近年来,世界铝工业发展迅速,国内电解铝行业产能迅速增长。原生铝在生产过程中由四个环节构成一个完整的产业链,包括:铝矿石开采、氧化铝制取、电解铝冶炼以及铝加工生产。其中,在电解铝环节中,需要使用以石油焦、沥青焦为骨料,煤沥青为粘合剂制造而成,经过焙烧,具备稳定几何结构的炭块作为预焙铝电解槽阳极,又称作焙烧阳极。预焙阳极炭块在生产过程中,会由于原材料的结构性质、成分比例、热处理工艺、加热和冷却等因素,导致炭块表面在生产过程中会产生裂纹。炭块的裂纹能够对碳阳极的成品率带来不良影响,甚至会对铝工业的生产效益带来不良影响。其中裂纹能导致炭块在电解过程中,局部不导电或电流分布不均,从而影响电解槽的操作,致使电解效率降低。此种裂纹若在早期发现可以对炭块及时更换。传统的炭块表面裂纹检测是通过质检员使用肉眼进行识别,该方法识别效率低、人工投入成本过高、误检率较高。针对此方法的弊端,本论文现提出一种基于图像处理的预焙阳极炭块表面裂纹识别方法,能够提取出裂纹的几何参数信息,通过将这些参数与阈值进行对比,从而判断炭块是否为合格产品。本论文首先介绍了传统基于图像处理的裂纹识别方法,针对传统中值滤波法存在的可能引起一定程度的边缘模糊现象的发生,采用了一种改进的自适应中值滤波算法。针对使用传统的Canny算子对图像进行分割处理时,高低阈值的设定需要凭借人工经验设定而导致的图像分割精度较差的现象,本论文利用最大类间方差法来动态获取高阈值,再根据高低阈值之间的倍数关系可计算出低阈值。此外,对Canny算子中,计算图像像素点梯度的幅值和方向算法进行了改进,使用改进的Scharr算子对图像的梯度进行计算,提高了对复杂曲线图形边缘信息的检测完整度。本论文中设计的基于图像处理的阳极炭块裂纹识别系统中,图像处理模块是核心,位于上位机后台系统中。此外下位机系统负责获取炭块图像信息并将该信息传送至上位机系统。安卓端用户可以通过APP实现对上位机后台系统中经过处理的图像信息的访问,提高炭块裂纹检测系统的实时性、可靠性。