特钢棒材作为重要工业设备零部件的原材料之一,是目前冶金行业的重要产品,在生产加工过程中,由于轧制设备,加工工艺等因素,特钢棒材表面不可避免的会出现各种外部缺陷,这在影响产品外观的同时会导致特钢性能发生变化,造成韧性、抗弯强度和耐磨性等指标下降。而随着市场对产品要求的提高,原材料的表面质量也变得至关重要。为了能够有效控制特钢棒材的出厂质量、改进特钢棒材生产工艺因此、研究表面缺陷的形成原因,对特钢棒材表面缺陷进行准确高效的检测尤为重要。同时,进行相关研究研究对降低生产成本、改善工人工作环境、提高检测精度与生产效率大有益处。机器视觉检测相较于超声波、漏磁、涡流等自动化检测手段,机器视觉检测有非接触性,易于实现智能化与自动化等优势,因而广泛应用于表面缺陷检测中。在对相关领域研究现状与成果进行分析、研究与总结的基础上,通过对特钢棒材表面缺陷特征进行研究结合课题要求,制定了本文的研究目的与研究内容,具体如下:缺陷检测试验台设计:对现有机器视觉系统的构成和工作原理进行了深入研究,根据特钢棒材表面缺陷的特征、图像采集环境及缺陷检测的技术指标对所需相机、镜头等图像采集单元进行了设计选型。通过对特钢棒材自身的形貌特征进行分析,确定了造成反光严重的原因,为了弱化此影响提高原始图像质量高,对比了大量不同类型、颜色、尺寸的光源及不同的光照布置方案,选择了最适合特钢棒材的光源与照明方式;设计了更易于形成清晰的特钢棒材表面图像的机器视觉检测系统。图像预处理算法设计:由于特钢棒材形状为弧形,表面为曲面,故在原始图像采集过程中会因光照不均导致采集的图像中间较亮,两侧较暗、图像灰度不均,且由于获取传输原始图像过程中,会引入各种噪声,严重干扰了图像的可观测信息,对图像检测造成不利影响。基于此,提出了针对特钢棒材图像的预处理算法。首先对原始图像分段线性灰度变换以达到均匀图像灰度的目的;其次,对特钢棒材图像进行同态滤波处理以达到滤波去噪的目的;最后,采用形态学运算与边缘检测相结合的方法对棒材图像进行处理,从而达到提取缺陷的目的。棒材表面缺陷检测算法设计:针对特钢棒材表面纹理复杂、光照不均、图像灰度不均等特点本文提出一种非下采样剪切波变换（NSST）与形态学理论相结合的金属棒材表面划痕缺陷视觉检测算法。首先采用NSST对采集的原始图像进行分解,并对分解后的高频成分采用各向异性扩散及改进的自适应gamma校正进行滤波与增强,对低频成份采用尺度空间将底层尺度空间与各层尺度空间做图像减法后进行加权归一;然后采用NSST逆变换对各成分进行重构,得到背景均匀且噪声较少的重构图像;最后结合形态学处理对噪声的不敏感性及Sobel算子提取与保留边缘特征的准确性,对所得的重构图像进行形态学开运算、Sobel算子边缘检测及形态学闭运算;最后采用霍夫直线检测完成表面缺陷数量、尺寸、位置坐标的检测。表面缺陷检测系统设计:为简化用户操作流程,基于Matlab设计了一套界面直观简洁、功能齐全、易于操作的表面缺陷检测系统,该系统包括图像显示模块、数据管理模块、缺陷检测控制模块及缺陷数据反馈模块,能够很大程度简化检测流程,实现特钢棒材的在线智能检测。