金属材料表面缺陷智能检测方法研究

冯霞

驻马店技师学院

摘　要

文章主要研究由于金属材料表面缺陷形态不一，而导致的检测效率低、精度差等问题，为此提出了金属材料表面缺陷智能检测方法研究。通过采用JFMV-D系列CCD相机及暗场照明技术，采集金属材料的表面图像。然后利用均值滤波与高斯加权处理，优化图像质量。再基于图像分割与深度学习算法，构建金属材料表面缺陷图像特征集。采用支持向量机进行智能识别金属材料表面缺陷。实验结果表明，该方法对金属材料表面缺陷的识别率高达98.6%，显著优于其他方法，为工业生产中的质量控制提供了高效、精准的技术支持。

关键词

金属材料；表面缺陷；智能识别

分类号

TG115；TP391.41；TP18

栏　目

试验研究

出　处

《冶金与材料》2024年第11期，第 18-20 页（共 3 页）

出版日期

2024-11-28

知网数据

下载 228 次，被引 1 次（截至 2026-09-29）

知网全文（电脑版） 知网公开页

“知网全文（电脑版）”需登录中国知网或在已订购知网的机构 IP 内访问；“知网公开页”无需登录即可查看摘要，并可按知网规定下载全文。