张国胜，张帆，邹洵，张召颖，马保平

（1.201620 上海市 上海工程技术大学 机械与汽车工程学院；2.201620 上海市 上海工程技术大学 智能机器人研发中心）

0 引言

轮毂在铸造过程中由于各种原因所产生的缺陷主要分为气孔、缩孔、缩松、裂纹和夹杂[1]。一般来说，通过人工检测的方式能够识别出轮毂缺陷的有无及缺陷的类型，但检测时间较长且效率不高，因此研究轮毂自动化检测系统是十分重要的。因企业生产成本等原因，目前对轮毂质量检测大多采用X 射线技术，但是并不能确保识别缺陷的正确性及效率[2]，因此，可以以X 射线对轮毂的检测成像技术为基础，对轮毂缺陷的检测成像运用机器视觉技术进行组合优化，实现对轮毂缺陷的识别及判断。

本文主要对常见的5 种轮毂缺陷类型进行检测判断，对采集的缺陷图像进行预处理后提取出缺陷部分并针对缺陷特征进行提取，通过构建缺陷特征识别算法，实现对轮毂缺陷的检测判断。

1 缺陷图像处理

直接采集的轮毂缺陷图像具有噪声多、缺陷部分不显著等特点，若未经过预处理操作会造成识别干扰，影响检测正确率及效率[3]，故要对缺陷图像运用多帧叠加去噪等预处理操作。在完成预处理操作后需要对轮毂缺陷图像进行图像分割以得到缺陷部分图像。图像分割是利用图像中灰度、颜色、纹理、尺寸等特征对所需区域进行选取的过程[4]。

1.1 Otsu 分割

Otsu 原理为：将图像分为L 个不等的灰度级，设置灰度值阈值T，将图像的像素进行分类。……