基于机器视觉的带钢表面缺陷检测装置研发

摘要

随着社会发展的需要，带钢产品在生产生活中有了越来越多的应用，对带钢产品的质量要求也越来越高。带钢产品质量检测也就成了钢铁行业中迫切需要解决的问题。在带钢生产中，带钢表面缺陷是影响带钢质量的重要因素。为了高效检测带钢表面缺陷，很有必要设计一套带钢表面缺陷检测装置。在现有的带钢表面缺陷检测技术中，基于机器视觉的缺陷检测技术具有非接触、智能化等优点，是无损检测技术的发展趋势。
　　本文着重研究了带钢表面缺陷检测装置的设计方案及其核心图像处理算法。主要研究内容包括：进行了带钢表面缺陷检测装置硬件整体方案的设计；带钢图像去噪的研究：选用了多种图像去噪方法进行实验数据对比，实验数据说明中值滤波可以很好地满足去噪要求；采用了多种方法对带钢图像进行分割，实验表明，采用迭代阈值法进行带钢图像分割不仅能达到较好的效果，而且处理速度快；对于缺陷区域定位，提出了改进型像素标记算法，并与轮廓跟踪算法、像素标记算法进行了比较，实验表明改进型像素标记算法更加满足实时性要求；为带钢表面缺陷检测装置设计了缺陷提取软件，实际运行表明该软件能够快速有效地完成带钢表面缺陷提取的任务；论文最后研究了缺陷图像的特征提取和分类器的设计：采用了一种主成分分析和Fisher准则结合的方法进行特征空间降维，设计了一种多神经网络融合的分类器，识别率较高。

目录

独创性声明

学位论文使用授权声明

1 绪论

1.1 课题的背景和意义

1.2 带钢表面缺陷检测技术发展概况

1.2.1 人工检测方法

1.2.2 传统无损检测方法

1.2.3 基于机器视觉的带钢表面缺陷检测方法

1.2.4 我国在机器视觉检测技术领域的研究现状

1.3 本文的主要内容

2 带钢表面缺陷检测装置方案设计

2.1 带钢表面缺陷检测装置原理

2.2 带钢表面缺陷检测装置硬件组成

2.2.1 带钢模拟传动装置

2.2.2 图像采集设备的选型及安装

2.3 带钢表面缺陷检测软件流程

2.4 本章小结

3 带钢表面缺陷提取算法研究

3.1 带钢图像去噪

3.1.1 图像系统常见噪声

3.1.2 图像去噪算法介绍

3.1.3 带钢图像去噪算法评价

3.2 带钢图像增强

3.2.1 算法简介

3.2.2 图像增强效果实例

3.3 带钢图像分割

3.3.1 常见图像分割算法

3.3.2 图像分割算法比较

3.4 缺陷区域定位

3.4.1 轮廓跟踪

3.4.2 连通区域标记

3.4.3 缺陷区域定位实例

3.5 本章小结

4 带钢表面缺陷提取软件开发

4.1 对图像采集卡的调用

4.2 使用OpenCv对图像采集卡进行二次开发

4.2.1 OpenCv简介

4.2.2 利用OpenCv进行视频捕获

4.3 带钢表面缺陷提取软件设计

4.4 本章小结

5 带钢表面缺陷识别算法研究

5.1 缺陷图像特征提取

5.1.1 样本库的建立

5.1.2 特征空间的优化原则

5.1.3 缺陷图像原始特征

5.1.4 基于主成分分析和Fisher准则的特征提取

5.2 带钢表面缺陷分类

5.2.1 BP神经网络分类器

5.2.2 BP神经网络的改进学习算法

5.2.3 几种改进型BP网络的性能分析

5.2.4 多神经网络用于带钢表面缺陷分类

5.3 本章小结

6 总结与展望

致谢

参考文献