白海城，林湘军，刘书洋

（1.辽宁石油化工大学 信息与控制工程学院，辽宁抚顺，113001；2.辽宁石油化工大学 理学院，辽宁抚顺，113001）

陶瓷瓶绝缘子具有十分优异的物理性能，在变电站中具有广泛应用。但其在制作及处理等生产过程中很容易产生缺陷降低了成品率[1]。目前国内生产商已采用一些陶瓷表面瑕疵检测方法，例如射线检测、磁粉检测等手段，然而这些检测方法具有环境要求及检测成本高、成像不直观等局限性，有的甚至还会对人体造成危害。所以大部分生产厂家仍采用人工检测，即人工目视的方法。但目视检测需要较长的时间，人员易疲劳，且其精度主要依赖于工人的经验，因此对材料性能的评估需要其他有效的手段，更重要的是其无法实现连续在线检测，因而大大降低了生产效率，且增加了安全隐患。机器视觉识别技术在表面缺陷识别与分类中的应用，有效地改善了识别的精确度和效率，为企业的大规模生产创造了条件[2]。有关陶瓷材料的裂纹检测已经有很多文献，例如，张军[3]等使用差影法实现瓷砖的裂纹识别；刘行谋[4]等提出了改进的YOLOv4 算法来识别电力绝缘子图像是否存在缺陷；张子健[5]等利用EAST 模型与Hu 不变矩的检测方法来判断绝缘子是否存在故障；等等，但现有文献都是针对电力系统中的瓷瓶绝缘子进行巡检，鲜有文献讨论生产过程中流水线上的瓷瓶绝缘子表面存在缺陷问题的实时监测。因此，本文对采集到的图像进行图像预处理、缺陷定位、特征提取[6]、缺陷识别和缺陷分类[7]等一系列操作，提出了一种基于机器视觉的瓷瓶绝缘子表面缺陷检测方法，实现了针对高压瓷瓶缺陷的识别与分类。……