气吹微缆表面质量作为产品质量的重要组成部分,对其检测是产品质量检测过程中重要一环。目前,光缆生产企业对于微缆表面缺陷检测主要依赖于人工检测,检测效率低、漏检率高。近年来,基于机器视觉检测技术在行业应用中发展起来,利用其实现微缆表面缺陷自动检测成为可能。在研究中发现目前存在检测误报率高、基于特定生产线研发等问题,影响检测效果以及在线缆行业中推广。本文围绕存在问题,对检测系统中的照明系统、检测算法、特征提取识别等模块进行深入研究,解决了微缆表面具有复杂纹理、粘有水珠引起缺陷检测误报率高以及照明自适应调节等问题。论文的主要研究内容如下:1.对于照明系统的优化研究。选取红光和白光LED光源作对比,通过对微缆图像评价以及灰度方差统计确定红光光源在采集高质量图像时具有优势。针对测试过程中更换测试微缆时照明系统需手动调节参数的问题,通过单片机使得计算机与照明驱动电路建立通信,在检测系统中通过自适应调节算法调节光照强度,实现检测系统自适应调节照明环境,适用于多种型号微缆检测。2.针对微缆表面含有复杂纹理引起缺陷检测误报率高的问题,通过研究边缘检测算法平滑复杂缆面花纹,降低对缺陷分割的影响。提出以具有消失矩对称紧支撑双正交小波算法为核心的边缘检测算法方案,对于表面含有字符、水珠、破损、划痕等微缆样本进行测试均取得不错效果。并且本算法与传统边缘检测算法相比,在复杂纹理背景中分割目标区域方面具有优势。3.针对微缆表面粘有水珠,引起缺陷检测误报率高的问题,本文以水珠样本为例进行特征值提取、识别等研究。通过局部二值模式特征对水珠样本进行特征值提取,并运用主成分分析法进行数据降维,每幅图像特征值降低至20个,而特征保持率为95%。通过对水珠样本图像进行建库训练,使用支持向量机对其训练识别,实现在不同照明环境下,识别率达96%以上。