基于1－分类支持向量机的机器视觉缺陷分类方法

李 琪， 卢荣胜， 陈 成

（合肥工业大学 仪器科学与光电工程学院，安徽 合肥 230009）

0 引 言

随着现代制造业的飞速发展，在一些高速连续的生产线上，如薄膜材料、纸张／出版物和带钢铝材的生产中，对产品的生产速度和表面质量要求都有了明显的提高，而在生产过程中由于原材料和生产过程的技术原因，都不可避免地会产生多种缺陷，传统上对这些缺陷检测常采用人工检测、检测式检测、电磁式检测和电涡流式检测等方法，但是这些方法效率低、劳动强度大、误检率高，对产品造成损伤或受限于检测材料的性质。随着现代生产技术的进步，这些方法已不适应检测要求。而机器视觉缺陷检测技术作为一种非接触、高效灵活、检测精度高、适用范围广的检测手段，得到了迅猛发展。目前影响力较大的有德国的Parsytec公司和美国的Cognex公司，它们针对钢材检测和纸张／薄膜检测分别推出了HTS／HTP和ISRA VISION表面缺陷检测系统，这些系统都采用CCD或CMOS相机作为光电接收装置，采用明场／暗场反射成像方式生成缺陷图像，并且将神经网络引入到缺陷检测过程中。目前，国内机器视觉检测还局限于小规模视场的在线检测。

机器视觉检测过程主要涉及对采集的图像进行预处理、缺陷分割和缺陷分类3个环节，其中图像预处理和缺陷分割属于数字图像处理的范畴，其研究已经十分成熟。而缺陷图像分类属于模式分类的范畴，它是将基于统计学习的理论引入到表面缺陷的自动分类中，对实现检测自动化具有十分重要的作用。……