焊接在现代工业发展中具有重要的地位,在建筑、桥梁等多领域中都有着广泛的应用。焊接质量的好坏关系到产品的可靠性,所以对于焊接缺陷的检测就显得尤为重要。目前,焊接缺陷检测主要由人工完成,但人工检测存在着效率低、成本高、工作量大、检测结果受主观因素影响等缺陷。所以,人们需要研究出一种更有效的自动化焊接缺陷检测方式来代替人工检测,以实现焊接缺陷检测的规范化和智能化。本文以圆形的钢筋骨架为研究对象,通过使用CCD摄像机采集钢筋骨架焊接图像,研究焊接缺陷检测算法,经过图像处理快速提取出钢筋骨架缺陷特征,从而识别出焊接缺陷的类型。本文主要研究内容包括以下几个方面:根据钢筋骨架焊接生产环境,搭建一套基于机器视觉的钢筋骨架焊接缺陷图像采集装置。结合钢筋骨架焊接缺陷检测图像要求完成CCD摄像机和图像采集卡的选型。对采集到的钢筋骨架焊接图像进行图像处理:包括采用差分检测法去除大面积的背景区域提取出焊缝区域;采用中值滤波法对提取的焊缝区域进行降噪,在降低噪声干扰的同时又能很好的保持图像的边缘细节信息;采用模糊增强法对滤波后图像进行对比度增强,使得焊缝区域更加清晰,细节更加凸显;对增强后图像采用优化的Otsu法进行分割,该方法在考虑类间方差和类内方差对图像分割效果影响的基础上,用方差信息代替均值信息,提高了图像分割的质量和图像实时处理的速率;对分割后图像进行小面积背景去除和列扫描处理,提取出钢筋骨架缺陷区域,为后续的特征提取和缺陷识别奠定了基础。,对钢筋骨架缺陷区域图像进行几何特征的定量计算。采用八连通区域标记法对焊接缺陷区域进行目标标记和用链码表的方式对缺陷边缘进行跟踪,从而对图像中缺陷区域进行区分和实现缺陷区域边缘信息存储,通过计算得出缺陷区域的周长、面积、长短轴比和圆形度四个特征参量。通过对钢筋骨架焊接缺陷识别方法的研究,制定了一套钢筋骨架焊接缺陷检测流程,针对焊点脱落、表面裂纹、表面气孔缺陷,采用BP神经网络识别的方法,识别出缺陷的类型,判断出生产的钢筋骨架是否满足生产要求。