基于机器视觉的纸页缺陷检测算法的研究

摘要

现阶段国内外大多数造纸企业对纸页生产过程中产生的外观纸病仍采用人工的方式进行检测及分类,这大大影响了企业的生产任务,也容易形成检测精度低、漏检率高的问题。因此,基于机器视觉的纸页缺陷检测算法的研究不仅可以更好地实现纸病检测的可视化、微观化和自动化,迅速准确地对纸病进行检测分析,还可以为造纸企业降低生产成本,提高检测效率,对提高造纸企业效益及提高造纸过程的自动化程度也是很有意义的。
　　本论文对在线纸病检测系统和纸病检测技术的研究背景和发展过程进行了深入研究和掌握,对基于机器视觉的纸病检测系统的纸病检测算法作了详细的分析。针对在线纸病检测系统在图像采集过程中遇到的纸幅图像的质量问题,为了实时的采集到高质量的图像,对光源的调节需要根据具体环境的变化自适应的完成,本论文提出了一种更先进的光源自适应补偿的方法。
　　在成功的采集到高质量的纸幅图像的基础上,为了实现不同光照条件下孔洞、亮斑、暗斑、黑斑等纸病快速检测,提出基于线性插值法的动态阈值选择算法。通过在纸病检测系统上进行软件编程实现并进行测试,实验结果表明此方法对检测高对比度纸病是实用有效的,可以满足纸病检测的实时性和精确度要求。
　　同时,本论文还对复杂纸页缺陷的检测算法进行了深入研究,其中复杂纸页缺陷如褶皱、条痕等纸病在纸幅图像中主要呈现出直线特征,那么对直线的检测算法有很多,包括最小二乘法对直线的拟合、Radon变换和Hough变换(Hough transform)等。但是在对复杂纸页缺陷这种直线类特征纸病采用以上提到的算法进行检测时并不能有效分辨出具有较近斜率或截距的多直线特征。那么,本论文在标准Hough变换的基础上将Hough变换域空间变换为二维图像然后对其进行纸页缺陷特征提取,从而更加精确的检测出褶皱或条痕类纸病。经实验证明,改进的Hough变换在检测精度和时间上都优于标准Hough变换。
　　为了进一步完善纸页缺陷检测算法的系统性,本文对支持向量机(Support Vector Machine,简称SVM)在纸页缺陷检测和分类上的应用进行了研究。然而对支持向量机多分类器的研究还处于初步研究阶段,虽然已经取得了一定的研究成果,但还有很多方面需要完善和进行探究。

目录

封面

声明

目录

中文摘要

英文摘要

第1章 绪论

1.1 研究背景

1.2 纸病的类型

1.3 纸病检测系统概述

1.4 关于机器视觉

1.5 国内外研究水平

1.6 论文的研究内容

第2章 在线纸页质量检测系统及图像处理技术介绍

2.1 在线纸页质量检测系统

2.2 图像去噪

2.3 图像分割

2.4 本章小结

第3章 基于机器视觉的纸页缺陷检测算法的研究

3.1 纸页缺陷的图像特征参数提取

3.2 纸页缺陷的快速检测算法的实现

3.4 实验结果及分析

3.5 本章小结

第4章 复杂纸病的快速检测算法的研究

4.1 直线检测算法的研究

4.2 基于改进Hough变换的复杂纸病检测算法

4.3 实验结果及分析

4.4 本章小结

第5章 基于SVM的纸病检测算法的研究

5.1 支持向量机（SVM）简介

5.2 多类SVM分类算法应用于纸页缺陷图像分类的研究

5.3 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

在学期间主要科研成果