金属带材是工业基础性原材料,其表面质量作为产品重要性能参数越来越受到企业关注。表面检测数据不仅可以用于分析工艺问题,还可为成品管理提供重要依据。随着市场需求量快速上升,基于机器视觉的表面检测技术已经成为研究热点。目前该技术市场不仅被国外垄断,且技术仍未成熟。本文对目前金属带材表面检测中存在的技术问题展开研究。通过对其中关键技术分析总结,给出了解决方案。在完成了样机研制后进行了工程应用验证,最终成功得到了应用推广。期间形成创新性成果包括:1.针对数据采集过程中干扰因素造成图像非均匀性问题,提出统计背景估计的高斯马尔科夫模型校正方法,解决了图像非均匀性和图像序列灰阶不一致性问题;对校正后的图像数据提出基于3σ准则的自适应背景纹理的缺陷提取方法,解决了高数据率下缺陷检测的实时性问题。两种方法的融合实现使系统检出率和稳定性得到了保证。2.针对变背景纹理与非显著性缺陷图像分割问题,提出组合分割算法。该方法基于3σ准则自适应双阈值、残差卡方分割、自适应熵检测,以误分概率最小准则实现自动组合分割,并采用固定阈值异常判断。结合自动多线程技术实现,提高了分割准确性。3.针对多形态非显著性缺陷在大数据率下识别的技术难点,提出最近邻与词袋模型两级识别方法。方法通过缺陷特征与最近邻法过滤缺陷数据;再通过混沌特征描述缺陷形态的非确定性,再构造中层特征描述其隐含的工艺特征信息进行二级识别。4.为获取稳定且高质量的图像,对其中关键部件进行了自主研制,形成了多项专利技术:一体化多路线阵相机光学采集装置、线光源调整装置、自锁定线阵相机调整装置、适用于线扫描应用的一体化线性光源。5.针对有色加工行业表面检测需求,研制了具有完全自主知识产权的带材表面检测系统,经持续优化和完善后得到企业用户的认可。打破了国外技术垄断的局面。