磁瓦表面缺陷自动检测识别方法的研究

论文摘要

对提高产品质量和生产效率,磁瓦表面缺陷在线检测在磁瓦的规模化生产过程中显得日益重要。由于磁瓦表面缺陷的种类多样和存在的位置复杂,提出一系列缺陷检测方法,设计出缺陷检测系统实现对磁瓦表面缺陷进行实时在线、无损伤的自动检测实现企业的磁瓦大批量机械化生产,提高企业的效益。论文根据磁瓦生产的过程中磁瓦表面不同部位具有不同缺陷的特点,从图像的采集、预处理、缺陷分类、缺陷识别等方面技术进行了深入的研究。磁瓦表面缺陷的检测以计算机视觉理论为基础,在现有的图像处理与识别理论技术基础之上,选择适合磁瓦表面缺陷检测与识别的技术和算法,并对相应的算法进行了改进,设计了磁瓦表面缺陷检测与识别系统,具体工作如下：1、研究图像的采集和图像存储管理方法,为下一步的图像处理作准备；2、根据获得的磁瓦图像特点进行试验,去除图像噪声、锐化缺陷,逐步对图像平滑、边缘增强、区域分割和膨胀腐蚀操作；3、设计了图像分割所需要的不同阈值的获取算法,利用自动选取或根据具体特征人工设置的阈值对磁瓦图像进行二值化分割,实现各种缺陷特征的自动提取；4、根据表面缺陷的特点,设计了磁瓦表面缺陷检测和识别的相关算法,并在MATLAB7.1下成功进行了仿真实验；5、利用MATLAB与VC++6.0混合编程实现了仿真检测系统。本文主要是对磁瓦夹层缺陷和起级缺陷图像的获取、分块处理、去噪、锐化、值化方法、数学形态学处理、缺陷特征提取以及缺陷检测和识别进行了详细的研究,并在MATLAB中进行了仿真实验,利用MATLAB与VC++6.0混合编程实现了缺陷检测系统,获得了满意的阶段性的成果。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景
• 1.2 课题提出及研究意义
• 1.3 计算机视觉技术应用研究现状综述
• 1.3.1 概述
• 1.3.2 计算机视觉技术研究现状
• 1.3.3 计算机视觉常用工具
• 1.4 产品表面缺陷检测的相关研究
• 1.4.1 无损检测
• 1.4.2 计算机视觉技术在表面缺陷检测中的应用
• 1.5 课题的研究
• 1.5.1 课题的研究内容
• 1.5.2 创新点
• 第二章 计算机视觉检测系统分析
• 2.1 计算机视觉检测系统概述
• 2.2 计算机视觉检测系统硬件平台
• 2.2.1 光源
• 2.2.2 镜头及传感器
• 2.2.3 数码相机
• 2.3 基于CCD图像传感器的视觉检测系统的建立
• 第三章 磁瓦图像预处理方法的研究
• 3.1 磁瓦图像的获取
• 3.2 磁瓦图像的分块处理
• 3.3 磁瓦图像的滤波处理
• 3.3.1 图像的噪声去除、锐化增强
• 3.3.2 Laplacian算子
• 3.3.3 Wiener滤波器原理
• 3.4 二值数学形态学
• 3.4.1 膨胀运算原理
• 3.4.2 腐蚀操作原理
• 3.4.3 数学形态学的基本运算性质
• 3.5 图像分割
• 3.5.1 图像分割概述
• 3.5.2 图像分割定义
• 3.5.3 图像分割技术
• 3.5.4 图像二值化
• 3.6 图像纹理分析方法
• 3.6.1 基于熵的纹理分析
• 3.6.2 基于空域结构的纹理分析
• 3.6.3 基于Gabor函数的纹理分析
• 3.7 改进的OSTU阈值选择方法
• 3.8 本章小结
• 第四章 磁瓦表面缺陷特征提取及识别方法的研究
• 4.1 磁瓦表面缺陷的特征分析
• 4.1.1 磁瓦几何结构特征
• 4.1.2 缺陷类型分析
• 4.2 磁瓦缺陷几何特征描述
• 4.2.1 面积
• 4.2.2 周长
• 4.2.3 形状特征
• 4.3 磁瓦表面缺陷的特征提取与识别
• 4.3.1 磁瓦内面分块处理
• 4.3.2 磁瓦夹层缺陷的特征提取
• 4.3.3 磁瓦起级缺陷的特征提取
• 4.4 缺陷检测和识别系统整体结构设置图
• 4.5 本章小结
• 第五章 表面缺陷检测及识别方法实现与仿真实验
• 5.1 MATLAB与VC++混合编程
• 5.1.1 MEX文件
• 5.1.2 MATLAB引擎
• 5.1.3 基于MIDEVA工具C/C++与MATLAB的混合编程
• 5.1.4 在VC环境中使用MATLAB引擎
• 5.2 缺陷检测及识别MATLAB与VC++混合编程实现
• 5.2.1 检测仿真系统实现
• 5.2.2 仿真缺陷检测系统实验结果
• 5.3 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的论文
• 致谢