雪糕棒是以桦木等为原料,经过多道生产工艺制造而成,提供给雪糕等冷饮做柄把之用。中国是雪糕棒的生产国,出口量巨大,在雪糕棒生产厂家的生产的过程中由于选材不严格会出现表面区域缺陷,造成黑结子、矿物线、树皮、污染、劈裂以及局部色差和整体色差缺陷。目前生产厂家主要依据人眼检测对其进行质量分选,需要大量的工人在雪糕棒传送带生产线旁边进行逐一挑选,这种检测方式效率低下且分级带有主观性,挑选质量得不到保障。因此,雪糕棒表面缺陷的自动化检测方法的研究具有重要的意义。针对以上问题本文设计了一套完整的雪糕棒表面缺陷检测系统软件,并研制了相应的样机,基于机器视觉的原理方法,实现了缺陷的在线实时检测。

　　雪糕棒在其生产过程中会形成多种缺陷,从而对冷饮的自动化生产,人们的使用等造成不良影响.而作为食品的辅助产品,对使用者的健康安全造成隐患的缺陷是其质量保证体系(Quality Assurance System,QAS)中的重要检测内容.如劈裂,毛刺缺陷会导致使用者口舌划伤,污染缺陷会影响食品卫生安全等.这使得在雪糕棒投入市场之前对其进行检测从而将含缺陷的雪糕棒剔除出来是十分必要的.经文献检索,现有方法尚无法有效实现雪糕棒外观缺陷的检测.因此,本文以劈裂,污染和毛刺这三种关键的雪糕棒缺陷为研究对象,就其中利用现有数字图像处理技术无法有效满足检测需求的,信息强度较弱的浅裂纹,浅污染以及软毛刺的检测及与相似纹理区分的问题进行了研究.

　　针对雪糕棒表面的矿物线与劈裂在几何形态,灰度分布和空间位置上均十分相似而难以区分的问题,提出一种将纹理整体特征和内部特征相融合的检测方法.纹理整体特征方面,根据劈裂和矿物线在整体灰度,宽度,边缘亮度的变化趋势及平均状态上具有一定差异的特点,定义了5个用于描述纹理差异性的特征量,即纹理灰度变化趋势,纹理宽度变化趋势,纹理平均宽度,纹理陡峭度以及纹理亮边特征.上述5个特征是基于纹理的宽度,深度和边缘高度三个基准信息量而获得的,本文根据劈裂,矿物线纹理横剖面灰度分布近似于高斯曲线的特点,提出变尺度高斯拟合模型,用于获得纹理的上述三个基准信息.

　　针对浅污染缺陷形状,尺寸及灰度分布均不均匀且不固定而难以检测的问题,本文提出一种基于并查集和邻域的检测方法.首先,利用污染区域和无缺陷背景区域的内部相邻像素点间的灰度值较为接近,且污染区域与其周围邻域具有一定灰度差异的特点,利用并查集算法将雪糕棒表面聚类为若干灰度相近的小区域,从而使污染与背景互相独立出来;然后,根据污染相对于其周围邻域灰度值较低的特点在并查集分割所得小区域中初步挑选污染候选区域;由于污染内部呈絮状,非实心,使得同一块污染区域通过并查集算法处理后被分割为若干更小的子区域,因此将上一步所得的在空间位置上邻近的候选区域进行合并,并将合并操作后面积仍较小的噪声区域去除;最后,定义了低灰度均值(Low Grayscale Mean,LGM)特征和邻域区域的概念,用以完成污染的检测.测试结果表明,该方法能够较好的提取出污染区域,相对于其它方法,效果明显得到提升.

　　针对软毛刺信号微弱难以提取且受到雪糕棒边缘过渡带区域灰度波动影响而难以检测的问题,本文提出根据软毛刺与雪糕棒边缘位置关系而分类处理的思路.针对外部和中部软毛刺的检测,提出将两种边缘检测模型相结合的检测方法.首先建立了一种游标对在所得边缘上表现为连续的毛刺进行检测;然后根据毛刺位置的灰度分布特点对在所得边缘上表现为断续的毛刺进行检测;最后根据两种边缘检测方法所得边缘的位置关系对断点处不满足既定灰度分布特点的毛刺进行检测.针对内部软毛刺的检测,提出一种基于灰度尾值特征曲线和平行模板的检测方法.根据毛刺缺陷表现为图像列中具有较低灰度值的像素的特点提取灰度尾值特征,从而将图像中各列的尾值特征值按序排列形成特征曲线;进而定义了平行模板对特征曲线及其噪声抑制曲线进行遍历提取特征,从而实现毛刺的检测.测试结果表明,该方法能够较好的提取出软毛刺缺陷,具有一定的应用价值.另外,文中还介绍了本文图库的构建方法,以及雪糕棒图像预处理问题.