铸件被广泛应用于制造业的各个领域,铸件的表面质量作为其产品质量的关键受到广泛的关注。由于铸件在生产过程中存在着工艺流程不完善、加工环境不完全可控等问题,其表面不可避免的存在一些缺陷,这些缺陷会影响到产品的性能。目前,国内企业针对铸件表面缺陷的检测主要依靠人工完成,检测精度及效率均难以满足实际生产的需求。而基于机器视觉的检测技术具有非接触性、鲁棒性和高效性等诸多优点,能够有效的避免人工检测存在的问题。目前基于机器视觉的铸件表面缺陷检测技术尚处于发展阶段,因此,本文以刹车盘为对象,用机器视觉的方法对铸件表面缺陷的检测技术进行研究。本文的主要研究内容和结论如下:(1)铸件表面缺陷检测系统设计。首先,对铸件表面缺陷的特征及检测需求进行分析,从而明确了检测指标要求;其次,根据指标要求对相机、镜头、光源等关键器件进行选型,并搭建了表面缺陷检测实验平台。(2)铸件缺陷图像处理方法研究。首先,分析对比多种滤波算法,通过实验选取了性能最佳的滤波器,完成了图像去噪处理;其次,提出基于相似度计算终止策略和图像金字塔策略的模板匹配算法,高效地实现了刹车盘表面区域的分割;随后,提出最大熵阈值分割法与形态学开运算相结合的方法对刹车盘表面区域进行疑似缺陷区域的分割。实验表明:该算法能够完成疑似缺陷区域的分割。(3)铸件表面缺陷特征提取与分类方法研究。首先,分析了各类表面缺陷在图像中的特点,提取了缺陷部位的几何形状特征及均匀模式LBP纹理特征,并利用主成分分析法实现了融合高维特征的降维;然后研究了SVM相关理论,结合实验选取了合适的核函数与相关参数。实验结果表明:分类器可满足缺陷分类需求。(4)铸件表面缺陷检测实验与分析。首先,根据实际需求明确了软件系统的功能,并进行了相关功能测试;然后利用该软件结合实验平台与刹车盘样品进行了测试实验,验证了本文算法的可行性与有效性。实验结果表明:本文所提出的算法能够满足缺陷检测各项指标要求。