论文部分内容阅读
随着科技水平的不断提升,工业产品表面缺陷的自动化检测必然成为未来的发展趋势。目前,厂家主要采取传统的人工目视及抽检的方法进行产品表面缺陷的检测,该方法劳动强度大、误检率高、极大影响了产品的生产效率及产品质量的提高。为此本文在充分调研了国内外表面缺陷检测方法的基础上提出了基于机器视觉的贴花陶瓷盘表面缺陷的检测方法,并设计了相应的缺陷检测系统。研究内容如下:(1)通过实地走访和文献调研,详细了解了贴花陶瓷盘的生产流程及生产过程中常见的表面缺陷类型。本文结合产品特性设计了基于图像差分的缺陷检测系统,通过图像配准技术实现待测图像与模板图像(不含缺陷的标准图像)的空间几何坐标对齐,将配准后的待测图像与模板图像进行差分处理,利用表面缺陷智能检测算法判断该产品是否合格。(2)图像配准的精度是影响缺陷检测准确性的关键因素,因此本文通过重点研究3类主要的配准算法,提出了一种满足该系统需求的改进的SURF+BBF的快速图像配准算法。该算法采用FAST(加速分割检测特征)特征点检测+SURF(加速稳健特征)特征描述符生成+BBF(最优节点优先)双向匹配算法得到初匹配点对,然后利用RANSAC(随机抽样一致性)算法对初匹配点对进行提纯,计算图像间的单应性矩阵从而获取待测图像的仿射变化参数,实现待测图像与模板图像的配准。该算法具有速度快,精度高,对旋转、平移、光照、噪声都有较好鲁棒性的优点。通过大量待测贴花陶瓷盘样本的验证,缺陷检测的准确率为95%且误检率为2.5%,达到预期目标。(3)根据贴花陶瓷盘表面缺陷的属性特征将缺陷分为点缺陷、线缺陷和面缺陷3大类,通过对比各分类器的优缺点及适用条件,本文最终选择SVM(支持向量机)分类器进行缺陷类型的识别,该分类器受训练样本数量的限制只有86.7%的准确性,因此可以从增加训练样本数量和特征属性两个方面着手进一步提升分类器的准确性。(4)基于MFC(微软基础类库)编写了贴花陶瓷盘表面缺陷检测应用程序,将众多零散的算法集成在图形用户界面下,方便用户的操作,最终实现应用程序的稳定运行。