利用統計模型對物件表面缺陷之分類研究

The Classification of Object Surface Defect by Statistical Pattern Recognition

張永弢(Yung-Tao Chang)

指導教授 ： 陳雲岫

元智大學/工程學院/工業工程與管理學系/碩士(1994年)

摘要

本研究主要是利用機器視覺技術，配合統計模型辨認的方法，對物件表面
缺陷做一分類。研究中以"油封"為辨視的對象，共分成標準類、溢料類、
缺料類、內外徑大、內外徑小七類。研究的方法可分成兩部分，第一部分
主要是利用機器視覺技術獲取物體影像，並根據此影像計算其特徵值。第
二部分是以此特徵值為依據，利用統計模型辨認對"油封"進行分類。研究
中共用了四種統計模型的方法，最小距離分類法、最鄰近區域法、最大概
似法、貝氏分類法。本研究使用了三種特徵值，半徑值、一般光線下之標
準差、強光下之標準差。其中用半徑值來分辨標準類、內外徑大、內外徑
小等五類，以一般光線下之標準差來分辨溢料類，以強光下之標準差來分
辨缺料類。在分類上有不錯之成效。由於使用的方法不同，分類的結果亦
有不同，可讓我們瞭解四種分類法的差異。研究結果可運用在瑕疵品上的
分類，利用機器識覺並配合統計模型對生產過程中，所產生的瑕疵品做一
分類而不需藉人工來判斷，可避免因人為的疏忽或疲勞所造成的誤判，大
幅提高分類的正確性進而增加經濟效益。

關鍵字

機器視覺 ； 統計模型辨認

並列摘要

The purpose if this research is combining machine vision
technology and statistical pattern recognition to classify
object surface decfects. In the research, classified object
is oil-seal. We proposed two stages to process the
classification. First, applying machine vision to obtain
pictures of objects and then compute the features of the
pictures based on the characteristics of the classified
objects. Second, using statistical pattern recognition to
classify oil-seal based in the features of the objects. There
are four different methods of pattern recognition used :
minimum-distance pattern classifier,nearst neighbor classifier
, maximum likelihood classifier and bayes classifier. Different
conclusions are withdraw according to different classified
methods. The research results can be applied to control the
quality of products in a production process. Once a product is
defected by machine visualization, automatically, the product
can be classified as either a standard one or a particular
defective pattern. This can not only increas the
classification accuracy but also reduce the economic cost.

並列關鍵字

Machine Vision ； Statistical Pattern Recognition