高梦阳，王 晗，曾耀斌，张芳健，蔡 念，董永超，陈新度

（1.广东工业大学机电工程系，广东 广州510006；2.佛山市质量计量监督检测中心，广东 佛山52800）

0 引言

在牙膏管生产过程中，由于生产机器设备、技术人员操作等原因，牙膏管内极易落入灰尘等杂质，导致牙膏管卫生程度不达标。目前在牙膏管最终质量检测时仍以人工检测为主，由于牙膏管的构造，这种检测手段明显工作效率很低，检测可靠性差，使用卫生状况不达标的牙膏可能给消费者带来重大健康隐患。随着数字图像处理技术的不断发展，机器视觉检测技术已经在国内外工业在线检测[1-2]、测量[3-4]等方方面面中得到广泛应用，逐渐取代了人眼检测方法。

近几年基于机器视觉的表面检测技术取得了重大进步，并且出现了一些检测热点，李娜[5]和郭克友等人[6]提取瓶口周长、面积、圆形度和相对圆心距离特征，应用BP神经网络实现瓶口缺陷检测，但当边缘区域出现大量干扰时，无法实现高速高精度瓶口定位；陈龙等[7]提出一种新的轴承表面缺陷类型识别算法，对轴承表面缺陷图像和无缺陷图像进行图像匹配以定位缺陷区域，运用像素点的异或运算以精确提取缺陷区域，而当缺陷区域与非缺陷区域差异较小时区分缺陷就比较困难。但目前牙膏管肩在线缺陷检测方面研究较少，大部分仍以传统人工检测为主。

由于牙膏管肩边缘区域干扰信息多，整个瑕疵疵目标占整幅图像比例非常小等特点，本文提出一种改进的圆拟合方法来确定需要检测的区域，然后利用评价函数最大限度提高无缺陷图像与缺陷图像之间的能量差，选取Gabor最佳参数，从而提取缺陷位置。……