造纸生产是我国国民经济中不可或缺的部分,随着工业自动化水平的快速提升,生产的纸幅不断加宽,纸机车速也日渐提高,由于原材料质量不佳或工艺参数变化,使得造纸在生产过程中纸幅正反表面出现各种各样缺陷的几率增大,从而严重地影响纸张的外观质量。目前,基于机器视觉的纸张缺陷检测系统代替人工检测已成为大势所趋并取得了初步效果,但仍然存在若干瓶颈问题,其中检测算法方面最为突出的是纸张缺陷特征量的确定问题。为了提高近似缺陷的辨识准确率,往往依靠增高特征量维数逼近纸张表面缺陷的内在规律,这导致了特征量间的耦合与计算量的膨胀,反而使系统无法达到理想的辨识效果,且延长了系统运行的时间,造成系统的实时性与辨识准确率均难达到要求。针对以上问题,本文在分析现有的纸张缺陷辨识系统局限性的基础上,提出一种基于PCA的纸张双面辨识算法,在对双面缺陷进行类型及所属纸面辨识的同时,使用PCA算法对初步提取出的高维特征量矩阵,在保留主要特征信息的同时进行降维去耦合操作,以达到缩短系统的运算时间、提高辨识准确率的目的。该方法对造纸生产效率及产品质量的提高具有实用意义。本文的主要工作内容如下:(1)系统的硬件结构设计与搭建纸张双面缺陷辨识系统的硬件结构主要分为光源系统、图像采集模块、运动控制模块及负责数据处理的计算机四个部分。结合系统的功能及性能要求,对这四个部分的硬件设备进行类型分析及型号选择,并组建成为符合设计要求的硬件系统。(2)基于PCA的纸张双面缺陷辨识算法研究本文的算法研究主要包括图像的预处理(图像去噪、双面缺陷分割等)、特征初步提取与PCA特征再提取,以及辨识分类三步。首先利用大津法图像分割算法分离出存在于正反面纸张图像中的缺陷区域;之后对缺陷区域的灰度、形态等特征进行初步提取;接着利用PCA特征再提取算法对初步提取出的高维特征向量阵进行降维去耦合操作;最后将提取出的新特征输入至SVM分类器中,由SVM完成对纸张双面缺陷的这方面位置及缺陷类型判断。(3)系统软件系统的设计与开发本文的软件系统使用C++语言及MFC框架在VS2013的环境下进行开发通过对系统的图像采集模块、算法处理模块,界面显示与数据管理模块进行设计开发,实现了对纸张双面缺陷的图像采集、检测辨识、数据的管理及信息的存储显示功能,最后对系统的运行效果进行了测试分析。经过测试,系统能够准确地辨识出纸病的所属面以及类型,辨识率达到98.49%;与传统辨识方法相比系统运行时间缩短53.3%。完全达到了研究目标。