基于图像处理技术的铸坯表面缺陷自动检测系统的研究

摘要

铸坯表面质量控制在铸坯生产中的意义越来越明显,对铸坯的表面缺陷进行检测并采取相应措施予以处理从而提高铸坯的质量显得尤为重要。国内传统的检测方法是等铸坯冷却到环境温度后进行人工目测或通过操作室监控摄像机直接观测,这两种方法存在明显弊端。因此研究并实现铸坯表面缺陷自动检测系统,实现在线实时地对铸坯表面质量进行监测和控制,对于提高产品质量,降低质检人员的工作强度,促进钢材产业的生产效率,从而进一步提高产品的市场占有率具有十分重要的意义。
　　 用于缺陷检测的方法有很多,主要经历了人工检测、新兴技术检测和信息智能化检测三个阶段。本文在分析讨论这些方法优缺点的基础上,针对铸坯生产线环境恶劣和铸坯表面缺陷情况复杂的特点,研究并提出了基于图像处理技术的铸坯表面缺陷自动检测系统,采用基于非线性映射能力显著、自适应自学习能力强的BP神经网络来实现缺陷分类器设计。
　　 本文首先介绍了本研究课题的来源、研究背景和意义以及国内外研究现状,接着讨论了与本课题相关的图像处理技术,并在此基础上提出了自动缺陷检测系统的总体设计方案。本文重点研究了基于BP神经网络分类器的设计与实现,并通过实验对系统进行测试和验证,实验结果表明,此缺陷自动检测系统能够有效地对常见缺陷类型进行识别与分类。