传送带缺陷检测是传送带修补的基础,也是传送带安全使用的保障。随着计算机技术和机器视觉的发展,以往的人工检测逐渐被自动化检测所取代。缺陷检测技术融合了图像去噪、增强、分割、以及模式识别等方面的算法,是图像处理技术的主流应用之一。但目前的缺陷检测技术仍然没有满足实际应用对于高效和准确的要求,因此,针对特定应用场景研究高效准确的检测算法是很有必要的。基于X-射线的传送带图像不仅可以呈现出传送带的表面缺陷,也能全面展现传送带的内部缺陷。因此,基于X线图像的自动化缺陷检测不但可以节约成本、提高检测质量和效率,而且能够准确检测出传送带的内部损伤。本文根据工业生产中的实际需要,旨在研究快速、准确的缺陷检测算法。本文针对传送带缺陷类型的多样性以及分布区域的不同,选择不同的算法对缺陷进行检测。这种思路简化了算法设计的难度,提高了检测速度和准确度。在检测传送带缺陷前,利用Sauvola局部阈值分割方法将图像二值化,并根据传送带不同区域的纹理特点,对传送带进行区域划分,使划分出的每个区域纹理尽可能相同。针对传送带图像中的主要缺陷区域,本文使用了支持向量机(SVM)方法对其中的橡胶缺陷进行检测,为了提高检测速度,通过迭代学习方法简化了SVM的决策函数,通过改进特征向量的选取,降低了特征向量维数,本文经过这两个方面的优化,使SVM在速度上获得很大提升。对于钢丝缺陷,本文通过检测钢丝断裂点,获得缺陷区域。对于传送带中其他的非主要缺陷,本文则利用阈值方法进行检测。从实验结果可以看出,本文能以极高的置信度检测出传送带中的各种缺陷,而且通过对算法进行效率上的优化,基本达到了实时检测的目的。