随着家电产品消费市场的火热,作为家电产品原材料之一的彩钢板也随之得到日益广泛的应用。家电产品上使用的彩钢板表面质量标准相较于其他方面用途的钢板更加严格,本课题针对这一市场需求,利用视觉检测技术设计出一套彩色钢板表面缺陷检测以及缺陷类型分类系统。该系统主要的结构由:缺陷图像采集、缺陷图像处理、缺陷特征选择和提取以及缺陷类型分类识别四大部分组成。在检测、识别分类过程中对遇到的关键技术问题都在理论和实践两个方面做了深入的研究,本文主要完成的工作如下:1.根据每类缺陷的特征选择相适应的照明方案。在最大程度上突显缺陷特征的原则指导下,图像采集系统采用明、暗场相结合方式进行照明。根据检测系统的实际需求和实验室现有条件自行设计制作出一套光照亮度连续可调的LED漫反射光源装置。2.检测系统软件部分采用多线程结构。该软件系统由图像采集线程、图像处理线程、缺陷信息数据库线程构成,并通过一个总线程控制器分别实现对各个线程运行的控制,确保整个缺陷检测系统能够在高效、精确、稳定的状态下运行。3.根据缺陷成因和形貌特征深入研究了图像预处理以及分割算法。经过实验对比分析,中值滤波和图像灰度拉伸作为图像预处理算法;本文针对不同缺陷特点综合运用阈值分割、Canny边缘检测分割、分水岭分割算法和形态学等方法成功地将缺陷从背景图像中分离出来。4.研究了缺陷特征选择和提取方法。按照模式识别对特征选择标准的原则,本文将几何、拓扑、灰度统计、形状和纹理这五类特征组成的特征向量作为分类器的输入。为提高特征向量数据对分类识别的有效性,随后又运用剔除离群点和特征分量归一化方法对这些原始特征分量进行优化处理,使这些特征分量具有更加良好的分类能力。5.设计出了基于多层感知器模型的BP神经网络分类器模型。该分类器经过首次训练和再次改善训练之后能够对油斑、麻点、划痕、油漆亮斑和砂纹面带状色差带这五类缺陷进行较准确的识别,其中麻点和划痕的识别率可以达到100%。实验结果表明本文设计的彩钢板表面检测与分类系统对关键技术的解决方法是有效的、可行的,对彩钢板表面质量检测具有一定的参考价值和启发作用。