帶鋼表面缺陷智能檢測系統的設計與研究

 針對目前自動化方法在帶鋼表面缺陷檢測時準確度不高的問題,本文探討了基於計算機視覺的智能檢測系統總體設計方案及軟、硬件構成,重點設計了其中的缺陷初檢、分割和識別步驟解決方案。 針對實際生產中缺陷出現概率較低的現狀,利用對圖像分塊差值圖提取的灰度範圍、方差等特徵量,構造了缺陷初檢判別函數,以提高檢測算法的實時陛。對初檢含缺陷的圖像,因光照不均勻而引起傳統的單一閾值分割結果十分不理想,提出了一種基於B樣條擬合閾值曲面的分割算法,用於獲得分割圖像的閾值曲面。在分割出缺陷目標的基礎上,選擇了幾何形狀、不變矩等缺陷種類判別特徵量,構建了相應的BP神經網絡分類器完成對缺陷具體類別的識別。在上述帶鋼表面缺陷智能檢測系統的設計思路下,本文對其中的缺陷初檢、分割和識別等關鍵步驟進行了相應的算法實現與測試,取得良好效果。【關鍵詞】：缺陷檢測 閾值曲面分割 神經網絡識別
【學位授予單位】：西安建築科技大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：TP274.4
【DOI】：CNKI:CDMD:2.2008.104487
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-9
• 1.1 國內外研究現狀和意義7-8
• 1.2 論文的主要工作及組織結構8-9
• 第2章 智能檢測系統的總體設計9-13
• 2.1 檢測原理及總體設計方案9-10
• 2.2 系統硬件設計方案10-11
• 2.3 系統軟件設計方案11-12
• 2.4 本章小結12-13
• 第3章 預處理及缺陷初檢13-24
• 3.1 圖像預處理13-15
• 3.2 缺陷初檢15-23
• 3.2.1 缺陷圖像的特徵提取15-18
• 3.2.2 特徵量的'選擇18-20
• 3.2.3 缺陷初檢的判別20-23
• 3.3 本章小結23-24
• 第4章 缺陷區域分割24-34
• 4.1 基於B樣條擬合閾值曲面的缺陷分割算法24-31
• 4.1.1 B樣條曲線25-27
• 4.1.2 分割算法模型27-29
• 4.1.3 偏離項係數和光順項係數的自適應調整29-31
• 4.2 分割的後處理31-33
• 4.2.1 形態濾波31-33
• 4.2.2 連通區域標記33
• 4.3 本章小結33-34
• 第5章 缺陷識別34-42
• 5.1 人工神經網絡34-37
• 5.1.1 神經網絡概述34-35
• 5.1.2 BP神經網絡模型35-37
• 5.2 基於BP神經網絡的缺陷識別算法37-41
• 5.2.1 缺陷區域特徵的選擇37-39
• 5.2.2 BP神經網絡設計39-40
• 5.2.3 實驗結果40-41
• 5.3 本章小結41-42
• 結論42-43
• 致謝43-44
• 參考文獻44-46
• 研究成果46