瓷砖表面质量检测是瓷砖生产中最后一道重要工序,主要包括颜色一致性分类、尺寸检测和缺陷检测三个方面。由于工作环境恶劣,以及工序的复杂性,目前该工序还一直依赖于人工检测。因此,瓷砖表面质量检测已经成为提高产品质量和效率、降低工人劳动强度和生产成本、改善劳动环境、实现瓷砖生产全过程自动化的瓶颈问题。虽然国外市场已有相关产品,但是只能用于特定类型瓷砖表面检测,而且费用昂贵,并不符合中国国情。本课题研究将开发满足我国行业需求的瓷砖表面质量检测系统,填补国内空白。　　 本文作者在大量文献研究和现场调研基础上,提出了一套符合工程要求的瓷砖表面质量自动检测设计方案。该方案的实施需要解决以下核心技术问题:瓷砖图像的配准、颜色特征矢量的设计、颜色一致性分类器设计和边缘检测。这些问题长期以来一直是困扰瓷砖表面质量自动检测的难点,用传统的检测技术很难解决。本论文的创新之处在于:提出了一种新的改良遗传算法,解决了瓷砖图像的配准问题；通过综合人工神经网络、模糊技术和遗传算法,建立了一种混合智能模型,解决了颜色特征矢量设计以及基于颜色的瓷砖分类器设计；利用人工神经网络技术,实现了瓷砖的边缘检测。为了验证这些技术,开发了瓷砖表面质量自动检测原型系统,其中的瓷砖尺寸检测设备在多个厂家使用,大大提高了瓷砖表面质量的效率、降低了工人劳动强度,产生了很好的社会和经济效益。　　 在采用改良遗传算法后,使每块600×600mm瓷砖的配准速度平均达到0.94秒,配准精度在X方向达到0.22个像素,Y方向达到0.252个像素,角度达到0.015°,为实时自动检测赢得了时间,为提高检测精度创造了良好的条件。　　 颜色的一致性分类(色差检测)是瓷砖自动检测技术中最为复杂的问题。本文提出了可以综合反映颜色整体统计和空间分布信息的颜色特征矢量,它是颜色精确分类的关键因素之一；应用混合智能模型实现了瓷砖分类器设计,在满足在线检测速度要求条件下,与人工分类结果符合率达到98.18％。　　 本文设计并优化了基于二值图像边缘检测神经网络的并行模式,解决了直接利用灰度图像进行边缘检测时训练样本过于庞大问题,实现了实时处理,精度达到0.089个像素,将其用于尺寸和缺陷检测中,能够满足自动生产工序的要求。