基于圖像處理技術(shù)的缺陷智能檢測(cè)技術(shù)研究及應(yīng)用.pdf

1、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，計(jì)算機(jī)輔助評(píng)片已經(jīng)成為射線檢測(cè)領(lǐng)域重要的發(fā)展方向。目前，鋁輪轂的射線檢測(cè)評(píng)片主要是由人工完成的，其檢測(cè)的效率比較低。本課題開(kāi)發(fā)了一套鋁輪轂缺陷的智能檢測(cè)系統(tǒng)，該系統(tǒng)具有圖像處理軟件的基本功能，而且能夠?qū)崿F(xiàn)對(duì)有無(wú)缺陷、缺陷個(gè)數(shù)的檢測(cè)；能夠?qū)θ毕莸奶卣鲄?shù)進(jìn)行計(jì)算，并實(shí)現(xiàn)對(duì)缺陷級(jí)別的判定。 首先根據(jù)檢測(cè)的需要設(shè)計(jì)了一套硬件系統(tǒng)，該系統(tǒng)可以實(shí)現(xiàn)工業(yè)電視的功能。在軟件部分設(shè)計(jì)了五大模塊：圖像采集模塊，數(shù)據(jù)庫(kù)模塊

2、，圖像處理與分析模塊，缺陷提取模塊，缺陷特征分析模塊。首先進(jìn)行圖像采集，采集到的圖像可以直接存入數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)采用了SQL Server 2000和ADO接口技術(shù)進(jìn)行設(shè)計(jì)。數(shù)據(jù)庫(kù)具有存儲(chǔ)量大，查找快速的特點(diǎn)。圖像分析處理主要包括了：圖像降噪，灰度變換，圖像銳化，邊緣檢測(cè)等功能。對(duì)于圖像存在的噪聲，根據(jù)其特點(diǎn)，分別采用了多幀疊加平均法和中值濾波方法進(jìn)行處理。并對(duì)中值濾波進(jìn)行了改進(jìn)，達(dá)到了比較好的效果；對(duì)于對(duì)比度不高的問(wèn)題，采用線性變換、對(duì)

3、數(shù)變換等方法，對(duì)圖像進(jìn)行了增強(qiáng)；對(duì)于模糊的圖像，在分析其原因的基礎(chǔ)上，采用了輔以閾值判斷的梯度銳化。本文還在分析傳統(tǒng)邊緣提取算法的基礎(chǔ)上，把一種基于SUSAN算子的邊緣提取應(yīng)用到輪轂圖像中，取得了理想的效果。在缺陷提取部分，經(jīng)過(guò)試驗(yàn)發(fā)現(xiàn)直接對(duì)輪轂圖像進(jìn)行分割得到的效果不理想。在分析其原因的基礎(chǔ)上，提出了基于ROI的缺陷提取技術(shù)和基于形態(tài)學(xué)的提取技術(shù)。缺陷的檢測(cè)主要是根據(jù)連通區(qū)域的特性，采用了一種標(biāo)號(hào)處理的方法實(shí)現(xiàn)。在缺陷的特征提取部分，