塔林理工大学

工程学院
电力工程与机电一体化系

Scratch 机器视觉系统
手机显示屏检测

手机机器视觉系统
检测屏幕上的划痕
硕士论文

学生：Bopage Tharindu Dilshan

学生代码：215382 MAHM

主管：Daniil Valme，早期研究员

2023 年塔林
作者声明

在此我声明，本论文是我独立完成的。
尚未根据本材料申请任何学位。所有作品，主要
本文引用了其他作者的观点和数据。

2023 年 5 月“18”

作者：
/签名 /

论文符合条款和要求

” “202……

导师： …
/签名/

接受辩护

“ ” 202….

论文答辩委员会主席：
/姓名和签名/
 毕业论文出版和复制非独占许可

我，Bopage Tharindu Dilshan

1. 授予塔林理工大学 (TalTech) 我的论文“用于手机显示屏划痕检测的机器视觉系统”的非独家许可，

由早期研究员 Daniil Valme 监督

1.1 复制用于保存和电子出版，包括。将进入 TalTech 图书馆的数字馆藏，直至版权期限届满。

1.2 通过 TalTech, incl. 网站发布。将被输入到数字馆藏中

TalTech 库直至版权期限届满。

1.3 我知道作者还保留本协议第 1 条规定的权利

执照。

2. 我确认授予非独占许可不侵犯第三方的权利
知识产权、《个人数据保护法》产生的权利，或
其他立法产生的权利。

______________ （日期）

1 非独占许可在学生本人已签署的毕业论文访问限制申请中注明的访问限制有效期内无效，但学校有权复制保存论文的除外仅供参考。如果毕业论文
是基于两人或多人的共同创作活动，且合著者未在规定的期限内同意其毕业论文答辩的学生同意复制和出版毕业论文论文符合非独占许可第1.1和1.2条的
规定，非独占许可在此期间无效。
抽象的

作者：Bopage Tharindu Dilshan 作品类型：硕士论文

标题：用于手机显示屏划痕检测的机器视觉系统。

日期：2023年5月18日 78页（论文页数，包括附录）

大学：塔林理工大学

学校： 工程学院

系别： 电力工程与机电一体化系

论文导师：Daniil Valme，早期研究员

顾问：不适用

抽象的：
手机显示屏的质量会显着影响其用户体验和价值。
屏幕上的划痕会干扰用户体验并降低手机性能
令潜在买家满意。因此，准确地对手机的状况进行分级
显示是手机行业的一项重要任务 尤其是在涉及到

购买和销售二手手机。

人工检查是一种耗时且低效的方法，容易出现人为错误，
因此有必要实施自动化解决方案。机器视觉系统
由专门的相机和图像处理软件组成，可以提供快速、
准确、可靠的方法来检测手机显示屏上的划痕。目前的
根据显示屏划痕严重程度对二手手机进行分级的过程取决于
手动方法。该过程费力、精度低、效率低，
需要熟练的评分员。自动或半自动检查技术可以
减少人为错误的可能性，提高准确性和可靠性，并减少

对手机进行评级所需的时间和费用。

本文提出了一种基于机器视觉的手机分级新方法
显示器上的划痕数量。目标是提高准确性和
通过自动化划痕检测和计数过程来提高效率。研究
展示了利用机器视觉对手机进行精确分级的可行性
显示器上的划痕数量。将开发机器视觉模型
并针对该任务进行评估，并将其性能与手动进行比较
方法。目的是展示使用这种方法的潜在好处
在手机行业对手机进行分级，从而增加客户
满意度和忠诚度。

关键词：机器视觉、图像处理、自动化、分级、手机显示屏、
提高效率，提高准确性。
论文摘要

作者：Tharindu Dilshan Bopage 论文类型：硕士论文

作品名称：检测手机屏幕划痕的机器视觉系统

日期： 78页（论文及附录的页数）
18.05.2023

大学：塔林理工大学

院系： 工程学院

研究所：电能与机电一体化研究所

工作主管：Daniil Valme，早期研究员

工作顾问：NA

内容说明：
手机屏幕的质量会极大地影响用户体验
和价值。屏幕上的划痕会干扰用户体验并使手机看起来不那么美观
对潜在买家有吸引力。因此，手机屏幕的状况是准确的
估价是手机行业的一项重要工作 特别是对于二手手机的收购和

