磁性材料因其特殊的物理特性,广泛应用在现代工业生产制造中。全世界每天都会生产大量的磁材零件。磁材表面的缺陷将会大大的降低磁材的性能。对磁性材料表观缺陷进行检测是保证磁性材料品质的重要方法。目前国内厂商采取的人工目测方式极大限制了行业的发展。少数厂商采用的检测设备由于检测效率低下,难以满足实际生产的需要。有必要对磁性材料表观检测进行进一步的研究。针对磁性材料表观缺陷的自动光学检测,本文提出一套基于机器视觉的磁材表观缺陷检测算法,研究的主要内容有:(1)自适应目标区域定位技术的研究。针对磁性材料因为镀层材质、镀层厚度,镀膜工艺等差异导致的分割定位难问题,本文提出一种自适应遍历法分割方法来定位目标区域。该方法首先进行自适应遍历法进行图像分割,通过遍历阈值,找到一个合适的阈值区间,最终取该区间中某点的值为分割阈值。然后通过与模板信息对比来判断定位的区域是否为当前批次的磁材。该方法能够兼容所有材质的磁材,鲁棒性高,分割效果比一般的分割算法好。(2)磁材边缘缺陷检测算法的研究。本文综合比较了三种方法,第一种方法为模板匹配,利用事先准备的模板与当前工件进行图像相减,得到其差图,实验证明模板匹配容易检测出缺边、缺角的磁材。第二种方法是凹点搜索法,通过利用在轮廓上寻找凹点的方法,找到的大的凹点即为磁材的磕边部分。第三种方法是凸包检测法,通过求外轮廓的凸包,再将外轮廓所包围的图形和外轮廓凸包的图形相减,这样直接得到其缺陷部分。本文还对图像相减部分提出了优化方法。实验结果表明,凸包检测法算法运行稳定,检测微小缺陷能力更强。本文还分析了各种方法优缺点,并最终采用结合模板匹配和凸包算法的方法,实现了对于边缘缺陷高准确度、高效检测。(3)磁材面上缺陷检测算法的研究。本文提出一种基于二维Gabor滤波的缺陷提取方法,通过构建多方向多尺度法Gabor滤波核,然后将各个滤波结果综合分析,利用掩膜处理和形态学开运算去除图像边缘和噪声干扰,最终得到缺陷信息。该方法很好解决了因磁材图像表面背景复杂而导致的检测困难的问题。(4)算法的加速与优化。本文分别采用多线程、OpenMP和CUDA对算法进行加速。通过实验对比,最终选择CUDA加速,检测时间降为未加速前1/4,时间控制在65 ms以内,满足实时检测需求。经过批量测试,本文的算法在边缘缺陷检测的漏检率和误检率从10%左右降低到1%以下。磁材面上缺陷漏检率和误检率从15%左右降低到2%以下。算法满足实际应用的要求。