用永磁铁氧体材料制成的瓦形磁体,简称磁瓦,是生产永磁电机的主要元件之一。磁瓦制造生产过程中,表面会产生不可避免的制造缺陷,含有缺陷的磁瓦用于永磁电机将会影响电机的性能,甚至产生故障。开发研制磁瓦自动化、智能化检测装备对于提高磁瓦生产质量和效率都具有十分重要的作用。本文针对磁瓦表面主要出现裂纹、偏磨、气孔、崩烂和起层的五种缺陷类型以及工业中所需自动、快速、并基于流水线的检测需求,明确了本文需要设计一种视觉检测磁瓦表面缺陷的系统,该系统包含机械运动控制、采像和图像处理三部分,用来检测磁瓦六个主要面内的缺陷。论文主要研究内容如下:(1)设计并研究整个机械运动控制系统。使用ADAMS软件对设计的机械手进行运动学和动力学仿真,确定了设计的合理性并得到机械手的力、力矩、转速等参数;配合传送带进行机械系统和电气系统的搭建,搭建好的原型机通过C#语言进行编程,使整个系统实现自动运动控制。(2)为获得高对比度的磁瓦图像,研究并搭建磁瓦采像系统。磁瓦内外表面图像采集系统采用环形光源进行照明,相机接收磁瓦内表面的漫反射光线来成像;磁瓦端面图像采集系统采用蓝色同轴光源进行照明,并增加蓝色滤镜来减少其它光线干扰,相机接收磁瓦端面的镜面反射光线来成像。(3)为从不同照明系统下采集的磁瓦图像中提取缺陷,研究不同的图像处理算法。在分割磁瓦内外表面缺陷时,采用传统的阈值分割方法可以达到缺陷分割的目的;在分割磁瓦端面缺陷时,提出一种将K-means聚类算法与阈值分割算法相结合的方法对端面缺陷进行分割,两种算法的结合使用,可以达到准确分割缺陷的目的。(4)通过对支持向量机分类方式的理论分析以及不同核函数在不同参数下的实验分析,选用径向基核函数且参数C为0.8、gamma为0.25的支持向量机模型对磁瓦缺陷进行识别。结果显示,该识别方法识别率达到93.75%。