随着科学技术的发展和社会的进步,工业产品也朝着高质量,多元化的趋势发展。因此,针对流水线上的工业产品设计一个高精度、高效率的检测方法是必不可少的,这有助于筛选出高质量,符合生产标准和消费者需求的工业产品。然而,在工业检测中通常会遇到对比度很低的检测目标,例如钢板的凹痕,这类高反光表面的轻微形变缺陷的对比度低且没有明显边缘,难以成像,一直是机器视觉系统中检测的难点。因此,本文针对高反光表面的轻微形变缺陷的光学特征设计了光学成像系统,增强了缺陷图像的对比度,并针对图像特点提出了相应的缺陷检测算法,弥补了机器视觉系统在轻微形变缺陷检测上的不足。首先,本文建立了轻微形变缺陷的成像仿真模型,验证了条纹光对轻微形变缺陷的成像增强效果并分析缺陷尺寸对缺陷成像的影响,针对尺寸极小的缺陷探究其在条纹光不同位置下的成像效果并分析缺陷成像机理。在此基础上提出了一种边缘光扫描法,在光学上提高缺陷成像的对比度,得到包含高对比度缺陷的序列图像。其次,针对合成序列图像的过程中缺陷对比度降低的问题,本文提出了一种新的基于对比度加权的图像合成算法。通过计算序列图像对应像素与周围的对比度,依据每个像素的对比度权重选择合成图像的像素值,从而得到缺陷的高对比度合成图像。针对亮暗分界处对比度权重较大的问题,引入列均值阈值区分缺陷和亮暗分界处。该算法有效去除了亮暗条纹背景的干扰,保留了缺陷的高对比度,得到包含完整缺陷的合成图像。再次,针对合成图像中轻微划痕类的缺陷与周围的对比度仍然较低的问题,本文提出了自适应平滑与形态学差分算法。依据划痕、噪声和背景三者的不同特征选取不同的高斯滤波器的窗口参数,在保留划痕特征的情况下最大程度地平滑噪声。在形态学差分过程中引入差分阈值区分划痕与非划痕区域,只对非划痕区域做差分,保留划痕的灰度值,从而得到高对比度的轻微划痕图像。该算法有效克服了噪声和不均匀背景的干扰,得到很好的分割结果,实现轻微形变缺陷的检测和识别。最后,根据光学成像方法对实验系统硬件进行选型,搭建轻微形变缺陷检测系统并进行实验,实验表明本文的光学方法完整扫描了被检表面并有效提高了轻微形变缺陷的对比度。此外,与常见的缺陷图像处理算法的对比实验表明,本文的自适应平滑与形态学差分算法能有效增强轻微形变缺陷的对比度,从而得到很好的分割结果。相比其他缺陷检测方法,本文的缺陷检测方法显著提高了表面轻微形变缺陷的检测能力,可用于工业检测。