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-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)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49.8 ms,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.

关键词：金属板材、表面缺陷、SIFT算法、BP神经网络、机器视觉

所属期刊栏目：42

分类号：TP391.4;TG142.15;TG115.28(计算技术、计算机技术)

资助基金：浙江省科技计划项目-公益技术LGG18E050025

在线出版日期：2020-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：39-44