带钢表面缺陷检测关键技术研究

论文摘要

针对传统带钢表面缺陷检测手段检测速度和识别率不高的问题,本文分析了基于机器视觉的带钢表面检测系统框架及软件构成,分别对其中的初检、分割、特征提取、分类识别等关键技术进行了研究,提出了相应的解决方法。为改善数字化采样过程造成的图像降质,分别用局部增强的直方图均衡化和自适应中值滤波对图像进行预处理,改善图像质量。考虑到实际生产中缺陷出现概率极低的情况,利用带钢缺陷图像与无缺陷图像在Hu不变矩上的特性差异设计了带钢缺陷初检方法提高检测效率。对初检出有缺陷的带钢图像,先以kirsch边缘检测和保连通细化算法分割出单像素缺陷边缘,再提取直线度等几何特征,并结合Tamura纹理特征对缺陷进行分类和识别,达到带钢表面质量控制和分级的目的。最后,本文对系统的预处理、缺陷初检、分割、特征提取和分类识别等解决方案进行了相应的实现与测试,并对结果进行了分析和总结。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的意义和目的
• 1.2 带钢表面缺陷检测的研究概况
• 1.3 本文结构及主要内容
• 第2章 带钢表面缺陷检测系统框架
• 2.1 缺陷检测系统组成
• 2.2 缺陷检测系统软件结构
• 第3章 带钢表面缺陷初检
• 3.1 图像预处理
• 3.1.1 图像增强
• 3.1.2 图像去噪
• 3.2 带钢材质的区分
• 3.3 带钢表面缺陷初检方法
• 3.3.1 不变矩
• 3.3.2 缺陷初检方法
• 3.4 初检实验与结论
• 第4章 基于边缘检测的缺陷分割
• 4.1 分割技术概述
• 4.2 基于边缘检测的分割方法
• 4.2.1 Kirsch边缘检测
• 4.2.2 形态学去噪
• 4.2.3 边缘细化
• 第5章 缺陷图像的分类识别
• 5.1 缺陷分类识别的总体方案
• 5.2 特征选择
• 5.2.1 几何特征
• 5.2.2 方向度
• 5.2.3 梯度特征
• 5.3 分类识别
• 结束语
• 致谢
• 参考文献
• 研究成果