压力容器是工业时代最重要的设备之一,在压力容器在服役过程中所处环境往往伴随着高温、高压、高腐蚀介质,面临裂纹、变形、腐蚀孔等造成压力容器损坏的危险,若不进行及时有效的检测,轻则企业停产重则发生爆炸等安全事故,对人民生命财产安全带来重大隐患。传统无损检测手段不仅效率较低还无法消除检测人员进入容器内部实施检测的安全隐患,因此本课题在对机器视觉进行深入了解的基础上,研究多种图像处理算法在压力容器无损检测中应用的可行性,设计出一套高效的应用于压力容器内壁缺陷检测的机器视觉检测系统,确保企业生产安全与工作人员的人身安全。相比于传统的压力容器无损检测技术,在安全性和速度方面,机器视觉检测方法拥有无可比拟的优越性。结合现有的机器视觉系统在缺陷检测领域的应用研究,提出一种能够进行实时在线检测的压力容器内表面缺陷视觉检测系统。在对机器视觉检测系统进行深入了解的基础上,创新性的提出了一种基于多镜头图像采集的压力容器内表面缺陷视觉检测系统设计方案,结合压力容器无损检测的实际工作情况,提出使用鱼眼镜头代替传统镜头进行图像采集,并选择了合适的鱼眼镜头与USB模组组成图像采集设备。针对压力容器内部特点,确定将采用前向照明方式的条状LED光源作为系统光源,为进行有效的缺陷检出,本课题在照度、照明角度两个方面设计了照明实验,当使用合适的光照强度以及使用低照明角度时可以获得较好的裂纹检出。最后提出了视觉检测系统的软件工作流程,包含图像采集与拼接、数据对比以及点距测量功能,可以完成对缺陷的定性定量检测。图像预处理与鱼眼图像处理是进行图像拼接步骤的必要准备,在本课题中图像预处理算法主要包括图像滤波算法以及灰度变换算法。在鱼眼图像处理实验中,实验结果表明采用扫描线逼近法提取鱼眼图像的有效区域后使用经纬度校正法进行畸变校正可以得到快速、有效的处理结果。由于压力容器内部照明条件较差,进行图像采集时容易产生椒盐噪声影响缺陷检测,因此在图像预处理实验中对比了均值滤波、中值滤波以及自适应中值滤波在不同噪声环境下的表现,其中自适应中值滤波算法的处理效果较好且不受噪声密度的影响;由于结构、光照的影响易导致采集到的图像部分区域对比度较低,缺陷不明显,对这类图像进行直方图均衡化,获得了强对比度的图像和高辨识度的缺陷,证明了灰度变换算法在图像预处理中的必要性。图像拼接算法研究是压力容器内壁缺陷视觉检测系统设计的关键。本课题在深入研究了图像拼接算法原理的基础上,考虑到现场检测的实时性,提出了一种基于SURF特征提取的图像配准算法以实现缺陷图像的快速配准。为了达到精确匹配的效果,使用最近邻与次近邻法消除过量的误匹配点,同时引入Ransac算法对匹配点进一步筛选并计算出图像的最优变换模型。由于采集设备的硬件偏差与照明光线的差异会使得拼接图像产生重影、缝合线等问题,使用加权平均法对拼接图像进行融合操作,使拼接区域平滑过渡,获得良好的拼接效果。最后使用与容器内壁相似的带环焊缝金属管壁图像作为实验对象验证了SURF算法应用于压力容器内表面图像拼接中的可行性。根据系统设计要求选择并组装合适的鱼眼镜头、CMOS相机以及LED光源等硬件设备搭建实验平台。使用C++语言在Visual Studio环境下对系统软件进行实现,分别完成图像采集与处理功能、数据对比功能以及点距测量功能。系统软、硬件联通后,将实验平台置入压力容器内部,通过系统操作界面进行表面图像的采集、处理与分析,其中图像的拼接功能达到了预期效果,获得了良好的压力容器内表面全景图像,而数据对比与点距测量功能仍有待完善。本系统是机器视觉在压力容器内壁缺陷检测领域的应用研究,系统采用合适的照明方案,搭配鱼眼相机获取压力容器内壁表面图像,利用图像处理算法得到压力容器内表面全景图像,结合对比与距离测量功能进行辅助分析,实现了安全高效的压力容器内表面缺陷检测。