如果出售。

人工检查是一种耗时且低效的方法，涉及人为错误
错误，因此有必要实施自动化解决方案。专门的相机
使用图像处理软件创建的机器学习系统可以提供快速、准确和
一种检测手机屏幕划痕的可靠方法。用过的
根据屏幕划痕的严重程度对手机进行评级目前依赖于手动
方法。该过程是劳动密集型的，容易导致准确性和效率低下
并需要熟练的评估人员。自动或半自动检测技术
使用可以减少人为错误的可能性，提高准确性和

可靠性并减少评估手机所需的时间和成本。

本文提出了一种评估手机的新方法
基于基于屏幕划痕数量的机器学习。目标是增加
通过自动化划痕检测和计数过程来提高准确性和效率。
该研究证明了使用机器学习评估手机的可行性
根据屏幕上划痕的数量。创建并评估机器学习模型
在执行任务时，将其结果与手动方法进行比较。目标是
证明这种方法在评估手机方面的潜在优势，从而导致

提高客户满意度和忠诚度。
关键词：机器视觉、图像处理、自动化、等级、手机屏幕、
提高效率、提高准确性
论文任务

论文英文题目： 用于电池划痕检测的机器视觉系统
电话显示屏
爱沙尼亚语论文题目： 手机屏幕机器视觉系统
检测划痕
学生： 塔林杜·迪尔尚·博佩奇，215382MAHM

程序： 机电一体化理学硕士

作品类型： 硕士论文

论文导师： Daniil Valme，早期研究员

论文合作导师： -

（公司、职位和 2022/2023 2022/2023 春季

接触）
论文有效期
任务：

提交截止日期 18.05.2023
论文：

__________________ __________________ ____________________

导师（签名） 学生（签名） 项目负责人（签名）

副导师（签名）
1.选题理由。

目前，大多数公司采用手动方法对二手手机进行分级。
显示器上的划痕数量。这个过程可能非常耗时并且
由于依赖人工检查和人工，容易导致准确性和效率低下
计算划痕。在某些情况下，此过程在公司中进行
也位于爱沙尼亚。他们有独立的部门和熟练的评分员
等级 这些部门完全由人工操作 平均而言 一个熟练的

评级员用肉眼对手机进行评级需要 2 到 4 分钟。

手动划痕检测有几个缺点，包括：
• 耗时且低效：对每一项进行彻底检查和检查
手动检查手机是否有划痕和其他缺陷是一个耗时的过程
这需要大量的时间和精力。随着要检查的设备数量
增加，人工检查所需的时间也增加，导致
流程中的瓶颈并限制了可扩展性。另外，人工检查
是劳动密集型的，并且难以扩大规模，导致延误和增加
出错的可能性，尤其是当评分者不知所措时。效率低下
人工检验的关键在于人工成本高、生产流程慢
它会导致，特别是对于需要检查大量数据的公司
产品。此外，手动检查的统一性质可能会导致
员工的不满和倦怠，导致高流动率和
难以维持一支经验丰富的劳动力队伍。为了应对这些挑战，
企业应考虑采用自动化或半自动化检查
方法，提供一致和准确的结果，同时提高员工的能力

工作满意度。
• 准确度有限：准确度有限是指人为错误的可能性
发生在手动检查过程中，可能会导致漏检划痕
或划痕的虚假报告。这可能会导致质量控制不准确，并可能
由于产品被拒收或退货而给公司造成高昂的损失。
此外，人工检查由于单调性，容易出错。
随着时间的推移，评分者可能会感到疲倦或失去对细节的注意力。
这会进一步降低过程的准确性并增加可能性
的错误。因此，实施自动化或半自动化检查
方法可以帮助减少人为错误的可能性并提高
检验过程的整体准确性和可靠性，确保一致性和

准确的结果。
本论文旨在解决这些挑战并提出一种新的评分解决方案
手机使用机器视觉根据显示屏上的划痕数量进行分析。
通过自动化划痕检测和计数过程，目的是提高
准确性和效率，并制定适当的手机分级方法。
加速状况评估过程有可能显着减少
减少对手机进行分级所需的时间和成本 同时还提高了可靠性和

