气缸套作为内燃机的核心组成部分,其质量直接对整体性能起作用。在气缸套的生产过程中,由于受到自身的内压力、夹紧力等作用,容易使气缸套表面出现气孔、裂纹缩孔等缺陷。这些缺陷的产生会影响产品的使用性能。目前,国内针对铸件表面的缺陷检测大多靠人工来完成,随着市场的需求量增加,这种方式存在一定的局限性,不仅效率低,而且容易受主观因素的影响。而基于机器视觉不仅能够避免人眼识别存在的问题,且具有鲁棒性、高效性等优点。因此,本文提出了一种基于机器视觉的线阵式气缸套缺陷检测识别研究,主要完成以下内容的研究。(1)系统平台总体研究。首先搭建了一套完整的图像采集硬件平台,可实现对气缸套缺陷的自动检测。其次,通过对X射线成像系统的优化设计来提高获取图像的质量。(2)气缸套缺陷图像预处理研究。首先,对比分析了帧积分叠加法和空间滤波法,结合空间滤波的算法,本文采用中值滤波与维纳滤波的结合对图像进行降噪。其次,为了增加明暗区域对比度,选用直方图均衡化对图像进行增强。随后通过穷举法对阈值算法一一对比分析,提出了基于最大相关改进法和形态滤波学相结合的算法对气缸套表面疑似缺陷进行分割。实验结果表明,完成了对气缸套表面疑似缺陷的分割。(3)气缸套缺陷表面特征提取和识别分类研究。首先,针对气缸套表面缺陷在图像中的特点,提取几何特征、Hu不变矩以及改进后的LBP纹理特征作为特征矢量,并对融合后的高维数据利用PCA主成分分析法进行数据降维;随后研究了支持向量机SVM的相关理论,选取径向基作为核函数与相关参数对缺陷进行分类。实验结果表明,符合气缸套缺陷分类要求。本文提出的基于机器视觉的线阵式气缸套缺陷检测研究,可以准确检测缺陷的同时也实现了对缺陷种类的快速分类。满足了企业对缺陷的自动化检测需求,具有重要的学术研究价值。