槽罐车作为一种运输危险化学品的常压金属罐车,由于其运输介质的特殊性,需定期检验以消除安全隐患。目前,槽罐车检测常采用人工进罐采样和测量,长时间罐内检测严重影响了检测人员的身体健康。槽罐车罐体内部焊缝因应力集中最容易产生缺陷,而此部分恰好是最难检测的。本文采用机器视觉方法分析槽罐车内壁焊缝缺陷,提出了一种基于边缘检测的焊缝提取方法,采用主成分分析与支持向量机方法实现缺陷分类,最后设计了基于人机交互界面的槽罐车焊缝表面缺陷分析系统,实现了槽罐车缺陷数字化、智能化检测,大大缩减罐内检测时间,保障检测人员的生命安全。具体工作如下:首先,分析了槽罐车检测系统需求,研究了槽罐车焊缝图像的预处理方法。采用加权平均法灰度化图像,研究了各种滤波去噪方法对焊缝灰度图像的去噪效果。针对滤波后的边缘模糊问题,通过分析图像像素的变化率增强了焊缝的边缘。其次,研究了槽罐车焊缝缺陷提取方法,提取出焊缝缺陷。针对槽罐车焊缝缺陷图像对比度低以及图像光照不均匀问题,本文提出了一种基于边缘检测的焊缝提取方法,采用边缘检测、形态学处理、面积阈滤波和最小外接矩形等方法提取出平行焊缝,采用“旋转法”提取出倾斜焊缝。在此基础上,采用阈值分割方法分割出焊缝缺陷,并用特征选择方法去除了焊缝缺陷周围的噪声,实现焊缝缺陷提取。然后,分析了槽罐车焊缝缺陷,实现焊缝缺陷分类。选出了与焊缝缺陷有关的十个特征,采用主成分分析方法将十维缺陷特征降至三维,累积贡献率为92%。采用支持向量机法分析降维后的缺陷特征数据,缺陷分类的平均准确率为99.7%。最后,设计了基于人机交互界面的槽罐车焊缝表面缺陷分析系统,实现图像采集、缺陷提取、缺陷分析和图像管理等功能。