基于機(jī)器視覺(jué)的鋼板表面缺陷檢測(cè)系統(tǒng)的關(guān)鍵技術(shù)研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。學(xué)位論文作者簽名：嵩4孚龜簽字日期：2o，弓年嗎月I7日摘要隨著視覺(jué)傳感技術(shù)、計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的快速

2、發(fā)展，機(jī)器視覺(jué)技術(shù)日趨成熟，已成為現(xiàn)代加工制造業(yè)不可或缺的核心技術(shù)。鋼板表面質(zhì)量是一項(xiàng)非常重要的技術(shù)指標(biāo)，如何快速檢測(cè)鋼板表面的缺陷、提高鋼板的生產(chǎn)水平是鋼板生產(chǎn)企業(yè)亟待解決的問(wèn)題。傳統(tǒng)的人工檢測(cè)方法由于其效率低、漏檢率高、勞動(dòng)強(qiáng)度大等缺點(diǎn)，已經(jīng)不能滿足現(xiàn)有鋼板生產(chǎn)發(fā)展的需要?；跈C(jī)器視覺(jué)的鋼板表面缺陷檢測(cè)技術(shù)相對(duì)于傳統(tǒng)的檢測(cè)技術(shù)具有快速、準(zhǔn)確、可靠與智能化等優(yōu)點(diǎn)，目前已成為國(guó)內(nèi)外廣大學(xué)者和鋼鐵企業(yè)的主要研究方向。本文在對(duì)鋼板表面缺陷檢

3、測(cè)系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行深入研究的基礎(chǔ)上，著重研究了鋼板表面缺陷圖像的預(yù)處理算法、分割算法、特征提取方法、特征選擇方法以及基于支持向量機(jī)的分類算法。并在此基礎(chǔ)上提出了一套鋼板表面缺陷檢測(cè)系統(tǒng)的總體方案，闡述了系統(tǒng)各部分的選擇方法。主要完成的工作如下：1針對(duì)鋼板表面缺陷圖像的特點(diǎn)，研究了缺陷圖像的預(yù)處理算法，實(shí)現(xiàn)了對(duì)缺陷圖像的增強(qiáng)；提出了一種改進(jìn)的二維最大類間方差閾值分割算法，使缺陷圖像分割的耗時(shí)大大減少，并得到了較好分割效果。2研究了缺陷圖

4、像的特征提取方法。對(duì)缺陷圖像的不變矩特征、灰度特征和紋理特征進(jìn)行了提取并進(jìn)行歸一化處理：采用主成分分析法進(jìn)行特征選擇，產(chǎn)生新的線性無(wú)關(guān)的特征值，實(shí)現(xiàn)了缺陷特征的降維。3研究了基于支持向量機(jī)的缺陷分類算法，設(shè)計(jì)并實(shí)現(xiàn)了基于支持向量機(jī)的多類分類器。并選取缺陷樣本進(jìn)行分類實(shí)驗(yàn)，得出了較好的分類結(jié)果。4在研究圖像預(yù)處理、分割、特征提取、特征降維和缺陷分類算法的基礎(chǔ)上，提出了一套鋼板表面缺陷檢測(cè)系統(tǒng)的總體方案，設(shè)計(jì)了系統(tǒng)的硬件模塊及選用方法。設(shè)計(jì)