周鼎贺，宋志峰，林富生，余联庆，史正倩，程泽

（武汉纺织大学机械工程与自动化学院，湖北省数字化纺织装备重点实验室，三维纺织湖北省工程研究中心，湖北 武汉 430200）

随着汽车行业不断发展，汽车零件涂装工艺及质量受到越来越多的关注。工艺水平以及现场生产环境的不确定性等因素会造成涂层表面产生不同程度的缺陷，尤其是在涂装零件表面的孔洞边缘处，经常会由于表面形状发生变化或孔洞周围存在油污，造成如图1所示的破损、漏膜等情况，对零件的使用寿命造成影响。针对这一情况，人们对孔洞边缘的缺陷检测进行了一些探索。王爱芳等[1]基于自适应生长区算法对图像进行分割，判断孔洞边缘是否存在缺陷，提取准确率为75.16%，但该算法速度较慢。王雪梅[2]利用神经网络对孔洞周围的涂装缺陷进行分类检测，对缺陷进行了合理分类，但提取准确率并未提高。骆亚微[3]通过图像分割，改善了分水岭算法和Canny算子不连续的情况，进一步提高了识别准确率，但花费时间较长，不利于工业上的快速检测。

图1 涂装缺陷Figure 1 Coating defects

本文在现有工作基础上提出了一种新的检测方法，在保证检测精度的前提下，进一步减少检测所需时间，提高检测效率。首先采取不同的光照方式与光源进行实验，得到合适的图像采集方案；然后通过对比不同的孔洞定位拟合方法对孔洞进行快速定位及拟合缩短检测时间；再使用快速傅里叶变换，在频域内构建高通滤波器进行滤波与卷积，利用傅里叶逆变换转回空间域从而消除噪声，保留缺陷特征；……