2. 瑕疵检测基础
工业图像瑕疵检测的核心在于理解“瑕疵是什么”以及“瑕疵在图像中如何呈现”。不同材质、不同工艺产生的瑕疵在光学成像下具有截然不同的特征。本章系统梳理工业场景中最常见的五大瑕疵类型——划痕、脏污、凹陷、裂纹、气泡,并深入分析其成像机理与视觉表现,为后续基于YOLOv8的模型训练奠定数据认知基础。
2.1 五大常见工业瑕疵类型总览
根据对金属加工、电子制造、光伏、汽车涂装、塑料注塑等行业的统计,超过85%的视觉检测任务围绕以下五种瑕疵展开。下表从产生原因、典型行业和检测难度三个维度进行对比:
| 瑕疵类型 | 产生原因 | 典型行业 | 检测难度 |
|---|---|---|---|
| 划痕 | 机械摩擦、硬物刮擦、搬运碰撞 | 金属加工、玻璃、汽车涂装 | 中等(依赖光照方向) |
| 脏污 | 油渍、粉尘、指纹、残留胶水 | 电子PCB、光伏、食品包装 | 较低(对比度通常较高) |
| 凹陷 | 冲压过深、异物压入、热变形 | 金属冲压、注塑、陶瓷 | 较高(需3D或明暗场) |
| 裂纹 | 应力集中、热胀冷缩、材料疲劳 | 玻璃、陶瓷、金属焊接 | 高(细线状、易与纹理混淆) |
| 气泡 | 注塑气体残留、涂布夹气、材料发泡 | 塑料、玻璃、涂层、橡胶 | 中等(圆形、边缘高亮) |
课程提示: 在工业现场,同一产品可能同时存在多种瑕疵。例如,金属冲压件表面既有划痕又有凹陷。YOLOv8的多标签分类能力在此类场景中具有显著优势,但前提是训练数据必须覆盖每种瑕疵的典型成像变体。
2.2 划痕的成像特征与光学机理
划痕是工业视觉中最常见的瑕疵类型。其本质是材料表面的连续性被机械力破坏,形成沟槽或隆起。在成像上,划痕具有以下关键特征:
- 方向性: 划痕通常沿受力方向延伸,呈现为细长线条,长度远大于宽度。
- 对比度反转: 在明场照明下,划痕通常比背景暗(光线被沟槽散射);在暗场照明下,划痕边缘散射光进入镜头,呈现为亮线。
- 边缘锐利度: 新鲜划痕边缘清晰,老旧划痕边缘可能因氧化或污染而模糊。
- 深度影响: 浅划痕(深度 < 5μm)在图像中对比度低,深划痕(深度 > 20μm)则呈现明显的阴影或高光。
工程要点: 在部署YOLOv8检测划痕时,建议在训练集中同时包含明场和暗场两种光照模式下的图像。模型需要学会利用局部纹理突变(而非灰度)来识别划痕,这对光照鲁棒性至关重要。
2.3 脏污的成像特征
脏污是表面附着物的统称,包括油污、粉尘、指纹、胶水残留等。与划痕不同,脏污通常不破坏基材表面,而是以覆盖层的形式存在。其成像特征如下:
- 形状不规则: 脏污无固定几何形状,边缘模糊或呈羽化状。
- 灰度偏移: 油污通常比背景暗(吸收光线),粉尘可能比背景亮(散射光线),指纹则呈现半透明条纹。
- 光谱选择性: 某些脏污在特定波长下对比度增强。例如,油污在紫外光下会发出荧光。
- 位置随机性: 脏污可出现在表面任何位置,无方向性规律。
| 脏污子类型 | 典型灰度范围 | 边缘特征 | 推荐照明 |
|---|---|---|---|
| 油污 | 低(暗斑) | 模糊、渐变 | 同轴光 |
| 粉尘 | 高(亮斑) | 颗粒状、锐利 | 暗场 |
| 指纹 | 中等(条纹) | 脊线状 | 低角度光 |
| 胶水残留 | 低或高(透明/半透明) | 不规则、反光 | 偏振光 |
2.4 凹陷的成像特征
凹陷是表面局部区域在垂直方向上的下陷变形,常见于冲压件、注塑件和涂层表面。其成像依赖于光照产生的阴影和反射畸变:
- 明暗梯度: 凹陷边缘一侧产生阴影(暗区),另一侧产生高光(亮区),形成“月牙形”灰度分布。
- 尺度范围: 直径从0.1mm到数厘米不等,深度通常为微米至毫米级。
- 形状特征: 多为圆形或椭圆形,边缘平滑,内部灰度均匀。
- 光照敏感性: 凹陷的可见性高度依赖光源角度。低角度光能放大阴影,使凹陷更明显。
