基于决策树学习的柱状二极管表面缺陷检测系统设计

研究对象为柱状二极管，管体表面分布着白色文字和极性环。通过光学原理设计出能够减弱反光、打亮侧面的光学平台。同时，从对象分割、特征提取和决策树分类器三方面讲述视觉软件系统的设计流程：针对文字与缺陷ROI相混的情况，先利用笔画宽度转换（SWT）分割文字，剩下的连通ROI即是缺陷ROI；针对缺陷特征，提出平均灰度、环状度、边缘方向直方图和LBP四项特征值；最后利用决策树分类器对缺陷ROI进行分类，缺陷ROI识别率接近100%，缺陷ROI分类正确率达到92.3%，取到了较好的识别和分类效果。