帶鋼表面缺陷檢測(cè)及識(shí)別關(guān)鍵技術(shù)研究.pdf

1、帶鋼作為鋼鐵工業(yè)的重要產(chǎn)品,其已經(jīng)成為國(guó)防裝備、汽車制造、航空航天等領(lǐng)域的必需原材料。帶鋼表面質(zhì)量的好壞對(duì)最終產(chǎn)品的性能影響很大，因此努力改善帶鋼表面性能，提高帶鋼表面質(zhì)量具有重要的意義。本文以國(guó)內(nèi)某大型鋼鐵集團(tuán)冷態(tài)熱軋鋼板表面質(zhì)量檢測(cè)為背景，設(shè)計(jì)了帶鋼表面質(zhì)量在線檢測(cè)系統(tǒng)，借助于圖像處理和模式識(shí)別技術(shù)實(shí)現(xiàn)了帶鋼表面缺陷的高精度、自動(dòng)化檢測(cè)。
　　本研究主要內(nèi)容包括：①在圖像預(yù)處理階段,重點(diǎn)研究了常用的去光照不均算法，并根據(jù)實(shí)驗(yàn)對(duì)

2、比確定了最佳的去光照不均方案，為后續(xù)圖像的缺陷檢測(cè)奠定重要基礎(chǔ)。針對(duì)現(xiàn)場(chǎng)粉塵噪聲等引入的干擾影響，結(jié)合實(shí)驗(yàn)分析了常用的圖像去噪方法的濾波效果，并最終選擇具有保邊緣功能的雙邊濾波作為濾波處理的方法，通過(guò)實(shí)驗(yàn)表明該方法具有更好的圖像去噪能力，而且均方和誤差更小。②分析了不同的邊緣檢測(cè)算法和分割技術(shù)，通過(guò)實(shí)驗(yàn)確定采用 Kirsch邊緣檢測(cè)算法，并針對(duì)所采集圖片缺陷特點(diǎn)，提出了一種高效的缺陷分割算法，能夠準(zhǔn)確的實(shí)現(xiàn)目標(biāo)缺陷區(qū)域與背景的分離。③通

3、過(guò)研究ROI區(qū)域的合并規(guī)則，比較現(xiàn)有的幾種合并規(guī)則，針對(duì)存在的合并不充分需要二次合并的問(wèn)題，提出優(yōu)化的 ROI合并規(guī)則，很好的解決了這一問(wèn)題。④根據(jù)特征向量的類可分離性準(zhǔn)則和仿射不變性準(zhǔn)則，提取了灰度特征、幾何形狀特征和投影特征等，然后運(yùn)用主成分分析法進(jìn)行降維，將降維之后的特征作為分類器的輸入，為缺陷識(shí)別奠定了堅(jiān)實(shí)的基礎(chǔ)。⑤基于SVM的分類器具有分類能力好，收斂速度快等優(yōu)點(diǎn)，設(shè)計(jì)了針對(duì)本系統(tǒng)的SVM缺陷識(shí)別分類器，分類實(shí)驗(yàn)表明：該分類器