【摘要】：高反射類零部件在其生產(chǎn)及后期處理過程中,可能會產(chǎn)生劃痕、擦傷等表面缺陷,嚴重影響產(chǎn)品的使用性能和壽命。該類零件表面具有鏡面反光特性,易導(dǎo)致檢測過程中缺陷目標的漏檢、錯檢。針對這類問題,基于數(shù)字圖像處理技術(shù),提出一種具備全局閾值自適應(yīng)調(diào)整的高亮表面缺陷識別新方法。首先,構(gòu)造利用空域和值域信息的濾波方式對原始圖像進行處理,保護目標邊緣信息;其次,以高斯函數(shù)的一階導(dǎo)數(shù)構(gòu)建Canny最優(yōu)邊緣檢測器,結(jié)合全局閾值最大類間方差法和形態(tài)學(xué)圖像分割法,完成圖像分割以及相應(yīng)閾值的自適應(yīng)調(diào)整,實現(xiàn)對缺陷目標的識別。實驗結(jié)果驗證了算法的有效性及可靠性,能夠在排除高光影響的基礎(chǔ)上有效地識別缺陷目標,對高亮金屬表面缺陷識別具有重要意義。
[Abstract]:In the process of its production and post-treatment, high-reflection components may cause surface defects such as scratches, scratches, and so on, which seriously affect the service performance and service life of the product. The surface of the part has the characteristics of mirror reflection, which is easy to lead to the leak detection and the error detection of the defect target in the detection process. In view of this kind of problem, a new method for identifying surface defects with global threshold self-adaptive adjustment is proposed based on digital image processing technology. The method comprises the following steps of: firstly, constructing a filtering mode for processing an original image by using a spatial domain and a value range information, and protecting the target edge information; secondly, constructing a Canny optimal edge detector with a first derivative of a Gaussian function, combining a global threshold maximum inter-class variance method and a morphological image segmentation method, And the self-adaptive adjustment of the image segmentation and the corresponding threshold is completed to realize the identification of the defect target. The experimental results verify the validity and reliability of the algorithm, can effectively identify the defect target on the basis of removing the high light influence, and has important significance for identifying the defect of the metal surface.
【作者單位】： 西安理工大學(xué)機械及精密儀器工程學(xué)院;西安工程大學(xué);
【基金】：國家自然科學(xué)基金(51505359)項目資助
【分類號】：TG84

【相似文獻】

相關(guān)期刊論文 前10條

1 任海鵬;馬展峰;;基于復(fù)雜網(wǎng)絡(luò)特性的帶鋼表面缺陷識別[J];自動化學(xué)報;2011年11期

2 焦敬品;馬婷;劉德宇;吳斌;何存富;;基于脈沖壓縮技術(shù)的相鄰缺陷識別方法研究[J];儀器儀表學(xué)報;2014年07期

3 錢彥嶺,羅飛路,彭濤;渦流檢測缺陷模糊認識的新方法[J];焊管;1997年02期

4 張廣明,馬宏偉,王裕文,譚玉山;超聲無損檢測中的缺陷識別與噪聲抑制[J];中國機械工程;1999年12期

5 ;射線探測技術(shù)與裝置[J];中國光學(xué)與應(yīng)用光學(xué)文摘;2000年04期

6 尹欣;王玉;趙俊敏;張輝;;基于遺傳神經(jīng)網(wǎng)絡(luò)的GH4169高溫合金摩擦焊超聲檢測缺陷識別[J];機械設(shè)計與制造;2008年05期

7 戴飛虎;;特厚板AUT典型缺陷識別[J];鋼鐵研究學(xué)報;2011年S1期

8 劉松平,陳積懋;大密度金屬釬焊蜂窩構(gòu)件超聲檢測與缺陷識別技術(shù)的研究[J];無損檢測;1995年10期

9 孫巖;原培新;;圖像處理在X射線膠片缺陷識別中的應(yīng)用[J];機械工程與自動化;2006年05期

10 薛海濤;李永艷;崔春翔;安金龍;;基于支持向量機的鋁合金點焊多類缺陷識別[J];焊接學(xué)報;2008年08期

相關(guān)會議論文 前1條

1 戴飛虎;;特厚板AUT典型缺陷識別[A];2011年全國中厚板生產(chǎn)技術(shù)交流會論文集[C];2011年

相關(guān)碩士學(xué)位論文 前4條

1 王亞圣;冷軋卷板板形在線監(jiān)測與缺陷識別評價系統(tǒng)設(shè)計[D];燕山大學(xué);2016年

2 周健;基于X射線實時成像的鋁合金激光焊接缺陷識別技術(shù)研究[D];南京航空航天大學(xué);2016年

3 孫欣蓉;基于矢量全聚焦的超聲陣列缺陷識別方法研究及其應(yīng)用[D];北京工業(yè)大學(xué);2014年

4 郝紅敏;基于小波變換的焊點缺陷識別方法的研究[D];河北工業(yè)大學(xué);2013年

，

本文編號：2454490