基于机器视觉的铝型材表面瑕疵检测方法

摘要：

铝型材的表面瑕疵影响其质量、外观以及安全性,如何准确、快速和高效地识别铝型材的表面瑕疵至关重要.为解决检测铝型材表面瑕疵的问题,提出一种基于机器视觉的铝型材表面瑕疵检测方法.该方法基于铝型材的瑕疵种类和特性,采用非线性的双边滤波,并对其定义域核函数作出空间域改进,改进后的滤波算法能够较好地抑制噪声,保留瑕疵边缘信息.预处理后采用改进的Canny算法对图像进行梯度计算并且通过非极大值抑制得到候选边缘,对缺陷进行定位.为了有效地对瑕疵进行分类,对其数据集进行数据增强,防止过拟合情况的发生,结合光照等外界因素对瑕疵特征的影响,采用HOG算法进行特征提取,并将卷积神经网络多层的特征与HOG特征进行融合,对卷积核采用相关系数法优化,解决传统HOG+SVM模型泛化能力和鲁棒性差的问题,铝型材表面瑕疵检测准确率提升至90.26％,平均每张测试集仅需58.34 m s,符合目前对铝型材表面质量检测的需求.

关键词：机器视觉、铝型材、HOG算法、表面瑕疵、卷积神经网络

所属期刊栏目：49

分类号：TP391.41(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：2021-01-29（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：76-81