基于支持向量機(jī)的金屬表面細(xì)小瑕疵檢測算法.pdf

1、隨著機(jī)器視覺及相關(guān)技術(shù)的發(fā)展，視覺檢測技術(shù)越來越多的應(yīng)用于復(fù)雜材料表面的自動檢測中。在表面檢測中，必須解決好表面小瑕疵的檢測問題，這些瑕疵影響了產(chǎn)品的質(zhì)量與外觀，給生產(chǎn)的自動化帶來了難度。在產(chǎn)品缺陷檢測方面，機(jī)器視覺在成本、速度方面遠(yuǎn)比人類優(yōu)秀。利用機(jī)器視覺技術(shù)進(jìn)行表面缺陷檢測與分類，具有檢測準(zhǔn)確、缺陷識別范圍較廣、可靠性高且高效等特點(diǎn)，是目前表面缺陷無損檢測領(lǐng)域研究的熱點(diǎn)。金屬表面具有高反光和拉絲特性，金屬表面細(xì)小瑕疵的圖像檢測一直是

2、非常困難的問題，針對金屬表面的細(xì)小瑕疵檢測問題，本文提出的基于支持向量機(jī)的金屬表面細(xì)小瑕疵檢測算法，實驗結(jié)果表明本文的算法有較好的識別效果。 該算法首先構(gòu)造模板，構(gòu)造模板時需要采集多張合格產(chǎn)品的圖像來制作模板，從而綜合出一個統(tǒng)計化的模板。本文提出的算法采用統(tǒng)計平均法來制作模板即根據(jù)各個樣本象素值的概率分布，求出統(tǒng)計平均值作為模板值。 然后在線采集需要檢測產(chǎn)品的圖像，并將采集到的圖像進(jìn)行預(yù)處理，然后再和模板圖像進(jìn)行匹配后做

3、減法操作。在對采集圖像進(jìn)行預(yù)處理時，目的是為了去掉環(huán)境對圖像的影響，如光照，溫度，噪聲以及因為流水線不穩(wěn)定等因素造成的影響。在和模板進(jìn)行匹配時采用了計算簡單，速度快的NCC匹配方法。 在將待檢圖像和模板圖像做完減法后，該算法將圖像分成若干子塊，以每個子塊的灰度直方圖作為支持向量機(jī)的輸入，通過對每個子塊是否含有瑕疵進(jìn)行分類，實現(xiàn)金屬表面瑕疵的自動檢測。將圖像分成子塊是為了使在整副圖像中顯得微小的瑕疵在小塊中凸顯出來，以便于檢測到瑕