基于机器视觉的带钢表面缺陷检测系统中图像处理方法设计研究

为了提高带钢表面缺陷的检测准确度,文章基于机器视觉的带钢表面缺陷检测系统图像处理方法进行了研究。根据带钢表面缺陷检测过程中图像处理方法的作用,将图像处理方法分为了图像去噪及增强、缺陷图像分割、分割图像聚类、缺陷图像分类四个方面进行设计。其中,图像去噪采用的是自适应中值滤波方法,图像增强采用的是Top-hat方法,缺陷图像分割采用的是迭代分割方法,分割图像聚类采用的是连通区域聚类方法。缺陷图像分类首先采用基于灰度共生矩阵方法提取图像的纹理特征,接着采用支持向量机方法对缺陷图像进行分类,最终获取带钢表面缺陷检测结果。通过研究结果可知,这些方法能实现带钢表面缺陷的准确检测。

基于机器视觉的带钢表面缺陷检测系统的设计

针对带钢的表面质量检测进行专门化研究,设计了基于机器视觉的带钢表面缺陷检测系统,从系统硬件结构、软件设计两方面进行深入分析与研究。其硬件结构包括图像传感器、高速CCD相机、光源设计;软件设计包括图像滤波去噪、缺陷特征的提取和选择、表面缺陷检测与辨识。根据实验结果的比对可知,本文设计的基于机器视觉的带钢表面缺陷检测系统在对带钢表面缺陷进行检测时,随着试验次数的累加,其精测精度均比传统系统要高,证明本文设计具有较高的实用性和有效性。