基于区域生长的雪糕棒毛刺检测算法

为提高雪糕棒产品质量,避免雪糕棒对人体造成伤害,根据雪糕棒缺陷类型对其进行分类处理是一种有效手段。但雪糕棒各类缺陷复杂多样且具有一定的相似性使得区分缺陷类别成为一个难点。针对以上问题,文章采用了一种基于区域生长的缺陷检测方法对毛刺与矿物线缺陷进行准确分类。首先对图像进行滤波处理来排除噪声干扰,然后获取缺陷区域骨架,并通过分析骨架端点8邻域内像素灰度值特征来获取区域生长的起点;在此基础上将骨架的方向以及骨架端点的灰度值作为相似性度量准则进行下一步生长,最后根据生长后的区域与雪糕棒边缘的连通性区分缺陷类别。利用该方法对建立的ICS-F缺陷图库进行测试,毛刺与矿物线的准确识别率分别达到99.6%、98.4%。该方法为雪糕棒工业现场实时缺陷分类提供可行性,具有一定的实用价值。