刹车片是车辆刹车时接触刹车盘的摩擦材料,其质量的好坏与车辆制动性能息息相关,直接影响车辆与人员安全。机器视觉技术是一门涉及诸多领域的交叉学科,产品表面缺陷检测技术作为机器视觉技术的一种运用极大的提高了检测精度以及生产作业效率。本文以机器视觉基本原理为依托,结合图像处理、模式识别等技术,针对刹车片缺陷的检测方法进行了研究,主要工作如下:(1)结合不同图像采集系统的特点,针对刹车片三类缺陷进行了图像采集设备选择、光源选型以及照明方式设计。(2)针对刹车片轮廓缺陷,建立了可变化比较模型。利用多张合格刹车片图像通过模板匹配技术进行空间对准后训练可变化比较模型,得到合格刹车片平均图像,通过差影法检测对准后的待检测刹车片图像。(3)针对刹车片字符缺陷,提出了一种改进的关系匹配。将刹车片表面各字符视为单独元件,将各元件轮廓、坐标以及相邻元件间的距离、角度关系存储在模型中。在待检测刹车片图像中搜索根元件,进而根据模型中存储的距离、角度关系寻找相邻元件,根据搜索结果判断是否缺损。(4)针对刹车片表面缺陷,构建了DAGSVM结构。首先提取非缺陷与三类缺陷的22类特征,并对特征矩阵进行主成分分析,对缺陷特征降维;其次对降维结果进行谱系聚类分析,根据各类缺陷间的距离远近构建决策树;最后通过训练样本对支持向量机进行c g参数优化,构建决策树各节点支持向量机模型,并对待检测刹车片图像进行检测。本课题基于机器视觉技术研究了刹车片轮廓缺陷、字符缺陷以及表面缺陷的检测方法。通过实验表明,上述方法稳定有效,为机器视觉技术在刹车片缺陷检测方面的运用提供了新思路。