在铝压铸件生产过程中,由于种种原因在铝铸件表面不可避免地会产生气孔、裂纹、划痕等缺陷。目前国内铸造生产车间多采用人工目视检测法,劳动强度大且工作效率低,检测结果易受到人的主观影响;而基于机器视觉的检测技术可以有效克服人工检测方法的上述缺点,具备非接触性、客观性、高效性、精度高等优点,成为未来工业检测的发展方向。本文基于机器视觉和图像处理技术,提出了一套针对铝铸件缺陷的检测识别算法,主要的研究工作包括:(1)在分析铝铸件各类缺陷图像成像特点的基础上,研究如何针对性地将可疑区域都准确地分割出来。特别是对于尺寸微小(直径d?2 mm)的气孔缺陷,如何将其有效地分割出来为铝铸件缺陷图像分割研究的一个难点。对此本文提出基于阈值和形态学相结合的分割方法,可准确完整地分割出气孔缺陷区域,获得其焦点的像素位置。(2)分析研究真缺陷(气孔、裂纹、缩孔、松缩)与伪缺陷(水渍、渣痕、油污)的特征,提出基于区域几何特征、区域亮度特征以及区域中心行灰度曲线波形差异的剔除方法。试验表明,该算法能有效地减少伪缺陷对检测结果的干扰。(3)研究铝铸件表面缺陷的特征表达、提取以及选择。通过分析,本文将铝铸件表面缺陷用几何形状、灰度、不变矩和纹理特征来表达,为了提高识别效率、减少后续分类工作的计算量,采用主成分分析法对特征矢量进行选择降维。(4)研究支持向量机分类器,运用MATLAB平台建立多分类进行仿真实验,在不影响正确率的前提下提高计算效率,降低向量机的复杂程度。