随着经济的发展,复合材料因其轻质、耐腐蚀等优点广泛应用于军工、交通运输、能源、化工等领域,碳纤维预浸料作为复合材料制造过程中的一种中间材料,在工业制造中应用广泛,由于生产过程中原材料质量不佳、生产操作不规范及生产后运输不当等原因,缺陷的产生难以避免,影响产品力学性能的同时导致产品质量下降。目前,碳纤维预浸料的缺陷检测仍然以人工目测为主,检测效率低的同时具有较强的主观性。近年来,机器视觉检测技术因其检测速度快、准确率高、可连续工作等优点,已经广泛应用于缺陷检测中,节约劳动力的同时提高了自动化检测效率,具有良好的应用前景。本文基于机器视觉进行碳纤维预浸料褶皱、划痕、裂纹、孔洞四种常见缺陷的识别及分类研究。根据碳纤维预浸料缺陷特征及检测需求进行总体方案设计,搭建了碳纤维预浸料表面质量检测系统。设计了工业面阵相机搭载定焦镜头的检测方案,基于低角度照明结合背光照明的光源配置获得分辨率较高且对比度强的碳纤维预浸料图像,实现缺陷的识别及分类。针对碳纤维预浸料成像过程中环境干扰等因素影响成像质量的问题,采用小波变换滤波法处理含噪图像,经处理后的图像在保留边缘轮廓的同时信噪比较高,具有较好的去噪效果。提出一种熵加权最大类间方差图像二值化方法,以最大类间方差法为基础,灰度图像的熵为权值,计算图像二值化的最佳阈值,解决了划痕缺陷识别精度较低的难题。针对缺陷分类准确率较低的问题,提出一种基于预浸料图像HOG特征与缺陷几何特征加权融合的特征提取方法,提取预浸料图像的HOG特征并采用PCA法进行特征降维来描述预浸料图像的纹理梯度特征;计算缺陷区域的圆形度、矩形度、外接矩形的长宽比、密度及矩特征作为几何特征,通过加权融合的方式进行特征融合。根据实验样本的特征,经实验比较分析,选择支持向量机作为分类器。实验验证,采用两种特征加权融合的方式进行褶皱、划痕、裂纹、孔洞四种缺陷的分类时准确率较高。设计的检测系统能够代替人工检测的同时提高了缺陷检测的效率及准确率,具有一定的实际意义及参考价值。