结果的一致性。

2. 论文目标

本论文的主要目标是优化智能手机显示条件分级
通过创建基于机器视觉的自定义设置来完成程序 任务的子目标

如下面所述，
• 优化分级效率。
效率将通过每小时评分的电话数量来衡量
专门从事分级的特定公司。在手动评分中，平均
效率为每小时 20 部电话。但这个自动化过程可以评分100+
每小时电话。这取决于操作员的速度，因为应该
成为一名始终将电话交给系统进行评分的操作员。这
优化分级效率所遵循的方法将在

章节。
• 优化评分的准确性。
在手动评分中，准确性取决于评分者的技能。如果评分者是
工作时间长了，累了，可能会在某种程度上错过一些细节，
结果将不准确。但通过这个自动化过程，系统可以
计算每个划痕并保持分级过程的准确性

将在章节中进行更多讨论。
• 保持一致的评分速度。
在手动分级中，没有人能够估计计算划痕的速度
在电话显示屏上。主要取决于划痕的数量和
操作者的疲劳。例如，如果一部手机有 2 处划痕，一个人可以
在 5 秒内数出这些划痕，但如果手机有超过 20 处划痕，
一个人大约需要 60 秒或更长时间才能数完所有数字。自动化
该过程将计算同一时间范围内任意数量的划痕。在里面

在论文中，计算将解释对手机进行评级需要多长时间。
3. 子问题列表：

• 该系统有哪些适当的技术？
论文报告将讨论目前使用的技术有哪些
行业，它们有哪些缺点以及最好的技术是什么
系统 将进行分析以找到更好的软件工具来开发

划痕检测系统的方法。

• 应该使用哪些软件工具来操作设置？
业界有多种针对划痕或缺陷的软件工具
检测过程。有些软件工具已经很老了，但仍然在使用
而一些公司使用现代软件工具 这项研究将

分析什么是合适的软件工具来操作此设置。

• 设计设置时应考虑哪些标准？
o 照明系统、照明角度以及安装灯所需的距离。
照明负责照亮物体并突出其
相机可以看到不同的特征。这是关键之一
机器视觉系统的各个方面；相机无法检查物体
它看不到。因此，距离等照明参数
来自相机和物体的光源、角度、强度、亮度、
照明的形状、大小和颜色必须进行优化，以突出
正在检查的功能。此外，该物体必须能够被清晰地看到
相机受到光线照射时；因此，物体的表面

在照明优化期间还必须考虑属性。

o 选择合适的光学器件以实现更好的检测。
使用相机、镜头、传感器和滤波器，机器视觉系统可以
捕获与将要执行的任务相关的信息
电脑。许多任务可以通过适当的光学器件来解决，例如
作为手机的检测 识别手机的边缘 以及

计算显示屏上的划痕。
4、基本数据：

为了写这篇论文，作者将利用以前在机器视觉方面的学术知识，
类似行业的工作经历及其对提高生产力的要求。
以下资料来源将作为本论文的基础数据。
1. 《机器视觉手册》，Bruce G，Batchelor，Springer，2012 年
2. 《数字图像处理》，第四版，Rafael C，Gonzalez，2017 年
3. 基于“基于图像的手机屏幕玻璃表面缺陷自动检测”
machine vision”, Chuanxia Jian, Jian Gao, Yinhui Ao, 2016

五、研究方法

研究和使用先前与该主题及其研究结果相关的研究论文
指导实现某些目标，并将使用由
产品手册或数据表以获得更好的结果。此外，还将使用 TalTech 实验室
构建原型 测试原型 识别更改和更正 以及