常见误区: 很多初学者使用垂直同轴光拍摄凹陷,结果图像中凹陷几乎不可见。正确的做法是使用低角度环形光或条形光,让凹陷边缘产生明显的阴影-高光对。YOLOv8模型在训练时,应确保凹陷样本包含不同光照角度下的图像,否则模型在产线换光后可能失效。
2.5 裂纹的成像特征
裂纹是材料内部或表面的断裂线,是工业检测中风险最高、检测难度最大的瑕疵类型之一。其成像特征高度依赖于裂纹的宽度、深度和基材的透光性:
- 细线状结构: 裂纹宽度通常为微米级,长度从几毫米到几十厘米不等,呈树状或网状分支。
- 高对比度边缘: 在透射光下,裂纹呈现为亮线(光线透过缝隙);在反射光下,裂纹呈现为暗线(光线被缝隙吸收或散射)。
- 方向随机性: 裂纹方向受应力分布影响,可能沿晶界、焊接线或应力集中区延伸。
- 背景干扰: 材料本身的纹理(如金属拉丝、木材年轮)极易与裂纹混淆,是误检的主要来源。
| 基材类型 | 推荐照明方式 | 裂纹成像表现 | 主要干扰 |
|---|---|---|---|
| 透明玻璃 | 透射光(背光) | 亮线(光通过裂纹) | 玻璃划痕、气泡 |
| 金属表面 | 暗场(低角度) | 亮线(边缘散射) | 金属拉丝纹理 |
| 陶瓷/涂层 | 明场(高角度) | 暗线(光被吸收) | 表面颗粒、凹坑 |
| 塑料/橡胶 | 偏振光 | 暗线(消除表面反光后) | 材料内部纤维 |
2.6 气泡的成像特征
气泡是材料内部或表面因气体残留形成的空腔,常见于注塑件、玻璃熔体、涂层和橡胶制品中。气泡的成像具有高度可辨识的圆形特征:
- 圆形或椭圆形: 气泡在二维投影中呈现为完美的圆形或椭圆形,边缘光滑。
- 边缘高亮: 由于气泡内部与基材的折射率差异,光线在气泡边缘发生全反射或折射,形成明亮的环形边缘。
- 内部灰度: 气泡内部通常比背景亮(透射光)或暗(反射光),取决于照明方式。
- 尺寸分布: 直径从10μm到数毫米不等,微小气泡(< 50μm)在低分辨率图像中可能被误认为噪声。
检测技巧: 气泡的“边缘高亮”特征在YOLOv8中非常有利。模型可以学习到气泡的环形梯度模式,即使气泡内部灰度与背景接近,只要边缘存在明显的灰度跳变,模型就能稳定检出。建议在标注时使用“旋转矩形框”或“分割掩码”来精确描述气泡的圆形边界。
2.7 瑕疵成像的共性规律与检测策略
尽管五种瑕疵的形态各异,但从图像处理的角度看,它们遵循以下共性规律:
- 局部异常性: 所有瑕疵都表现为与周围正常区域的灰度、纹理或梯度差异。YOLOv8的卷积核天然擅长捕捉这种局部异常。
- 尺度多样性: 同一类型瑕疵的尺寸可能跨越两个数量级。YOLOv8的多尺度检测头(P3/P4/P5)正是为此设计。
- 光照依赖性: 瑕疵的可见度高度依赖光照条件。训练数据应覆盖多种光照模式,或使用数据增强模拟光照变化。
- 背景干扰: 正常纹理、边缘、灰尘等都可能被误判为瑕疵。需要结合上下文信息(如位置、形状先验)进行过滤。
| 瑕疵类型 | 最易混淆的正常特征 | YOLOv8应对策略 |
|---|---|---|
| 划痕 | 材料拉丝纹理、磨削纹路 | 使用大卷积核或注意力机制捕捉长程方向性 |
| 脏污 | 表面自然氧化色差、水渍 | 结合颜色空间转换(HSV)增强对比度 |
| 凹陷 | 表面设计凹槽、Logo压印 | 利用3D形状先验或立体视觉辅助 |
| 裂纹 | 材料自然纹理、接缝线 | 使用形态学滤波预处理,强化线状结构 |
| 气泡 | 圆形灰尘、油滴、透镜效应 | 利用边缘梯度方向直方图区分圆形与非圆形 |
课程总结: 本章从成像机理出发,系统分析了划痕、脏污、凹陷、裂纹、气泡五种常见工业瑕疵的视觉特征。理解这些特征不仅是正确标注训练数据的前提,更是设计光照方案、选择图像预处理方法、优化YOLOv8模型结构的理论基础。在下一阶段,我们将基于这些知识,构建实际的瑕疵检测数据集并训练第一个YOLOv8模型。