一种用于对金属表面缺陷进行检测的程序。主要用于对三种缺陷进行检测，划痕，烧伤，突起。文件包括传统人工特征分类检测和机器学习分类来检测。

根据红外成像特性及金属表面缺陷区域灰度分布变化缓慢的特点，提出了一种基于小波纹理特性统计分析的铜带表面缺陷视觉检测方法。利用CCD视觉传感器获取受检金属表面的红外影像资料，引入一阶Haar小波分解红外图像，抽取4个小波特性，然后分别使用Hotelling T2和X2多变量统计法融合4个小波特性。最后根据统计值判别图像是否存在缺陷，并使用支持向量机对缺陷进行分类。比较分析了两种小波域多变量统计方法检测缺陷的性能。实验结果表明，Hotelling T2统计法在缺陷检测和识别方面的性能较好，对微小缺陷

针对圆柱型高精密零件高曲率表面缺陷检测的问题，设计并实现了基于机器视觉的在线检测系统。检测时，为了解决金属件表面反光的问题，设计了专用的光源系统和照明方式。通过光学系统和机械旋转平台的配合，圆柱型零件在旋转的过程中被光学系统成像，从而可以采集到完整的圆柱面图像；经过快速的图像处理技术，可以检测到微米级的轴承表面缺陷；然后对表面缺陷进行形貌分析，确定缺陷的类型。检测结果表明系统具有效率高、精度高、易于使用等特点，可有效解决圆柱型高精密零件表面缺陷在线检测的问题。