一种基于机器视觉的高频焊管缺陷检测方法及系统

本发明涉及图像处理领域，具体涉及一种基于机器视觉的高频焊管缺陷检测方法及系统，通过相机拍摄焊管图像，利用YOLOv5算法提取检测区域，采用改进的多尺度Retinex算法，根据图像特性计算自适应融合权重进行光照均衡，有效处理高亮和阴影。随后，通过Canny边缘检测和连通域分析定位缺陷区域，提取其GLCM纹理特征和HU矩几何特征。将特征与缺陷标签用于训练CNN分类模型，最终用训练好的CNN模型对实时获取的高频焊管检测区域图像进行分析，判断是否存在表面缺陷及其程度。本发明融合了改进MSR、目标检测、特征提取与深度学习，显著提升了检测效率与准确性。