基于机器视觉的金属板材表面缺陷光学检测技术
【摘要】 为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题，搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程，利用图像等照度线改进中值滤波算法，对图像进行预处理，显著地抑制了图像的噪声。利用最大类间方差算法（OTSU）自适应确定一图像双阈值，改进了Canny算法中高斯滤波器对图像的灰度分布特征提取，使其不受亮度和对比度的影响。最后，利用SIFT（Scale-invariantFeatureTransform）算法提取缺陷特征点，提出一种BP（BackPropagation）神经网络和SVM（SupportVectorMachine）向量机结合分类器的检测方法，缺陷检出率为92.68%，单幅图像检测仅需49.8ms，该缺陷检测系统对金属板材表面缺陷能有效提取与识别，满足金属板材表面在线检测的要求。
