冷轧不锈带钢表面缺陷检测主要采用机器视觉技术进行在线的检测识别,但冷轧带钢表面不可避免地存在诸如划伤、夹杂等一些灰度和外形非常相似的缺陷,采用常规基于二维图像特征的机器视觉的方式检测,识别的准确率较低。双目立体视觉技术,采用双目相机同时拍摄目标形成的视差图实现三维重建,具有系统结构简单、成本低、效率高、精度合适等优点,可用于对具有深度特征的对象进行识别。主要针对冷轧不锈带钢表面夹杂与划伤这两种相似缺陷在常规视觉方法无法识别的情形,提出基于双目立体视觉的三维识别方法,实现对具有深度差别相似缺陷的检测和识别。主要研究工作如下:首先,构建了双目立体视觉不锈带钢表面检测系统。采用2台分辨率为2592×1944的黑白相机、条形光源及参考激光单光源构建双目立体视觉检测系统,其中双目相机间的夹角为30度,并置于同一高度垂直向下拍摄处于中心的带钢样品;光源采用明场照明的方式置于双目相机基线的中心,尽量保证双目相机拍摄图像光照相同,同时增强采集的带钢表面缺陷原始图的质量;参考激光单光源采取垂直照射的方法置于双目相机基线的中心,解决冷轧带钢表面缺乏纹理造成的立体匹配困难。基于双目立体视觉原理,对构建的双目立体视觉检测系统利用MATLAB进行相机标定,标定的平均误差为0.35,对采集的样品数据采用基于Open CV3.4.1的Visual Studio 2017进行预处理和检测识别。其次,提出对反光不锈带钢表面进行缺陷分割的同态滤波的霍夫变换预处理方法。同态滤波将图像分成照射强度和反射强度两部分,通过抑制照射分量和提高反射分量,极大地消除了由于光照不均匀和不锈带钢表面反光造成的影响;霍夫线变换通过统计边缘图像在霍夫变换空间中的峰值,找到冷轧不锈带钢表面的线形缺陷的位置,为缺陷分割提供依据。实验结果显示,采用此方法可以准确无遗漏地分割出冷轧不锈带钢表面图像的线型缺陷区域。最后,建立双目立体匹配视差图的随机森林和支持向量机检测识别模型。用所构建双目立体视觉平台采集冷轧不锈带钢样品表面的缺陷图像,建立二维缺陷目标分割数据库,其中包含夹杂缺陷图片有71幅,划伤缺陷图片有81幅;对二维缺陷目标分割数据库进行立体匹配获得缺陷区域的视差图,构建三维缺陷数据库,基于此数据库建立随机森林和支持向量机检测识别模型。将缺陷数据库按5:1划分训练集与测试集,其中训练集中包含夹杂缺陷图片57幅,划伤缺陷图片64幅,测试集中包含夹杂缺陷图片14幅,划伤图片17幅,分别采用随机森林和支持向量机两种检测器进行训练识别。实验结果显示,基于双目立体匹配视差图的检测识别准确率最高,可达93.5%;而基于二维缺陷数据库的检测识别中,采用随机森林检测器的识别准确率最高,可达90.3%。