基于机器视觉的箱体类金属工件铆接质量检测方法研究

针对箱体类金属工件铆接质量难以检测、检测效率及精度低的问题，通过分析半空心铆钉铆接特点，基于机器视觉技术，提出了一种特征融合与机器学习结合的铆接质量检测方法。首先，为了克服铆钉反光及背景噪声和纹理的影响，提出改进的Retinex图像增强算法和多阈值目标分割算法，得到铆钉及镦头等感兴趣区域；其次，为了准确描述缺陷特征，提取目标区域的几何形状及Zernike矩等12维特征向量；最后，设计了基于ELM分类算法实现缺陷的分类。实验结果表明，该方法能够准确检测出铆接质量缺陷，“合格-缺陷”二分类和缺陷多分类检测正确率分别为95.2%和92%,且满足实时在线检测需求。