铝/铜板带表面缺陷检测一直是精密检测领域的一个重要研究方向,随着我国有色金属工业的迅猛发展,铝/铜板带生产线工艺设施已在国际行业中处于领先水平。但是在汽车、飞机以及大量使用集成电路等相关领域,高端水平的板带产品质量和稳定性仍然未能达到新兴产业和国家重大工程的发展要求,因此提升高端板材的表面检测技术水平是现代企业生产中急需攻克的难关。当前,国内铝/铜板带材进行表面缺陷检测时主要采用人工检测的方法,这种检测方法工作量大、效率低。为解决这一问题,本文采用机器视觉及图像处理技术,根据铝/铜板带实际生产线情况,研发了铝/铜板带材表面缺陷检测系统。本文将铝/铜板带材表面缺陷检测作为研究对象,对获取的离线铝/铜板带表面缺陷图像进行深入研究,针对目前图像表面缺陷识别存在的问题,提出改进算法,并验证算法的正确性,具体工作如下:1.首先设计了表面缺陷检测系统的整体方案,包括硬件的构成和算法的改进,并提出了系统的主要技术指标。2.自主搭建铝/铜板带材表面缺陷图像获取平台,实现对带材表面图像的实时采集,并由图像采集卡将图像数据传输到PC端,实现对图像的数字化处理。3.采用灰度修正、滤波去噪等算法对所获得的图像进行预处理,然后采用分割算法对各阈值再进行分析,提出了一种自适应阈值算法。对比各种经典边缘检测算子得出Canny算子效果最好。对二值化图像,作进一步数学形态学检测,去除空洞或虚边缘。4.在传统BP算法的分析基础上,设计出神经网络分类器,并将传统的神经网络识别算法进行改进,并将该算法成功应用于缺陷分类中。实验的结果表明,和传统BP识别算法比较,改进后的算法收敛速度更快。并且铝/铜板带缺陷检测系统性能稳定,算法简便,能够满足连续检测的性能要求。