带钢表面缺陷预处理系统的研究

论文摘要

随着电子技术、计算机技术和人工智能技术的发展,机器视觉技术逐渐成为了带钢表面缺陷检测技术的主要研究方向。到二十世纪末,美国、德国等少数西方发达国家相继研究成功了基于机器视觉的带钢表面缺陷检测系统,为提高带钢质量做出了巨大的贡献;在我国,目前已有少数几个高校在这方面进行了研究,但还处在初级阶段,没有可以生产下线的产品,这在一定程度上制约了我国带钢的质量。为了解决基于机器视觉的带钢表面检测系统中图像处理这个关键问题,本系统以基于SOPC的NiosⅡ嵌入式系统的设计思想,以图像预处理为核心搭建了带钢表面缺陷图像预处理系统的硬件平台,在此基础上编写了预处理算法的应用程序,最后结合实验证明了本系统的合理性。这种方法充分利用了嵌入式系统的高性能、接口丰富、灵活性强、资源丰富等特点。首先,分析了目前图像预处理算法中简单有效且速度快的图像滤波技术和图像分割技术的相关算法,通过实验分析,选择了中值滤波和一维类间方差法为本文的图像预处理算法。其次,分析了本系统要实现的功能,并搭建了带钢表面缺陷图像预处理系统的硬件电路,用VHDL语言编写了PCI接口IP核和VGA显示IP核,结合SDRAM控制器等其它IP核,实现了基于SOPC的NiosⅡ系统平台的搭建,从而为后续的软件设计和实验提供了实验平台。再次,通过在NiosⅡIDE软件中编写图像预处理算法程序,实现了图像滤波和图像分割,有效地减少了图像数据量。为了进行后续的图像处理,通过配置带钢表面缺陷图像预处理系统的PCI接口芯片和WinDriver驱动开发,实现了带钢表面缺陷图像预处理系统与PC机的通信。最后,介绍了带钢表面图像预处理系统的硬件平台,完成了带钢表面缺陷图像预处理的实验,验证了整个系统的正确性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 国内外的研究现状及分析
• 1.2.1 带钢表面检测系统的研究现状
• 1.2.2 机器视觉检测在国内外的研究现状
• 1.3 本文研究的主要内容
• 第2章 带钢表面缺陷预处理系统及算法分析
• 2.1 引言
• 2.2 基于机器视觉的带钢表面检测系统
• 2.2.1 图像采集层
• 2.2.2 图像预处理层
• 2.2.3 图像处理和操作控制层
• 2.3 带钢表面常见的缺陷图像
• 2.4 图像滤波技术介绍
• 2.4.1 均值滤波法
• 2.4.2 中值滤波法
• 2.5 图像分割技术介绍
• 2.5.1 边缘检测梯度法
• 2.5.2 迭代法
• 2.5.3 一维类间方差法
• 2.6 缺陷预处理算法的仿真和分析
• 2.7 本章小结
• 第3章 带钢表面缺陷预处理系统硬件设计
• 3.1 引言
• 3.2 带钢表面缺陷图像预处理系统的硬件电路的设计
• 3.2.1 FPGA 芯片
• 3.2.2 外部存储器芯片
• 3.2.3 PCI 接口电路
• 3.2.4 VGA 显示电路
• 3.3 SOPC 技术
• 3.3.1 SOPC 技术简介
• 3.3.2 SOPC 系统的开发流程
• 3.3.3 SOPC 系统的Avalon 总线
• 3.4 SOPC 中使用和定制IP 核模块
• 3.4.1 SDRAM 控制器 IP 核的使用
• 3.4.2 PCI 接口IP 核设计
• 3.4.3 VGA 显示IP 核设计
• 3.5 基于SOPC 的NiosⅡ系统平台的集成
• 3.5.1 NiosⅡ系统的定制
• 3.5.2 集成NiosⅡ系统到QuartusⅡ
• 3.6 本章小结
• 第4章 带钢表面缺陷预处理系统软件设计
• 4.1 引言
• 4.2 NiosⅡ软核处理器
• 4.2.1 NiosⅡ系统的集成开发环境NiosⅡIDE
• 4.2.2 NiosⅡIDE 工程结构
• 4.3 HAL 硬件抽象层
• 4.3.1 HAL 硬件抽象层概念
• 4.3.2 设备的HAL 驱动开发
• 4.4 NiosⅡIDE 程序设计
• 4.5 图像预处理系统在PC 机的驱动设计
• 4.5.1 EEPROM 的配置文件
• 4.5.2 PCI 接口芯片的 I2C 配置
• 4.5.3 WinDriver 驱动开发
• 4.6 本章小结
• 第5章 带钢表面缺陷预处理系统实验分析
• 5.1 引言
• 5.2 实验平台
• 5.3 图像预处理实验
• 5.3.1 实验目的和内容
• 5.3.2 实验结果
• 5.4 本章小结
• 结论
• 参考文献
• 致谢