拉索是斜拉桥的重要构件,对桥梁安全至关重要。桥梁拉索外侧通常有高聚乙烯护套,护套在光照、风、水汽等作用下会产生裂纹、孔洞等缺陷,这些缺陷会对桥梁安全造成潜在威胁。对护套的定期检测和养护能够保证拉索的使用安全。本文对基于机器视觉的缺陷检测方法进行了研究,形成了一套较为完整的检测方案,有望在今后代替人工完成护套缺陷检测工作。本文的主要工作内容有:1)设计了表面缺陷视觉检测方案,其中图像采集模块包括CMOS工业相机、8mm定焦镜头、环形LED工业光源,用于采集护套表面图像。线上算法主要完成图像灰度化、图像去噪、图像分割与缺陷判别,并保存缺陷图像;线下算法完成图像拼接、特征提取、特征选择和图像分类任务。2)研究了图像预处理与图像分割算法。使用YUV颜色空间对采集的图像进行灰度化,用自适应中值滤波算法进行去噪处理,以保留原始图像信息。用sobel算子配合阈值分割、形态学处理等方法完成了缺陷部分的图像分割,最后使用面积和长轴长度判别是否为缺陷图像,长轴角度用PCA算法计算获得。3)对于缺陷可能存在于相邻相机交界处的情况,研究了图橡拼接算法。在特征点选取阶段,使用特征稳定、信息丰富的SIFT算法,并使用FAST特征点提取算法替代SIFT的特征点选取部分,实现了计算效率的大幅提升。经过筛选去除错误匹配点对后,使用RANSAC方法计算最佳的转换矩阵。最后选用灰度加权平均法对两张图像进行融合,得到最终的拼接结果。4)为了获得更有效的信息,对检测到的缺陷图像进行分类,对缺陷分类及相关算法进行了研究。从采集到的图像中提取了16种备选特征,在此基础上使用特征选择算法选出其中10种可分性较好的特征作为分类特征,该过程能够减少信息维度,去除冗余信息,从而提高分类算法的效率和准确率。分类使用SVM分类器完成,对于影响分类器性能的参数c和?,使用狼群算法进行优化,最终的分类器达到97.5%的分类准确度。本文对桥梁拉索表面缺陷检测中涉及的关键算法进行了研究与实验,其结果表明本文中的算法能够有效地去除图像中原有的干扰信息,保留完整的缺陷图像,并提取有效的缺陷特征为分类奠定基础,最后经过智能算法优化提高了缺陷分类的准确度。此外,本文算法的实时性较好,能够满足实际检测的需求。