吴 浩，徐向荣，许四祥

（安徽工业大学 机械工程学院，安徽 马鞍山 243032）

引言

在产品的检验过程中，表面缺陷检测是非常重要的一环，表面缺陷是指当物体表面局部的面积受到破坏而与周围的部分不一致，或是指物体表面受到污损，例如：孔洞、灰尘、刮伤、擦伤、凹痕等，如果物体的表面上有缺陷，在制造的过程中常会导致严重的问题，除了影响其外观，更有可能影响产品的内部功能，降低产品的经济价值。而基于机器视觉的表面缺陷检测技术逐渐成为当今世界信息科学的研究热点，已经有了诸多的研究与应用[1-3]。它是基于成像、图像处理与分析的自动检测和分析装备，已在多个领域取得发展。

常见的基于机器视觉的表面缺陷检测方法可以分为如下几类[4]：基于统计的方法，基于结构的方法，基于模型的方法，基于频谱的方法，其中最后一种是用得最多的方法。

常见的基于统计的方法有直方图法[5]，灰度共生矩阵法[6]和局部二值模式（local binary patterns，LBP）[7]等，主要是通过测量像素空间分布的统计特征。但其2个主要的缺点是在较大尺寸基元组成的纹理上性能较差和计算机性能要求高，因为要计算大量的邻接像素。基于结构的方法主要是利用纹理图像中具有相似性重复纹理的特点[8]，使用一个基元纹理作为基础，然后按照一定的规则将这个基元排列组合，得到完整的纹理图像。困难在于很多纹理变化多样，并不是简单的相似重复，不可能调整算法跟缺陷的特定几何形状匹配，也不适用于不具有规则性的结构。……