石冬阳 张俊林 杨 欣 聂翱翔 张雨欣 庞迎春

(重庆科技学院 电气工程学院， 重庆 401331)

0 前 言

在零件的加工过程中，由于机器老化、机器自身存在偏差、生产技术等原因，常常导致加工出来的产品质量存在问题[1-2]。不合格的产品直接影响仪器设备的正常使用，因此，零件质量的检测尤其重要。

近年来，随着图像处理与深度学习技术的发展，出现了多种针对零件螺纹缺陷检测的方法，很大程度地提升了零件的产品合格率。文献[3]报道了利用机器视觉皮带开发，实现了对3种螺纹缺陷的检测，但该方法没有考虑图像噪声对检测结果的影响。文献[4]中，首先采用Roberts算法对零件图像进行预处理，然后对螺纹边缘进行特征提取，其不足之处在于，检测的螺纹边缘存在断裂、漏检的现象。文献[5]中，采用机器视觉工件缺陷检测系统对螺纹缺陷进行了定位，但其能够检测的螺纹缺陷类型不全。文献[6]中，提出了局部投影统计法，该方法能够快速有效地去除图像噪声，但能够检测出的螺纹缺陷类型也不全。

1 缺陷检测模型的构建

首先，对零件图像进行灰度化、二值化、锐化等预处理；然后，采用边缘检测、直线检测、图像旋转、垂直投影等方法对零件的螺纹缺陷进行检测。零件螺纹缺陷检测流程如图1所示。

图1 零件螺纹缺陷检测流程图

2 图像预处理

为了使螺纹图像特征更加明显，避免图像噪声的干扰，需要对其进行预处理，以提高螺纹缺陷检测的精度。

2.1 图像灰度化

对图像进行灰度化操作，可以减少运算量。……