分析测试解决方案。

6.图文材料

论文报告将包括流程图、表格、图表、图画和图形。
大多数图形元素将在主报告中提供 而某些图形元素将在主报告中提供

图表和流程图将包含在附录中。

七、论文结构

论文报告包括引言、文献综述、主要观点、组织结构
原则 总结和结论章节 另外 主要章节有

进一步分为章节和小节。

例如，
1 介绍
1.1.研究背景和动机
1.2.问题状态和研究目的。
2 文献综述
2.1.划痕检测系统的背景
2.2.最近使用划痕检测系统的行业
2.3.解决方案的适当技术
 2.4.现有软件工具分析
2.5.分析合适的照明系统
2.6。分析适合系统的光学器件
2.7.文献综述结论
3 流程与计算
3.1.任务描述
3.2.控制背景灯
3.3.光学操控
3.4.图像识别
3.5.创建 Matlab 代码
3.6.图像处理
3.7.测量效率和准确性的计算
4 原型设计
4.1.图形用户界面设计
4.2.框架设计
4.3.硬件安装
5 原型测试
5.1.初步测试结果
5.2.错误更正
5.3.最终测试结果
6 结论和建议
6.1.讨论研究结果及其影响
6.2.进一步的研究方向和建议
7 参考文献列表

8. 参考文献
作为参考，作者将使用与以下领域相关的书籍、研究文章和报告：
机器视觉系统 数字图像处理和划痕检测系统 一些

其中如下：
1. 《机器视觉手册》，Bruce G，Batchelor，Springer，2012 年
2. 《数字图像处理》，第四版，Rafael C，Gonzalez，2017 年
3. 基于“基于图像的手机屏幕玻璃表面缺陷自动检测”
machine vision”, Chuanxia Jian, Jian Gao, Yinhui Ao, 2016
4. “使用深度图像对建筑玻璃面板进行表面划痕检测
learning approach”, Zhufeng Pan, Jian Yang, Xing-er Wang, Feiliang Wang,
Iftikhar Azim, Chenyu Wang, 2021
5. “Lighting design for machine vision application”, Sunil Kumar, Kopparappu, 2006
此外，作者将使用以下来源作为参考和收集信息
对于这篇论文。
• IEEE Xplore 和 TalTech 库
• 谷歌学术查找已发表的相关文章。
• 相关网站
Ø https://www.springer.com/gp
o https://www.sciencedirect.com/
o https://www.mdpi.com/
• 制造商的具体数据表

9. 论文顾问
N/A

10. 工作阶段及日程安排 无 活动描述

预期的
完成日期
1. 审查研究论文并准备文献综述 23.01.26
2. 开始写文献综述 30.01.23
3. 比较与分析 15.02.23
4. 提交论文主题表 21.02.23
5. 开始编写第 4、5 和 6 章 01.03.23
6. 构建原型 20.03.23
7. 测试原型 01.04.23
8. 将初稿发送给主管 17.04.23
9. 最终版本的修订 08.05.23
10. 论文提交涉嫌抄袭 18.05.23
11. 提交论文文件 26.05.23
12. 论文答辩 03.06.23
目录

抽象的 4
06 论文摘要 6
论文任务 8
缩略语表 17
1 简介 18
2。文献综述 20
2.1 划痕检测系统的背景及其使用行业 20
2.2 图像处理技术 21
2.2.1 计算机视觉与机器视觉 22
2.3 现有软件工具分析 23
2.4 合适的照明系统分析 25
2.5 系统合适的光学器件和传感器分析 28
2.6 文献综述结论 29
3 系统设计 31
3.1 光学和视觉传感器 31
3.2 控制背景灯 33
3.3 图像捕捉 35
3.4 创建LabView框图 36
3.5 图像处理 41
4 原型设计 43
4.1 图形用户界面设计 43
4.2 框架设计 47
5 原型测试 50
5.1 初步测试结果 50
5.2 最终测试结果 53
5.3 系统效率和精度的计算 59
6 讨论和未来计划 63
6.1 研究结果及其影响的讨论 63
6.2 进一步的研究方向和建议 64
7 结论 67
8 总结 67
9 参考文献 69
附录 72
 15

前言

手机显示屏是智能手机的重要组成部分，其质量好坏决定着智能手机的性能。
严重影响用户体验。可能影响细胞质量的一个问题
手机显示屏存在划痕，会降低其外观并
功能。为了确保只向客户运送高质量的显示器，
制造商必须采用有效且可靠的方法来检测划痕

在显示器的表面上。

手动检查非常耗时且容易出现人为错误，因此自动化
需要解决方案。机器视觉系统可以提供快速、准确、可靠的
一种检测手机显示屏划痕的方法这样的系统由一个
专门为此设计的专用相机和图像处理软件
应用 摄像头采集显示屏图像 并对图像进行处理

