在工业视觉领域,越来越多的算法被用来对实际生产中所获得的样本图片进行分类,以方便检测含有缺陷的产品。这些算法虽然大大缩减了所耗费的人力物力,提高了工作效率和准确性,但大部分算法只对已获得的缺陷类别进行检测并分类,并没有考虑后续可能在生产中产生的未知缺陷类别。这就导致了这些算法在面对实际工业生产中出现的未知缺陷时,并没有对其进行检测分类的能力。因此,对实际工业生产中可能产生的所有缺陷产品及进行检测并分类,已成为一个亟待解决的问题。本文所研究的课题立足于解决实际工业生产过程中产生的问题,考虑对算法的处理时间和资源消耗的要求,对工业生产中获得的大量图片数据进行检测分类,并对未知的新异类有良好的检测分类能力。在实际应用中取得了良好的效果。论文紧密围绕解决实际问题的需求,主要开展了以下工作。在一类支持向量机的基础上,采用街区距离来代替欧式距离对图片的差异进行衡量,以缩短图片的处理时间。同时使用异类图片之间的差异来判别其所属的类别,实现了对未知缺陷图片进行分类的目标。本文所开发的未知缺陷检测分类系统主要包括特征提取及降维、一类支持向量机训练及分类、未知缺陷检测及分类模块,各个模块之间保持了相对的独立性且能协同工作。该系统耗费的图片处理时间较少,并方便后续开发人员根据实际需要选择工作模块并对其进行扩展改进。本文所开发的算法经过实际工业项目样本图片的检测,在保持较高的处理精度的同时,大大提高了处理效率。