表面质量是评价钢管质量的重要指标,对产品的性能质量具有至关重要的影响目前国内外有关机器视觉检测钢管的研究较少,未有成熟的产品,在技术方面有待完善。本文以热轧无缝钢管为研究对象,设计并搭建钢管表面缺陷图像采集实验平台,获取并构建表面缺陷图像样本库开展了检测和识别分类研究,具体如下:(1)为获取钢管表面缺陷图像,提出一种钢管表面图像采集方法,能适应一定范围外径大小的钢管。采用明场照明方式设计钢管表面成像光路图,以此为基础进行成像硬件参数设计。设定图像采集参数获取并构建钢管表面缺陷图像样本库,可作为检测和识别分类方法研究的图像数据来源及性能评价依据。(2)基于图像样本库,研究开发了钢管表面缺陷检测方法。针对钢管弧形外表面易造成光照不均等问题,提出了一种基于改进K-means灰度正反求和的检测方法。首先以垂直投影法获取钢管区域图像,计算得到其灰度反转图像,利用FMR算法分别对钢管区域图像及灰度反转图像增强处理,获得各自背景均匀、高对比度图像,再以改进的K-means分割算法处理,获取各自缺陷结果,并将二者结果求和,最后进行图像后处理优化该结果,并定位提取缺陷区域。(3)在检测基础上,针对缺陷区域特征,设计了钢管表面缺陷识别分类器。提取缺陷区域的形状特征、灰度特征和纹理特征,通过分析归一化特征值的差异,选择有效特征作为支持向量机分类算法输入,对支持向量机算法的重要参数寻优构建分类器,可用于缺陷识别分类测试。(4)通过构建图像样本库进行实验研究,分别检验钢管表面缺陷检测方法和缺陷识别分类器的性能。结果表明,本文方法能有效检测钢管表面凹坑、翘皮、划伤和辊痕缺陷,对光照变化具有较强的抗干扰能力,综合检测率、漏检率和误检率满足企业要求;对以上4种缺陷具有较好的识别性能,综合识别率达91.25%,符合预期效果。