镁是最轻的结构金属材料之一,因其质量轻、刚性好、密度低、散热快等优点被广泛应用于航空、运输、化工等各个领域。在镁合金薄板的轧制过程中,因机械及控制精度原因,易出现边裂、波纹、褶皱等缺陷,如果这个问题不能够被及时解决,将严重影响镁合金薄板成品质量,因此如何对镁合金薄板表面缺陷进行高效、快速地检测将成为镁合金薄板制造业的关键。传统的人工检测方法,效率低下,误检率高,而且耗费了大量的人力资源。现有的检测技术中常用的涡流检测技术、红外检测技术以及漏磁检测技术等由于其原理的局限性,检测速率和可识别的缺陷类型极为有限。近年来,随着计算机、自动化、人工智能、图像识别等技术的发展,以计算机视觉为核心的表面缺陷检测技术已经成为镁合金薄板生产的研究重点。本课题研制了镁合金薄板表面缺陷识别系统,其实时采集薄板表面图像,通过计算机视觉技术自动检测缺陷并利用贝叶斯分类器判定缺陷类型,为后续实现生产过程的无人值守及高度自动化控制奠定了基础。主要完成工作如下:(1)根据实验环境、生产线上的实际状况以及经济预算,确定了本系统的软硬件设计方案,如选择LED光源、确定照明方案、配置操作系统等。(2)由于薄板带表面具有对比度低、易发生光照反射的特点,选择了直方图均衡化、中值滤波等图像预处理的方法。(3)通过研究分析薄板常见的五个缺陷特征,选择了几何特征、纹理特征中的九个特征值组成特征向量。(4)在详实对比了各种缺陷分类器特性的基础上,结合实际生产中对于检测速度的要求,最终确定了具有快速处理多类问题优势的贝叶斯分类器来判断缺陷分属问题的划分。(5)通过研究各种软件平台,最终实现了薄板表面缺陷实时检测系统。本系统在实时检测过程中,识别率为83.6%,平均识别1个样本的时间为16毫秒,满足实际工业化生产需要。