Bullet side surface detection technology based on machine vision

近些年，随着科技和生产水平的不断发展，机器视觉技术以其智能高效和非接触式等优点在生产检测中得到了广泛的应用。本文在枪弹表面缺陷检测的应用背景下，开展了基于机器视觉的枪弹侧表面缺陷检测技术研究。 论文内容主要包括：枪弹侧表面缺陷自动检测系统的总体设计，基于HSV颜色模型的单个枪弹分割算法，枪弹侧表面缺陷检测算法以及弹体缺陷分类方法四部分内容。 针对图像中包含多个枪弹目标的情况，本文利用HSV颜色模型中的H分量实现枪弹的分割，并根据枪弹结构空间信息实现枪弹目标的准确定位。 针对枪弹侧表面弹体缺陷和弹尖缺陷各自的特点，分别提出了弹体缺陷检测算法和弹尖缺陷检测算法。弹体缺陷检测算法中，采用了基于光照-反射模型的光照均匀化算法，有效的去除了光照不均的影响；针对亮缺陷和暗缺陷分别设定阈值进行分割；提出可信区域的概念，用来提取有效缺陷目标；利用形态学和区域标记相结合的方法去除小面积结构，达到去除噪声的目的。弹尖检测缺陷检测算法中，利用尖部轮廓的特殊性，采用方向投影的方法获取尖部两个方向的轮廓曲线，通过判断曲线中是否存在极小值点来判定尖部缺陷。 针对枪弹中存在多个缺陷目标的问题，首先将缺陷进行定位，提取出单个缺陷目标子图像。然后，根据枪弹凹坑、裂痕（划痕）、露钢和污渍四类缺陷的特征，选取缺陷图像的几何和灰度特征参数，构造二叉树分类器实现缺陷分类。 为验证本文所提方法的可靠性，在matlab软件环境下，对现有样本进行实验验证。实验结果表明，本文方法能够有效的检测出枪弹侧表面的各种缺陷类型，具有较好的稳定性和鲁棒性。本文的研究成果已经完成硬件实现，并应用在缺陷检测系统当中，检测结果能够满足现阶段的检测需求