基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。