管状物料表面缺陷(下简称表面缺陷)是评价产品合格与否的关键指标。但管状物料在生产过程中,因生产工艺、生产材料、生产设备等因素影响,会出现斑点、划痕、裂纹、凹坑等表面缺陷。目前常用的表面缺陷检测方法是人工对缺陷物料进行挑选,其受人为因素大且运行效率低。针对表面缺陷检测要求准确率高、速度快的需求,本文采用机器视觉和图像处理技术对管状物料进行缺陷检测和分类。本文主要开展了如下研究内容:(1)针对管状物料检测系统,本文提出了一种检测识别、判断分类与挑选剔除地实施方案。首先通过A服务器对物料进行检测识别,判断是否为缺陷物料,而后B服务器对缺陷物料进行汇总、分类,最后由PLC控制机械机构对缺陷物料进行挑选剔除。并对管状物料表面常见的缺陷进行了详细介绍并分析产生原因。(2)针对物料图像的预处理问题,本文提出了一种改进的中值滤波混合噪声图像处理算法,该算法能有效去除椒盐噪声、抑制高斯噪声。对滤波后的图像进行分段线性灰度增强,改善图像质量。针对倾斜物料,采用基于Hough变换的方法对其进行校正。(3)针对物料自转、相机视角小和物料长度长等情况,本文采用先自转拼接、后分段拼接的方案。首先利用柱面反投影算法对物料进行曲面展开,而后采用SIFT算法提取特征点,实现图像拼接,最后采用加权平均融合算法对拼接图像进行去缝操作,实现图像的均匀过渡。(4)采用Canny边缘检测算法对拼接后的缺陷图像进行分割,实现了缺陷与背景的分离,提出了一种去小留大算法完成了缺陷区域的定位。针对支持向量机(SVM)的参数优化问题,本文采用遗传算法(GA)进行参数寻优,然后将主成分分析法降维后的特征向量作为SVM的输入参数,从而实现缺陷的准确分类。