皮革制品作为高端奢侈消费品,其品质攸关企业生死。当前皮革制品的缺陷,诸如疵点、划痕、虫洞、破洞、褶皱、污点等缺陷检测基本是依靠人工肉眼检测,不仅效率低下而且有损工人身心健康。如何采用先进的机器视觉技术来提高皮革缺陷检测效率已成为皮革制品企业面临的当务之急。本论文的题目来源于广东省佛山市一家皮革制品企业,主要针对该企业存在的皮革制品缺陷检测问题,提出了一种新的基于Gabor小波变换的机器视觉的皮革缺陷检测算法,该算法的新颖之处在于改进了最大类间方差进行缺陷检测。为实现和验证算法,作者搭建了检测系统平台,提出了缺陷检测方案,设计了缺陷检测算法、实现了缺陷种类分类算法。论文的具体的研发与开发工作如下:首先文章搭建系统的整体设计方案与其视觉检测模块平台。系统整体方案包括其硬件设备的选择、工作流程及其整体框架结构;视觉检测模块主要介绍了软件结构框架以及操作程序。其次,本文重点在于设计与实现皮革疵点识别算法以及其疵点种类分类算法。在检测算法中,采用了基于Gabor小波的缺陷检测算法,该算法基于Gabor小波与改进的最大类间方差进行缺陷检测,其在满足通用性与准确度的前提之下,提高了算法的实时性;而在其缺陷种类的分类算法中,采取一种基于SVM的缺陷分类算法,该算法通过利用灰度共生矩阵提取缺陷类别的特征值,并用SVM模型进行训练以及分类判定,对于缺陷种类繁多、小样本数据集的训练前提下,SVM分类模型具备更强的学习能力以及较高准确度。再次,本文通过实际数据集对检测算法以及缺陷分类算法进行实验验证,结果显示其检测算法在准确度提升了4.5%,缺陷分类算法则在其运行速度以及准确度分别提升了3.2%、3.6%。最后,本文总结了研究阶段发现的问题以及以后的研究方向。本研发系统还处于开发测试阶段,虽然在运行速度及准确度方面得到改进,但其稳定性以及数据集方面还存在不足,只有后期不断改进才能符合市场的需求。