基于区域生长和融合特征SVM的涂胶缺陷检测

针对传统的涂胶工艺缺陷检测精度低、效率低的问题，文章提出一种基于区域生长和融合特征支持向量机(support vector machine, SVM)的涂胶缺陷检测算法。首先对图像进行预处理操作；然后通过改进的快速细化算法提取涂胶区域，将去除毛刺后骨架特征作为起始生长种子，为改善分割不完全现象，采用中心像素加权灰度和区域自适应阈值生长准则分割出完整的涂胶区域；最后结合改进边缘梯度特征和区域纹理特征的优点，将改进的梯度方向直方图-多半径局部二值模式(improved histogram of oriented gradient-multi radius block local binary pattern, IHOG-MBLBP)融合特征送入SVM多分类器进行训练，实现对涂胶区域缺陷的精确检测。经过实验验证，所设计的缺陷检测算法能够精确地提取骨架并分割出完整的涂胶区域，对于涂胶缺陷具有较高的检测精度和效率，能够满足工业生产需求。