基于機器視覺的磁瓦表面缺陷檢測技術(shù)研究.pdf

1、永磁鐵氧體磁瓦作為汽車、家電行業(yè)廣泛應(yīng)用的電動機的重要組成部分，其表面質(zhì)量關(guān)系到電動系統(tǒng)的穩(wěn)定性、安全性和可靠性。機器視覺檢測技術(shù)以計算機科學(xué)為依托，以機器代替人工來實現(xiàn)自動檢測，將它應(yīng)用于磁瓦表面缺陷檢測不僅可以避免人工目視檢測法檢測效率低，容易產(chǎn)生誤檢和漏檢的問題，而且能夠削減勞動成本，大幅提高檢測的效率和質(zhì)量。
　　本課題將機器視覺檢測技術(shù)應(yīng)用于磁瓦表面缺陷的檢測，通過在實驗室靜態(tài)條件下采集磁瓦圖像，利用圖像處理方法檢測并識

2、別出磁瓦缺陷。主要完成的工作如下：
　　1、根據(jù)磁瓦檢測指標(biāo)、生產(chǎn)速度和精度等技術(shù)要求選擇了攝像機、鏡頭等硬件；通過照明實驗選擇并設(shè)計了適用于磁瓦的光源照明模塊中的光源和照明方式，在此基礎(chǔ)上搭建了用于磁瓦圖像采集的硬件平臺。
　　2、研究了常用的圖像去噪算法，分析了自適應(yīng)中值濾波算法的不足，在此基礎(chǔ)上進行了改進，實驗結(jié)果表明改進的算法能在消除磁瓦表面不同程度脈沖噪聲的同時較好地保持圖像中的細節(jié)。
　　3、針對生產(chǎn)過程中

3、磁瓦內(nèi)表面常見的四種缺陷類型：裂紋（包括深裂紋和淺裂紋）、崩爛、欠磨、壓痕，在研究傳統(tǒng)圖像分割算法的基礎(chǔ)上，通過實驗對比分析了各類分割算法的特點及其對于四種缺陷的適用性和局限性。針對傳統(tǒng)分割算法在提取淺裂紋和壓痕缺陷方面的不足，分別提出了基于紋理特征和基于區(qū)域生長的缺陷提取算法。
　　4、研究了缺陷特征提取與分類技術(shù)，對分別含有不同缺陷的樣本分別提取了缺陷的幾何形狀特征、灰度特征和紋理特征，經(jīng)過特征選擇后構(gòu)建了二叉樹分類器實現(xiàn)了四