铝铸件常见气孔裂纹等缺陷的自动识别

       铝铸件在铸造过程中表面会出现裂纹、气孔等缺陷，影响其各项性能。依托先进的机器视觉技术，通过采用边缘检测算法检测出缺陷区域并将其分割，提取各缺陷的特征信息并进行描述和分析，并利用SVM(支持向量机)分类器对输入的特征信息进行分析并处理。研究表明:该算法能够实现智能分类识别铝铸件缺陷。

       现阶段国内的铸造生产车间多数通过人工方式来测定铝铸件缺陷，不仅带有明显的主观意识色彩，且无法达到理想工作效率，使工作人员面临巨大工作量。另外，长时间检测会使人的视力严重下降。由于近年来的人力成本不断提升，且市场对铝铸件的品控要求越来越高，传统的人工检测缺陷已经不适应于现代化的经济发展，如何实现缺陷的自动化识别已成为未来的发展方向。随着CCD(电荷藕合元件)技术和机器视觉行业的发展，国内外对金属(尤其钢板)表面自动识别的研究取得了一定的成果，如英国European Electronic System公司研制的EES系统也成功地应用于热连轧环境下的钢板质量自动检测。北京科技大学的高效轧制国家工程研究中心研发了钢板表面质量自动检测系统，对钢板常见的缺陷进行自动检测与识别。东北大学、上海宝钢集团公司等科研院所也研究了冷轧钢板表面缺陷的检测系统。但是目前对铝铸件缺陷的自动识别研究成果较少，还有较大的发展空间。针对铝铸件常见气孔、裂纹等缺陷的自动识别，本文提出以机器视觉技术为手段的自动识别算法，算法包含缺陷区域检测、特征提取、缺陷识别三大流程，为实现智能分类识别铝铸件缺陷提供一些参考。http://www.zblansheng.cn/