摘 要：本文主要介绍了检测系统的组成和软件算法的设计，同时对纸盆图像预处理、增强以及目标区域提取的过程进行了详细介绍。在缺陷识别方式上，提取目标缺陷区域的圆度、紧密度、宽长比、球状性以及离心率等五个几何外形要素，利用此五要素建立BP神经网络对缺陷区域进行检测识别。通过实验测试，证明该方法能在很好地检测出扬声器纸盆外观缺陷的同时具有极小的缺陷误检率。
关键词：外观缺陷；图像处理；几何外形；BP神经网络
0引言
随着我国电声行业的飞速发展，在电声行业里扮演重要角色的扬声器，也取得了长足的发展。国内扬声器市场需求的不断扩大，促进了扬声器产量的大幅度上升。然而，纸盆作为扬声器重要的组成部分，在实际的加工生产过程中难免会出现一些外观缺陷，如油污、戳破、刮伤、划痕等，既影响扬声器的美观又影响其后续的使用效果。目前传统扬声器纸盆外观缺陷检测主要依靠人工完成，这种方法存在着很多缺点，比如容易受人的生理差异、经验、情绪和疲劳度等诸多因素的影响，造成检测标准模糊以及检测速度慢[1]。随着质量标准的提高以及劳动成本的增加，人工检测严重影响了纸盆的质量和成本，进而制约了扬声器品质的提高。相比于人工检测，基于机器视觉理论的缺陷检测方法具有效率高、劳动力成本低等优点。因此基于机器视觉的缺陷检测方法被广泛应用于各种缺陷检测问题当中，如电池表面损伤[2]、车辆位置作弊在线检测[3]、铁路货车车号定位[4]等，并且已经取得了一定的成果，但鲜见将机器视觉检测技术应用到扬声器外观缺陷检测中。因此，本文尝试利用机器视觉技术对扬声器纸盆外观缺陷进行检测研究。
作者：费胜巍，王冠，李慧敏