基于机器视觉的带钢表面质量在线检测技术研究

论文摘要

近年来,随着数字图像采集技术和处理技术的飞速发展,带钢表面质量在线检测系统得到了越来越广泛的应用。基于机器视觉的表面质量检测技术具有非接触、智能化、高精度、快速性等优点,是无损检测技术的发展趋势,本文基于机器视觉技术,着重研究了带钢表面在线检测的核心算法和关键技术,主要内容及成果如下:1.针对钢板表面缺陷特点及系统指标要求,设计了带钢表面缺陷检测系统的总体方案,针对摄像系统及嵌入式硬件系统进行开发设计,同时通过优化配置明场光路、暗场光路的成像模型检出各类形态缺陷;设计了带钢表面缺陷检测及特征提取的算法流程,并针对各处理步骤给出了实现算法;2.研究了基于轮廓小波变换的去噪算法,利用实验证明了其对带钢表面缺陷图像的去噪效果均比传统方法理想,为带钢表面缺陷的检测提供了新方法;3.提出了基于小波变换的多尺度边缘检测算法,该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取,实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面在线检测系统中的后续处理奠定了基础;4.研究了带钢表面缺陷的空域特征和频域特征提取,在难度最高的的形状特征提取方面创新性的提出小波包能量特征提取算法,有效提取了带钢表面缺陷图像中的形状特征。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 表面检测技术的发展及研究现状
• 1.3 表面在线检测的意义
• 1.4 论文的主要研究内容
• 1.4.1 硬件采集系统开发
• 1.4.2 软件系统的设计与改进
• 第2章 带钢表面缺陷类型与在线检测系统方案设计
• 2.1 带钢表面缺陷主要类型
• 2.2 总体设计要求及方案
• 2.2.1 检测对象及检测要求
• 2.2.2 设计方案和可行性分析
• 2.3 硬件系统的设计
• 2.3.1 摄像系统设计
• 2.3.2 PC 处理控制系统与图像采集
• 2.4 软件系统的设计
• 2.4.1 软件算法总体设计
• 2.4.2 软件算法具体实现
• 2.5 本章小结
• 第3章 表面缺陷图像处理系统研究
• 3.1 带钢表面图像去噪算法
• 3.1.1 噪声分类
• 3.1.2 空域去噪算法
• 3.1.3 频域滤波算法
• 3.1.4 小波去噪
• 3.1.5 Contourlet 去噪
• 3.1.6 轮廓小波去噪
• 3.1.7 图像质量的评价指标
• 3.1.8 仿真实验和分析
• 3.2 带钢表面图像边缘检测
• 3.2.1 Canny 边缘检测算子
• 3.2.2 Roberts 边缘检测算子
• 3.2.3 Sobel 边缘检测算子
• 3.2.4 Prewitt 边缘检测算子
• 3.2.5 多尺度边缘检测
• 3.2.6 仿真实验及分析
• 3.3 本章小结
• 第4章 缺陷特征提取技术
• 4.1 空域特征提取
• 4.1.1 灰度特征和纹理特征提取
• 4.1.2 几何特征提取
• 4.1.3 仿真实验及分析
• 4.2 频域特征提取
• 4.2.1 图像的幅值谱及其特性
• 4.2.2 幅值谱图像的能量特征提取
• 4.2.3 幅值谱图像的不变矩特征提取
• 4.3 小波包能量特征提取
• 4.3.1 小波包分析基本理论
• 4.3.2 小波包能量特征提取
• 4.3.3 仿真实验与分析
• 4.4 本章小结
• 第5章 结论
• 致谢
• 参考文献
• 个人简历及研究成果