随着金属板材的广泛运用,有色金属行业和钢铁行业对金属板材表面质量的要求越来越高。由于生产设备原因、外界环境等各种因素,金属板材,如铝板、钢带在生产过程中极易产生各种缺陷。缺陷的数量、类别、在金属板材的位置等决定板材的后续处理。在工业生产竞争激烈的当今社会,产品表面检测技术作为一种产品质量控制的重要手段,已被广泛应用到工业生产过程中。产品表面检测技术大致可分为两大类,一类是依赖人体视觉系统的人工目测法,这类方法在早期的工业生产或小型的生产工厂中常用,缺点在于速度慢,效率低,测试结果具有主观性,依赖于测试工人的工作经验;另一类则是利用机器视觉理论来实现的智能的测试方法,这类方法具有检测效率高、运行速度快、测试结果客观等优点,伴随计算机应用技术、模式识别技术和图像处理理论的快速发展,促使了该检测方法的精度的提高。在铝加工行业中表面缺陷是铝板质量的关键指标之一,铝板表面质量控制与检测系统的核心技术是缺陷的检测与识别。本文实现了一种基于机器视觉的铝板表面缺陷分类系统,提高了铝板表面缺陷的识别率。本文针对铝板表面缺陷图像的特征,采用图像处理技术及模式识别技术,结合分类器实现了铝板表面缺陷的分类,主要进行了以下工作:(1)铝板生产中常见缺陷类别总结;(2)铝板表面缺陷的预处理算法设计与实现;(3)铝板表面缺陷的特征提取与选择算法设计与实现;(4)SVM(支撑向量机)的分类原理以及分类器算法设计与实现。在铝板表面缺陷分类中,我们能够得到的缺陷样本数量往往是有限的,支撑向量机能够较好地解决小样本分类问题。本研究课题创新之处在于将支撑向量机运用到铝板表面缺陷分类之中,通过改变核函数来提高识别率。本文在对铝板表面缺陷分类系统中分类器的设计上做了大量试验,尝试了常用的分类器,通过对比,SVM分类器识别率最高。