基于MATLAB的小型零件表面缺陷检测方法研究.pdf

备 C K I Engineering 工程 基于 M A T LA B 的 小型零件表面缺陷检测方法研究 林柳娴 (同济大学中德学院，上 海 201800) 摘要：机器视觉技术在零件缺陷检测领域中应用前景广阔 。图像处理作为机器视觉技术中的关键技术，对零件表面缺 陷检测效果有着直接的影响。本文以 MATLAB为图像处理工具，对小型零件表面缺陷检测方法进行研究，并对不同处理方 法下的检测效果进行分析比对，并对未来的研究方向进行了初步的探讨。 关键词：机器视觉技术；缺陷检测；图像处理 中图分类号：TP 391.41 文献标识码：A 文章编号：1671-0711 (2017) 01 (上 ）-0065-02 基于视觉识别技术的表面缺陷检测系统在现代 图像分割、边缘检测等算法获取缺陷区域，并提取 制造业中是保证产品质量的关键。其通过计算机模 缺陷特征进行分类识别。 拟人的视觉，来实现实际的检测、测量和控制等功 2 . 2 图像处理模块 能，具有非接触、速度快、精度合适、现场抗干扰 (1) 图像增强处理。由于实验中采集的原始图 能力强等突出的优点。机器视觉技术包括光源照明 像包含了复杂的背景，再加上在光源照射、震动、 技术、光学镜头、摄像机、图像采集卡、图像信号 灰尘、表面粗糙等会造成噪声干扰，因此需要进行 处理，以及执行机构等关键技术。本文以MATLAB 图像增强处理，以增加图像辨识度，锐化零件的边 的图像处理技术为基础，对采集到的环形片状小型 缘轮廓，削弱或去除背景、噪声等信息。图像增强 零件进行缺陷检测方法研究。 处理方法主要有基本灰度变换、直方图处理、图像 滤波等。中值滤波能有效去除图像中的离散噪声， 1 视觉图像和MATLAB的联系 对图像的实际处理效果较好。 （2 ) 图像分割。图 像分割的目的之一就是目标提取，其输入为图像而 MATLAB在处理数字图像时，通过对图像的采 输出为从这些图像中提取出来的属性。其所采用的 样和量化得到一幅离散化成M X N 样本的、整数整 阈值分割法相当于对图像进行二值化，其实质是确 列的数字图像，极为直观简便，其图像处理工具箱 定一个阈值，通过对图像中的每一个像素和此阈值 具有灰度变换、图像滤波、图像增强等强大的图像 的大小比较，决定当目II像素是目II景点还是后景点。 处理功能。因此，用 MATLAB处理数字图像在工 OTSU算法是阈值分割算法中较好的分割方法，其 程计算、控制设计、信号处理与通讯、图像处理、 最根本的思想是把待分割的对象最终分割成两类， 信号检测、金融建模设计与分析等领域独具优势。 因此对于本检测系统中不良零件来说，该算法有利 于将缺陷和背景分割开来。但对于良好的零件来说， 2 环形片状小型零件检测方法研究 OTSU算法会由于良好零件灰度图像像素灰度值分 布的集中度较高而