铸造生产是一个复杂的工艺过程,造型工艺位于铸造生产的前段工序,是铸造生产的关键环节。造型后存在缺陷的砂型会导致相应的铸件产品缺陷,因此,在铸件生产过程中进行砂型质量控制是至关重要的。目前企业通常采用自动化水平低且检测精度不高的人工目视抽检法进行砂型缺陷质量控制,这严重的影响了铸件产品的质量和企业的生产效益。　　 本课题根据企业砂型质量检测要求和砂型铸造生产工艺,开发设计了一套基于机器视觉的砂型缺陷在线自动检测系统。该系统采用PLC作为主控制器,以视觉传感器作为图像处理模块,进行砂型图像缺陷的判定、特征提取和分类,使用人机交互界面进行检测结果显示、监控和缺陷统计。主控制器通过控制视觉传感器实现砂型缺陷在线自动检测,根据判定结果控制机械运动装置放行合格品,将不合格品推至不合格区。　　 本文以砂型作为研究对象,对砂型图像预处理、缺陷检测、特征提取和缺陷模式识别几个方面进行了深入研究。为了改善砂型图像的视觉效果,首先对采集图像进行图像灰度化、图像线性拉伸增强、图像滤波去噪和图像阈值分割等预处理。砂型缺陷检测和缺陷识别算法是整个砂型视觉检测系统的核心,本文针对砂型图像的特点提出基于区域划分的两级图像检测算法,制定了砂型缺陷检测流程。第一级对预处理后的图像进行基于轮廓特征的图像匹配算法处理,检测砂型的每个编号区域是否存在缺陷。当编号区域存在缺陷时,调整三轴坐标工作台移动摄像机到相应的编号区域,对存在缺陷的目标区域进行第二级图像预处理、图像配准和差分运算,然后提取砂型缺陷的颜色特征和形状特征作为缺陷识别的特征参数,最后利用砂型缺陷的特征参数采用决策树方法,对缺陷进行识别和分类。　　 根据砂型实际生产条件和基于机器视觉的砂型缺陷检测算法,设计砂型缺陷检测系统的总体结构,详细阐述了整个砂型缺陷检测系统的硬件和软件模块设计。　　 最后为了验证砂型缺陷检测系统的有效性,本文对某一型号砂型进行离线调试和在线自动检测实验。实验结果表明:本文设计的砂型缺陷检测算法能够正确识别砂型缺陷,实现了预期的检测要求。机器视觉自动检测技术可以有效地应用于铸件生产过程中进行质量控制。