帶鋼表面缺陷的視覺識別方法研究.pdf

1、作為鋼鐵工業(yè)的重要產(chǎn)品之一，帶鋼已經(jīng)在國防裝備、汽車制造、航空航天等領(lǐng)域扮演著重要角色。其表面質(zhì)量的好壞嚴(yán)重影響著最終產(chǎn)品的性能，因此盡可能地改善帶鋼表面質(zhì)量，提高最終產(chǎn)品的性能具有重大意義。
　　本文基于機(jī)器視覺研究了帶鋼表面缺陷識別技術(shù)，設(shè)計了帶鋼表面缺陷檢測方法的總體方案。依據(jù)性能指標(biāo)，完成了圖像采集模塊的硬件選型與參數(shù)計算。著重研究了軟件模塊的圖像濾波算法、圖像增強(qiáng)算法、特征提取算法、特征選擇算法和缺陷識別算法等算法的原理

2、與程序設(shè)計。主要研究內(nèi)容如下:
　　①在圖像預(yù)處理階段，重點(diǎn)分析了常用的圖像增強(qiáng)算法，并通過對比性實驗確定了最佳的圖像增強(qiáng)方案，為后續(xù)的缺陷識別奠定了重要基礎(chǔ)。針對圖像傳輸過程中引入的干擾以及環(huán)境中的粉塵噪聲，通過對比性實驗分析了常用的圖像去噪方法的濾波效果，最終選擇同態(tài)濾波對圖像進(jìn)行降噪處理。
　?、诒疚膹娜毕輬D像的灰度圖、梯度圖、Gabor變換圖三種圖像表示方法出發(fā)，分別提取其紋理特征，共提取了63個圖像特征來表征每個缺

3、陷圖像。針對特征空間維數(shù)高的問題，采用特征選擇的方式來達(dá)到降維的目的。本文基于主成分分析、ReliefF算法、自編碼器等算法的原理，設(shè)計了這些算法相應(yīng)的程序。并分別運(yùn)用這三種算法對原63維特征向量進(jìn)行特征選擇。構(gòu)建合適的識別模型可以有效改善識別結(jié)果，本文基于BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、極限學(xué)習(xí)機(jī)、堆棧稀疏自編碼器等分類器算法的原理，設(shè)計了這些原理相應(yīng)的程序。
　?、鄯謩e以四種特征向量為輸入，分別輸入到四個識別模型中進(jìn)行對比性實驗分析