李国长,毛守仁,滕爱芬

随着家具制造业对异形件外观质量要求的提高，传统检测方法难以满足现在需求，本研究针对家具异形件机器视觉检测系统中的算法优化与精度提升问题展开研究，通过分析异形件检测中的轮廓提取、缺陷分割和特征识别等关键技术难点，提出了一套综合算法优化方案，包括改进多尺度边缘检测算法、融合颜色与纹理特征的缺陷分割方法，以及针对低对比度图像的增强处理策略。在系统构建方面，设计了多角度照明方案和相机布局，确保复杂曲面的完整成像。实验结果表明，优化后的系统对划痕、凹坑、色差等典型缺陷的识别准确率达到90%以上，单件处理时间控制在3秒内，显著提升了检测效率和准确性，为家具制造企业提供了有效的质量检测解决方案。

机器视觉；家具异形件；缺陷检测；图像处理；算法优化；检测精度

[1] 刘乐乐.基于深度学习的表面缺陷检测算法研究[D].安徽理工大学,2025. [2] 翁磊,刘联峰.基于深度学习的机器视觉在工业仪器检测中的应用[J].智能制造,2023,(05):40-44. [3] 李卓.复杂背景下的图像分割算法研究及应用[D].电子科技大学,2017. [4] 刘治群,杨万挺,朱强.几种图像增强算法的研究比较[J].合肥师范学院学报,2010,28(06):60-63.

点击下载PDF