软件分析图像以检测划痕。

各种图像处理技术可用于划痕检测，包括
阈值处理、边缘检测和模式匹配。技术的选择取决于
关于划痕和显示表面的具体特征。通过仔细
设计和调整机器视觉系统 可以实现高水平的

检测手机显示屏划痕的准确性和可靠性。

一旦实施，可以集成用于划痕检测的机器视觉系统
进入生产线，使制造商能够快速检查每台显示器并
准确如生产时那样 这有助于确保只有高质量的产品

运送给客户，从而提高客户满意度和忠诚度。
16
 缩略语表

3D - 3 维
CSK - 埋头孔
CNN - 卷积神经网络
DOF - 景深
FOV - 视野
GUI-图形用户界面
HDF - 高密度光纤
LED - 发光二极管
nos - 数字
ROI - 感兴趣区域
RGB - 红绿蓝
SW-短波
USB - 通用串行总线
VI-虚拟仪器
对抗 - 对抗
 17

1 介绍

在当今不断发展的社会中，向循环经济的重大转变是
正在发生。当我们努力减少浪费、最大限度地减少资源消耗并
促进可持续发展，延长产品寿命的概念已深入人心
非常重要。这种范式转变需要对
各种物品的状况，提供有关其状态的基本信息。经过
采用这种方法，我们可以简化现有资源的重用并加快

循环经济中的关键流程。

这一评估变得至关重要的一个特定领域是在手机领域
显示。随着移动设备的广泛使用和不断进步
在技​​术方面，这些设备的处置已成为一个紧迫的问题。认识
延长手机使用寿命的价值 越来越需要开发

可以评估其状况并识别潜在问题的高效系统。

手机显示屏的状况对其价值和价值产生重大影响
可用性。屏幕上的划痕会干扰用户体验并导致
潜在买家不太喜欢这款手机。因此，准确地对病情进行分级
手机显示屏是电子行业的一项重要任务 尤其是当它

涉及买卖二手手机。

目前，大多数企业依靠手动方法对二手手机进行分级
根据显示屏划痕的严重程度。然而，这种人工检查过程
存在一些缺点，包括准确性有限和耗时低效。人类
错误、疲劳和可扩展性问题会影响系统的可靠性和生产力
分级过程。为了应对这些挑战，需要实施自动化
或半自动检测技术 可以提高准确性 效率和

可扩展性。

本论文重点研究用于划痕检测的机器视觉系统的开发
在手机显示屏上，旨在克服人工检查的局限性
方法。通过利用先进的图像处理技术的力量，切割
边缘算法和最先进的机器视觉技术，本研究旨在
开发一种根据划痕数量对手机进行分级的新方法

他们的展示。
18
目标是提高评分过程的准确性、效率和可扩展性，
最终为循环经济的原则做出贡献。通过自动化
划痕检测和计数过程 对手机进行评级所涉及的时间和成本

可以显着减少，同时确保结果一致和可靠。

本论文将提出一种使用机器对手机进行评级的正确方法
视觉，将开发系统的性能与手动方法进行比较，以及
展示使用机器视觉进行精确划痕检测的可行性。这
研究将展示在以下地区实施此类系统的潜在好处
电子行业 强调提高准确性 效率和一致性

给手机分级。

通过这项研究，作者旨在为加强循环经济铺平道路
倡议，促进资源再利用，减少浪费，并为更多的
电子行业的可持续未来。通过利用机器的能力
视觉技术可以彻底改变手机显示屏的评估过程
朝着更高效 更准确 更可持续的方法迈出重大一步

分级和重复使用电子设备。
 19

2 文献综述

2.1 划痕检测系统的背景及应用
使用它们的行业

在许多不同的行业，包括电子、汽车、制造和
建筑、划痕检测系统被广泛用于评估
表面和材料。这些系统有手动和自动两种类型。
目视检查 [1]、测量工具 [2] 和测试技术 [2] 用于
手动划痕检测方法。目视检查包括寻找划痕
肉眼或借助显微镜等放大设备。深度和
划痕的长度可以使用卡尺、千分尺等测量工具测量
和其他测量工具。可以使用划痕等测试技术来发现划痕

