论文部分内容阅读
随着计算机技术和工业自动化的迅速发展，机器视觉技术在产品缺陷检测领域的应用越来越广泛。相比于传统的人工检测方式，基于机器视觉的在线缺陷检测不仅降低了企业的用人成本，而且具有自动化、实时性、准确性等优势。由于金属的反光特质，金属工件的表面缺陷检测一直是个富有挑战性的难题。因此，对金属工件缺陷检测技术的研究具有重要意义。本文以金属工件为研究对象，完成了缺陷检测系统的设计。本文的主要研究内容如下： 研究了镜头和照明对图像质量的影响，根据工程中要求的速度和精度以及检测目标的特点，选择基于CMOS控制技术的WP-U1400相机和OPT-RI8060-RGW-V2.0.5型的LED环形光源作为本论文图像采集系统的硬件配置。 针对图像光照不均匀工况下无法完成缺陷提取这一问题，本文提出了基于标准差的局部Otsu改进算法和基于朴素贝叶斯分类的局部Otsu改进算法。将图像分割为多个子窗口：基于标准差的改进算法是首先计算各个子窗口的标准差，然后选取合适的标准差阈值将子窗口分为有缺陷窗口和无缺陷窗口，最后在有缺陷窗口中使用Otsu算法；基于朴素贝叶斯分类的改进算法首先提取各个子窗口的多个特征属性训练朴素贝叶斯分类器，然后利用训练好的分类器完成有缺陷窗口和无缺陷窗口的自主分类，最后在有缺陷窗口中使用Otsu算法。实验仿真结果表明，基于朴素贝叶斯分类的改进算法比基于标准差的改进算法缺陷检出率更高，因此本文使用基于朴素贝叶斯分类的局部Otsu算法完成缺陷提取。 针对缺陷提取结果中划痕和毛丝的不连通问题，本文提出了基于数学形态学的补偿方案。即在缺陷提取结果中选取部分连通区域作为结构元素，然后使用选取的结构元素与不连通缺陷作闭运算处理，完成缺陷补偿，得到连通的缺陷。 针对本文的样本特点，使用决策树算法和支持向量机（SVM）算法完成缺陷分类，根据两种算法的优缺点，设计了基于两种算法的组合分类算法，使用该组合分类算法完成了本文的缺陷分类，结果表明显著提高了识别准确率。 最后，本文使用C++语言集成以上算法开发了系统的软件平台。大量测试结果表明，本设计可以满足工程要求的速度、精度、缺陷检出率和识别准确率。