基于机器视觉的发光字符的缺陷检测方法研究

针对工厂检测流水线人工检测发光字符产品效率低的现状,提出一种基于机器视觉的发光字符产品缺陷检测方法。该字符检测算法是在光线较暗条件下,充分利用标准发光字符的灰度特征,通过字符预处理、字符阈值分割、边缘检测和仿射变换等,创建2套标准的字符灰度模板和字符差异模板,分别用模板与预处理过的待检测字符进行字符模板匹配和字符模板比较。在匹配和比较之后,利用所得结果区域的面积特征判断字符缺陷,通过图像增强将发光较暗的字符与黑色背景的对比度增强,解决了暗光条件下字符提取问题。制作字符二值图像消除灰度值不均导致的检测错误的问题,并通过平滑滤波处理消除锯齿状边缘减小检测误差。实验测试图像准确率达到99.3%,检测平均时间为332.4 ms。