硬度测试仪和划痕附着力测试仪。

自动划痕检测系统检查表面的图像或视频
使用计算机视觉或机器视觉技术进行检查。机器视觉模型
[3]，用于自动检测和分类新图像中的划痕，可以
成为这些系统的一部分。这些模型在大量图像数据集上进行训练
带注释的划痕。分析图像并提取边缘、纹理等特征
可能表明存在划痕的图案、图像处理算法 [4]
可以使用。为了检查大型或复杂的表面，机器人技术也可用于集成
带有机器人平台的自动划痕检测系统[5]。应用程序-
特定要求和限制，例如表面的尺寸和复杂性
被检查的划痕的类型和严重程度，以及所需的精度和
检测过程的速度，都会影响划痕检测系统

已选择。

划痕检测经常用于电子行业来评估划痕的状态
显示器、镜头以及笔记本电脑、平板电脑和智能手机等小工具的其他部件。
划痕检测是汽车工业中用于检查表面的技术
车身、车窗和后视镜是否有划痕和其他缺陷。划痕检测是
制造中用于检查许多不同产品表面的技术，
包括医疗设备、电器和汽车零部件。划痕检测是
建筑行业用于检查不同建筑物表面的技术

混凝土、钢材和木材等材料。
20
总体而言，使用划痕检测系统可以提高性能和安全性
产品和结构的同时确保表面和材料的质量
各种行业。划痕检测系统将给出准确的输出，同时
与人工检查划痕相比 可以提高组织的生产力

人类用肉眼。

2.2 图像处理技术

划痕检测系统的适当技术取决于多种因素
例如被检查的表面类型、要检测的划痕类型、
进行检查的环境以及所需的精度和速度
系统的组成[6]。然而，有一些常用的技术
划痕检测系统 这些包括图像处理 机器学习和

机器人系统。

图像处理涉及分析表面图像以检测划痕。
阈值处理、形态运算和边缘检测等技术可以
用于突出显示图像中的划痕。图像可以使用相机或
扫描仪，并使用软件算法进行处理以检测划痕。这种方法
与成熟的机器人系统相比 成本相对较低且易于实施

和机器学习[6]。

深度学习等机器学习技术也可用于检测划痕
在图像中。卷积神经网络 (CNN) 可以在大型数据集上进行训练
有和没有划痕的图像，以学习自动检测划痕。这
该方法需要大量的数据和计算能力来训练

模型，但可以获得高精度[6]。

机器人系统可以设计为自动检查表面是否有划痕。这
系统可能包括一个装有摄像头或其他传感器的机器人手臂来获取
表面图像以及处理图像和检测的软件算法
划痕。这种方法比图像处理或
机器学习 但可用于恶劣环境或高速检查

[6].
 21

解决方案的选择取决于系统的具体要求和
准确性、速度、成本和其他因素之间的权衡。因为成本——
有效性和易于实施，图像处理技术将是
被认为是完成这项任务的适当技术。然而，图像处理可以
分为两个主要部分：基于计算机视觉的图像处理和

基于机器视觉的图像处理。

总之，评估每种方法的优缺点很重要
决定划痕检测系统之前的技术。图像处理基于
当表面相对简单并且有划痕时，计算机视觉会很有用
很容易被检测到。另一方面，当表面
结构复杂，划痕难以察觉。最终还是技术的选择
将取决于系统的具体要求和所需的准确度水平

和效率。

2.2.1 计算机视觉与机器视觉

开发划痕检测系统时，必须考虑其优点
以及计算机视觉和机器视觉系统的缺点。一些
有理由表明，出于此目的，机器视觉优于计算机视觉。
其中一个原因是机器视觉系统在现实世界中的稳健性
环境 这些系统能够更好地处理灯光 相机的变化

角度以及其他可能影响表面划痕外观的因素。

机器视觉系统的另一个显着优势是速度。他们使用
专为实时图像分析而设计的专用硬件和算法，使得
它们比计算机视觉系统更快。此功能对于
速度和效率对整个流程至关重要的生产线应用。
机器视觉系统还可以轻松地与其他设备集成，例如
传送带或检查摄像机。此功能可确保无缝运行
生产线环境，无需额外处理和

