冷軋帶鋼表面缺陷機(jī)器視覺自動(dòng)檢測技術(shù)研究.pdf

1、質(zhì)量控制在鋼鐵生產(chǎn)中的意義日趨顯著，機(jī)器視覺表面缺陷檢測技術(shù)作為先進(jìn)的帶鋼生產(chǎn)質(zhì)量監(jiān)測手段，具有快速、準(zhǔn)確和可靠等優(yōu)點(diǎn)，受到了鋼鐵企業(yè)越來越多的重視。雖然該自動(dòng)檢測技術(shù)已經(jīng)得到了一定程度的應(yīng)用和推廣，但整體技術(shù)水平仍處于研究和發(fā)展階段，其研究重點(diǎn)為：降低系統(tǒng)的復(fù)雜度，增強(qiáng)系統(tǒng)穩(wěn)定性，縮減開發(fā)周期和成本；優(yōu)化缺陷檢測和識(shí)別方法，提高缺陷檢出率和識(shí)別率。本文將針對(duì)機(jī)器視覺冷軋帶鋼表面缺陷自動(dòng)檢測系統(tǒng)設(shè)計(jì)及其缺陷圖像處理和缺陷識(shí)別的關(guān)鍵技術(shù)進(jìn)

2、行深入研究。
　　從帶鋼表面缺陷檢測系統(tǒng)的功能和性能分析入手，在總結(jié)現(xiàn)有檢測系統(tǒng)研究狀況的基礎(chǔ)上，設(shè)計(jì)了帶鋼表面缺陷檢測系統(tǒng)的總體結(jié)構(gòu)，從系統(tǒng)整體設(shè)計(jì)的高度劃分了主要的功能模塊，提出了缺陷檢測關(guān)鍵環(huán)節(jié)的硬件設(shè)計(jì)方案和軟件數(shù)據(jù)處理流程。硬件采用并行結(jié)構(gòu)，實(shí)現(xiàn)高速線陣 CCD在過渡照明場采集圖像，經(jīng)由圖像處理計(jì)算機(jī)完成檢測過程。軟件采用實(shí)時(shí)處理和及時(shí)處理相結(jié)合的分層處理流程來滿足檢測精度和速度的要求。歸納出了帶鋼表面缺陷圖像處理和圖像

3、識(shí)別兩項(xiàng)關(guān)鍵任務(wù)。
　　帶鋼表面圖像處理技術(shù)實(shí)現(xiàn)了從圖像中檢測并分割缺陷的目的。針對(duì)帶鋼圖像質(zhì)量不穩(wěn)定、高速線陣 CCD成像存在灰度分布中部亮和邊部暗的現(xiàn)象，提出了圖像灰度補(bǔ)償?shù)念A(yù)處理方法，改善并規(guī)范了圖像的灰度分布，使后續(xù)處理在灰度歸一化的圖像上實(shí)現(xiàn)模塊化開發(fā)和測試。帶鋼表面缺陷產(chǎn)生、分布的隨機(jī)性和缺陷形狀的不定性使得基于邊緣或區(qū)域的圖像分割方法難以取得理想的效果，提出了一種基于局部灰度分布信息的帶鋼圖像分割方法。根據(jù)感興趣區(qū)域

4、內(nèi)缺陷形態(tài)復(fù)雜而背景灰度穩(wěn)定的特點(diǎn)，借助分割圖像背景來確定缺陷區(qū)域。測試表明，該方法能夠取得較高的運(yùn)算效率和分割精度。
　　缺陷圖像的特征提取和選擇是缺陷分類器設(shè)計(jì)的前提。本文從缺陷圖像不同形態(tài)、不同區(qū)域和不同特征描述方法的角度出發(fā)提取了263個(gè)圖像特征，實(shí)現(xiàn)了在特征空間對(duì)缺陷的精確描述。根據(jù)特征選擇需要和分類器設(shè)計(jì)匹配的思想，提出了 ReliefF算法結(jié)合相關(guān)性分析方法的過濾式特征選擇模型，并采用C4.5決策樹分類器對(duì)特征選擇模

5、型的性能進(jìn)行檢驗(yàn)。過濾式特征選擇能夠有效去除無關(guān)和冗余特征，降低特征空間維數(shù)，簡化分類器設(shè)計(jì)和維護(hù)的復(fù)雜度。
　　帶鋼表面缺陷識(shí)別是一個(gè)多類、多特征的復(fù)雜模式識(shí)別問題，采用單一分類器技術(shù)一步到位地構(gòu)建具有優(yōu)良性能的分類器十分困難。本文對(duì)分類器集成技術(shù)和分級(jí)分類器技術(shù)進(jìn)行了總結(jié)，提出了由Boosting算法組合SLIQ決策樹的帶鋼表面缺陷組合分類器識(shí)別方法。同構(gòu)分類器組合技術(shù)Boosting算法通過適應(yīng)性權(quán)重技術(shù)和加權(quán)投票方法建立并