多尺度特征融合的陶瓷盘缺陷检测算法的研究

针对目前日用陶瓷缺陷检测主要依赖人工检测,现有的视觉检测算法中,存在检测缺陷种类单一,对光照强度过于敏感,适应性和通用性比较差的问题,本文以日用陶瓷盘为研究对象,提出了一种基于多尺度特征融合的陶瓷盘缺陷分类算法。首先,使用中值滤波处理,滤除细节噪声,根据训练图像和测试图像的灰度值进行不同模式的线性变换,减小同种缺陷的特征距离,同时还能在一定程度上对光照强度有一定的适应性;其次,计算多尺度灰度直方图统计数据特征;再使用Sobel算子对图像进行梯度处理,计算梯度图像的灰度共生矩阵,并推算得到梯度图像的能量、相关性、均匀性、对比度、熵、同向各向异性6组纹理特征;最后,将灰度直方图统计特征和灰度共生矩阵下的6组纹理特征相融合后,并传入KNN分类器中训练,并得到相应的陶瓷盘缺陷分类模型。实验结果表明,采用该算法对陶瓷盘表面进行缺陷检测,对常见陶瓷盘正反面缺陷的平均识别率达到86.86%,同时兼具实时性和鲁棒性的优点。