线度检查等方法。这些年深度学习发展比较快速，也可以应用于这类缺陷检测，只不过部署成本相对比较高。如果传统方法能解决，还是优先考虑传统方法。