基于熵率聚类的超像素机器视觉与缺陷检测算法*

李 锋

(广东交通职业技术学院，广东 广州510650)

0 引言

随着智能制造工艺精度的提高，高精度和快速检测成为目前亟待解决的问题。机器视觉与图像识别作为非接触式检测方式，具有检测速度快、精度高的特点，能很好地解决智能制造流水线中的瓶颈，并逐步替代传统人工检测方法。

工业检测对表面缺陷检测要求更严格，传统表面缺陷成像方法，包括线扫描、结构光、面阵相机等已经不能满足精度要求，基于超像素检测算法由此诞生。 表面缺陷检测问题包括图像分类和图像分割两大部分，通过采集大量缺陷与合格产品图像，对比分析图像中缺陷特征，设计相应缺陷检测算法。

在实际的检测成像过程中，检测效果受到检测物品的拍摄角度、拍摄亮度、拍摄像素等因素的影响。 首先，在物体传送过程中会存在运动偏差问题，导致物品图像检测位置的随机性，需要对图像进行修正；其次，在图像检测过程中，存在检测目标与背景差异现象，导致检测目标的不同区域差异、检测效率低等问题。 为此，本文提出一种基于熵率聚类的超像素检测算法以解决上述问题[1]。

1 超像素表面检测

超像素是指由有相似视觉特征的相邻像素组成的像素块[2]。超像素分割即利用像素之间相似性，预先将像素分组，不再用大量单个像素而是用少量像素块表示图像信息，以降低图像后期处理所需时间及空间复杂度。 超像素表面检测生成算法主要分为两类：一类是基于图论方法，另外一类是基于梯度下降方法。……