随着“工业4.0”以及“中国制造2025”的提出,高效率、自动化、智能化的生产线将是未来制造业发展的重点。永磁铁氧体磁瓦作为电机的重要组成部分,广泛应用于汽车、家电等行业,具有广阔发展空间,其品质关系到电动系统的性能、寿命及安全性。国内大多数磁瓦生产厂家目前对磁瓦的检测采用人工目测,检测的准确性、稳定性难以保证并且劳动成本高,因此采用数字图像处理技术来实现对磁瓦表面缺陷的自动检测有着重要实践意义。本课题采用数字图像处理技术对磁瓦内、外表面进行无损检测,通过在实验室搭建的图像采集平台对磁瓦进行图像采集,利用数字图像处理的各种算法检测并识别出磁瓦缺陷。主要完成的工作如下:1、根据检测要求,完成了数码相机以及镜头的选型。通过研究磁瓦的物理特征,选择了合适的光源作为本课题的采集照明光源。进一步研究了四种缺陷对光线的反射特性,在相关的原理分析基础上确定了四种缺陷的最佳照明方案。2、首先对采集到的磁瓦图像进行感兴趣区域提取,然后针对磁瓦图像存在大量的灰度脉冲噪声,研究了传统去噪方法并分析其性能上的缺点,在此基础上提出了一种极值方向中值滤波的算法。该算法在噪声修复时充分考虑了被污染区域的边缘特征,提升了对图像细节的保护能力。针对滤波后图像对比度有所降低,在总结了图像增强算法的本质后提出了一种适应于磁瓦图像的灰度增强算法。3、针对经滤波后的磁瓦图像特点,在研究了传统分割算法的不足后,提出了基于下包络线灰度对比度的缺陷分割算法和基于曲线拟合的磁瓦缺陷分割算法两种算法。这两种算法在性能上互补,可以准确地分割出本课题研究的四种磁瓦缺陷。4、充分分析了各缺陷区域的特征,利用决策树分类的思想首先把特征值明显区别于其他三种缺陷的裂纹识别出来,然后针对其他三种缺陷的特征值存在重叠,采用Fisher识别法进行投影映射,最终完成了各类缺陷的识别分类。