砂纸是一种常用的研磨材料,砂纸缺陷种类繁多、形状各异、位置多变。目前,砂纸缺陷检测主要依靠人工检测,该方法存在检测精度低、劳动强度大、人工耗费多、检测的缺陷种类有限、自动化程度低等缺点。由于视觉检测具有非接触、速度快、精度高、自动化程度好等优点,采用视觉检测技术对砂纸缺陷进行检测是一种有效的方法,因此本论文研究基于计算机视觉的砂纸缺陷检测方法。本文对砂纸缺陷进行了分析和分类,将砂纸缺陷分为砂纸正面易识别缺陷、砂纸正面难识别缺陷和砂纸印刷缺陷三类。研究了打光方向和拍摄方向对砂纸缺陷图像的影响,搭建了砂纸缺陷视觉检测系统,并进行了硬件选型和软件设计,对视觉系统进行了标定,并验证了标定方法的准确性。砂纸正面易识别缺陷包括划痕、折印、胶斑、缺砂。分析了砂纸正面图像噪声特点,改进了中值-均值滤波算法,获得含有缺陷的局部图像。通过对局部图像的自适应增强、缺陷分割、形态学运算、缺陷尺寸计算,获得缺陷的长、宽和面积尺寸。砂纸正面难识别缺陷包括砂团、轻微折印、暗痕。分析了砂纸子图像的统计特征和Gabor特征,构造了基于统计特征和基于Gabor特征的特征向量。通过支持向量机的方法和两种特征向量,利用大量图片进行了分类器的训练、识别和分类。实验结果表明,基于Gabor特征的特征向量和非线性支持向量机算法能够获得很好的砂纸缺陷子图像识别与分类效果。砂纸印刷缺陷包括字符印刷不清、印墨污染。分析了砂纸印刷图像的特点,设计了基于模板匹配的砂纸印刷缺陷检测算法,利用图像金字塔对算法进行加速,采用图像的边缘图像作为匹配图像,将模板图像进行旋转和缩放以适应待匹配图像存在旋转和缩放的情形。通过图像仿射变换和差影法提取印刷缺陷,实验结果表明,本文设计的基于模板匹配的砂纸印刷缺陷检测算法具有很高的检测精度和检测速度。