数据的处理。

成本效益是机器视觉系统优于机器视觉系统的另一个原因
计算机视觉系统。它们可以被设计来满足特定的要求和
针对成本和性能进行了优化 使其比计算机更具成本效益
22
视觉系统。机器视觉是一个成熟的领域，有着悠久的历史
开发和应用。许多专家和公司专门从事这一领域，
更容易找到合适的资源和专业知识来开发和部署

基于机器视觉的划痕检测系统。

表2.1 机器视觉系统的优缺点[2]
机器视觉系统优点
缺点
对环境变化的鲁棒性 仅限于特定任务
速度 可能不如计算机视觉那么灵活
准确性和准确性方面可能受到限制
与其他系统集成
可扩展性
成本效益取决于专用硬件 该领域的专业知识

表2.2 计算机视觉系统的优缺点[2]
计算机视觉系统优点
缺点
对于大数据，处理时间可能会很慢
灵活性和对不同任务的适应性
数据集
可能是计算密集型的
高精度和可扩展性
庞大且不断增长的专家社区 可能需要大量的训练数据 可以访问广泛的算法和

可能更加复杂和具有挑战性
技巧 实施
创新和探索的潜力 取决于计算的可用性
新方法 资源

总之，考虑到上述可能的优点和原因，
显然，基于机器视觉技术的图像处理是最
开发划痕检测系统的适当方法。稳健性、速度、
机器视觉领域的集成能力、成本效益和专业知识
使其成为这项任务的最佳选择。机器视觉设置通常包括
物体供给机构，例如传送带、专用照明、光学器件、图像
传感器（机器视觉相机）、产品信息数据库、数据处理单元、
以及拒绝缺陷产品的机制。对于这个机器视觉设置
研究中，作者专门使用照明、光学和图像传感器来捕捉高质量的图像

划痕图像和图像处理软件。

2.3 现有软件工具分析

划痕检测系统在现代工业中变得越来越重要
由于需要高质量的产品和高效的制造工艺 和
 23

随着科技的进步，各种软件程序被开发出来
检测不同表面上的缺陷，包括木材、金属、塑料，甚至是高度
玻璃或手机显示屏等反射表面。这些软件程序使用
先进的图像处理技术和机器学习算法可以检测甚至
最小的缺陷，例如表面的划痕、凹痕或变色。经过
实施这些缺陷检测系统，制造商可以减少浪费，
提高生产效率，并确保其产品符合最高质量
标准。 MATLAB、Cognex 软件、LabView 和 OpenCV 都是流行的软件
用于图像处理的平台。每个平台都有其优点和缺点，

平台的选择通常取决于手头的具体任务。

MATLAB 因其易用性和易用性而成为广泛使用的图像处理平台。
多功能性。它提供了一系列用于图像过滤、分割和分析的工具。
此外，MATLAB 还拥有大量用于图像处理的预构建函数和工具箱库。
加工。然而，MATLAB 是一个基于编码和矩阵的软件，速度可能很慢
当涉及大规模图像处理任务时 通常不适合实时

时间应用[7]。

OpenCV 是一个流行的计算机视觉和图像处理开源平台。
它提供了一系列用于图像过滤、分割和特征的算法和工具
检测。 OpenCV 针对实时应用进行了高度优化，具有出色的
支持硬件加速 但对于初学者来说学习起来可能会比较困难

缺乏 MATLAB 的预构建函数和工具箱 [6]。

康耐视软件是机器视觉和图像领域广泛使用的平台
加工。它提供了专门设计的一整套工具和库
用于工业检测和自动化应用[8]。康耐视软件提供
用于模式识别、缺陷等任务的先进算法和功能
检测和测量。它提供了用户友好的界面和直观的工具
设置和配置机器视觉系统。康耐视软件以其
强大的性能、高速图像处理和可靠的检测能力，
使其成为各行业质量控制和检验任务的流行选择。

另一方面，LabView是National公司开发的图形化编程平台
仪器（现属于是德科技）。它广泛应用于科学和
工程应用，包括图像处理和机器视觉。实验室视图
利用可视化编程方法，用户可以通过以下方式创建应用程序
以图形方式连接图标或块 称为虚拟仪器 (VI) 实验室视图
24