基于机器视觉的铝铸件表面缺陷检测

摘要

在铝压铸件生产过程中，由于种种原因在铝铸件表面不可避免地会产生气孔、裂纹、划痕等缺陷。目前国内铸造生产车间多采用人工目视检测法，劳动强度大且工作效率低，检测结果易受到人的主观影响；而基于机器视觉的检测技术可以有效克服人工检测方法的上述缺点，具备非接触性、客观性、高效性、精度高等优点，成为未来工业检测的发展方向。
　　本文基于机器视觉和图像处理技术，提出了一套针对铝铸件缺陷的检测识别算法，主要的研究工作包括：
　　（1）在分析铝铸件各类缺陷图像成像特点的基础上，研究如何针对性地将可疑区域都准确地分割出来。特别是对于尺寸微小（直径d?2 mm）的气孔缺陷，如何将其有效地分割出来为铝铸件缺陷图像分割研究的一个难点。对此本文提出基于阈值和形态学相结合的分割方法，可准确完整地分割出气孔缺陷区域，获得其焦点的像素位置。
　　（2）分析研究真缺陷（气孔、裂纹、缩孔、松缩）与伪缺陷（水渍、渣痕、油污）的特征，提出基于区域几何特征、区域亮度特征以及区域中心行灰度曲线波形差异的剔除方法。试验表明，该算法能有效地减少伪缺陷对检测结果的干扰。
　　（3）研究铝铸件表面缺陷的特征表达、提取以及选择。通过分析，本文将铝铸件表面缺陷用几何形状、灰度、不变矩和纹理特征来表达，为了提高识别效率、减少后续分类工作的计算量，采用主成分分析法对特征矢量进行选择降维。
　　（4）研究支持向量机分类器，运用 MATLAB平台建立多分类进行仿真实验，在不影响正确率的前提下提高计算效率，降低向量机的复杂程度。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题背景及研究意义

1.2 机器视觉缺陷检测国内外研究现状分析

1.3 论文研究内容及结构安排

1.4 论文创新点

1.5 本章小结

第2章 铝铸件表面缺陷检测系统设计

2.1 硬件系统设计

2.2 软件系统设计

2.3 本章小结

第3章 铝铸件表面缺陷检测方法研究

3.1 图像滤波

3.2 图像分割

3.3 铝铸件微小气孔缺陷分割方法研究

3.4 伪缺陷剔除

3.5 缺陷检测试验结果

3.6 轮廓跟踪

3.7 本章小结

第4章 铝铸件表面缺陷分类方法研究

4.1 特征提取

4.2 缺陷特征降维

4.3 SVM原理

4.4 基于SVM的多分类方法

4.5 基于SVM分类器的缺陷分类

4.6 本章小结

第5章 总结与展望

5.1 全文总结

5.2 工作展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果