传统的产品表面质量检测主要采用人工检测的方法，人工检测不仅工作量大，而且易受检测人员主观因素的影响，容易对产品表面缺陷造成漏检，尤其是变形较小、畸变不大的夹杂缺陷漏检，极大降低了产品的表面质量，从而不能够保证检测的效率与精度。

近年来，迅速发展的以图像处理技术为基础的机器视觉技术恰恰可以解决这一问题。机器视觉是将图像处理、计算机图形学、模式识别、计算机技术、人工智能等众多学科高度集成和有机结合，而形成的一门综合性的技术。一般地说，机器视觉是研究计算机或其他处理器模拟生物宏观视觉功能的科学和技术，也就是用机器代替人眼来做测量和判断。机器视觉主要是采用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。基于机器视觉技术的缺陷检测系统，由于其非接触检测测量，具有较高的准确度、较宽的光谱响应范围，可长时间稳定工作，节省大量劳动力资源，极大地提高了工作效率。可对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。所以，人工检测难以达到降低消耗、提高产品质量的目的。

机器视觉在质量检测方面的应用占整个工业应用的近80％，其中最大的应用行业为：汽车、制药、电子与电气、制造、包装、食品、饮料等。机器视觉检测是非接触无损检测，与传统的检测手段相比，它具有不可替代的优越性，因而得到了广泛的应用，采用机器视觉的表面缺陷检测成为迫切需要。

技术实现要素：

METIS提供了一种基于人工智能的机器视觉表面缺陷检测装置及方法，目的在于克服现有技术中的缺陷，METIS利用机器视觉检测技术和图像处理技术，有效地实现了对工件表面缺陷更准确、更高效的检测，并提高了产品原料的利用率。

为了实现上述目的，本方案采用下述技术方案：

一种基于人工智能的机器视觉表面缺陷检测方法，包括以下步骤，

步骤1：将工件送到ccd摄像头视场内，由成像系统和图像采集卡将图像采集到计算机内部；

步骤2：运用图像处理技术对采集到的原始图像提取背景图像及二值化处理，从中提取特征量；

步骤3：最后运用模式识别技术对提取的特征量进行分类整理，根据不同缺陷的图像特征，识别出缺陷以完成系统的检测。

所述步骤1中构建其检测装置的部件，包括：

ccd摄像头及照明系统：用于对工件表面进行准确的光照补偿并采集工件表面缺陷图像；

图像采集卡：利用ccd摄像头采集图像，将得到的图像模拟电压信号输入到图像采集卡中，转换为便于计算机处理的数字信号；

主控计算机：根据图像采集卡输入的数字信号，对ccd摄像头及照明系统采集的表面缺陷图像进行处理和缺陷检测；