曹 阳， 卢 军

(陕西科技大学 机电工程学院, 陕西 西安 710021)

0 引言

在工业生产中，质检作为确保成品质量的关键环节，在工业生产自动化中具有重要的意义.在铝材制造行业，铝材的表面质量是评价铝材质量的一个重要指标[1]，传统的缺陷检测技术主要依靠机械式检测方法，如电涡流检测、漏磁检测等，但其检测原理具有局限性，无法广泛应用[2].近年来随着机器视觉与深度学习技术的兴起，利用图像处理技术来进行表面缺陷检测成为主流.

机器视觉作为一种无接触、无损伤的检测手段，在工业生产自动化、智能化过程中具有重要的作用，在工业缺陷检测得到了广泛的应用.徐科等[3]利用Tetrolet变换从热轧钢板图像中提取低维特征向量，再送入支持向量机进行缺陷分类，分类识别准确率达到了97.38%； Shafarenko等[4]通过提出一种新的颜色相似性度量方法，配合分水岭分割算法，实现了对随机纹理表面缺陷的检测；李良福等[5]针对桥梁裂缝，利用伽马变换等算法对图像进行重新生成，突出其缺陷特征，再进行轮廓查找，完成了对桥梁裂缝的检测；Hoang等[6]针对皮革表面缺陷，提出了一种阈值分割结合密度聚类的方法，完成了缺陷的分割及分类，实验结果表明了该方法的有效性.基于机器视觉的检测方法，相较于传统机械手段已有很大进步，但在涉及特征提取部分，往往需要针对数据集，设计独特的特征提取器，传统机器视觉算法中关键参数的确定，如文献[6]中的……