冷軋帶鋼表面缺陷識(shí)別及其并行處理的研究.pdf

1、表面缺陷檢測(cè)技術(shù)是先進(jìn)制造業(yè)的基礎(chǔ)技術(shù)之一，是提高產(chǎn)品質(zhì)量的關(guān)鍵技術(shù)之一。隨著技術(shù)和經(jīng)濟(jì)的飛速發(fā)展，對(duì)冷軋帶鋼的表面質(zhì)量提出了越來(lái)越高的要求，這也就對(duì)表面缺陷檢測(cè)技術(shù)提出了越來(lái)越高的要求。目前，基于機(jī)器視覺的表面缺陷檢測(cè)技術(shù)已經(jīng)發(fā)展成為冷軋帶鋼表面缺陷檢測(cè)系統(tǒng)的主流技術(shù)。自20世紀(jì)90年代以來(lái)，美國(guó)和德國(guó)等少數(shù)發(fā)達(dá)國(guó)家先后成功研制出了基于機(jī)器視覺的帶鋼表面缺陷檢測(cè)系統(tǒng)，并在實(shí)際生產(chǎn)中得到應(yīng)用。而我國(guó)在這方面的研究還處于初級(jí)階段，目前尚無(wú)

2、可在線應(yīng)用的系統(tǒng)，這在一定程度上導(dǎo)致了我國(guó)帶鋼產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力的缺乏，制約了帶鋼表面質(zhì)量的提高。
　　針對(duì)目前大多數(shù)檢測(cè)系統(tǒng)均采用一臺(tái)攝像機(jī)對(duì)應(yīng)一臺(tái)PC機(jī)的并行處理方式，系統(tǒng)結(jié)構(gòu)復(fù)雜且造價(jià)昂貴的問(wèn)題，本文設(shè)計(jì)了一套冷軋帶鋼表面缺陷識(shí)別實(shí)驗(yàn)系統(tǒng)，并在該系統(tǒng)內(nèi)采用多核處理器構(gòu)建了缺陷識(shí)別并行處理子系統(tǒng)。在缺陷識(shí)別并行處理子系統(tǒng)中構(gòu)建了基于RTAI的缺陷數(shù)據(jù)實(shí)時(shí)接收系統(tǒng)，并完成了缺陷識(shí)別算法并行化總體設(shè)計(jì)。該模塊提高了缺陷識(shí)別的處理速度，

3、同時(shí)與基于圖像處理機(jī)陣列的檢測(cè)系統(tǒng)相比，降低了檢測(cè)系統(tǒng)的復(fù)雜性。
　　在冷軋帶鋼表面缺陷檢測(cè)過(guò)程中，帶鋼表面存在強(qiáng)反射現(xiàn)象。為了改善由強(qiáng)反射造成的缺陷圖像亮度不均勻性并抑制局部強(qiáng)亮度現(xiàn)象，首先分析了強(qiáng)反射表面的光學(xué)特性，研究了偏微分方程理論以及同態(tài)濾波算法，在此基礎(chǔ)上提出了一種基于偏微分方程的同態(tài)濾波算法。通過(guò)引入信息熵來(lái)對(duì)不同尺度參數(shù)下的處理效果進(jìn)行評(píng)價(jià)，確定了偏微分方程同態(tài)濾波的尺度參數(shù)。針對(duì)存在強(qiáng)反射現(xiàn)象的表面缺陷圖像進(jìn)行了

4、實(shí)驗(yàn)研究，結(jié)果表明該濾波算法既校正了圖像亮度的不均勻性，又保留了足夠多的原始圖像信息。
　　針對(duì)冷軋帶鋼表面缺陷識(shí)別過(guò)程中對(duì)分割準(zhǔn)確性以及快速性的要求，提出了一種基于模糊超熵的圖像分割算法，該算法同時(shí)利用了圖像灰度信息和空間結(jié)構(gòu)信息。首先對(duì)能夠用來(lái)測(cè)度圖像空間結(jié)構(gòu)信息的超熵理論進(jìn)行了研究，并解決了超熵計(jì)算過(guò)程中鄰接像素的定義以及L值選取問(wèn)題，同時(shí)將模糊隸屬度概念引入到超熵定義過(guò)程中完成了模糊超熵的定義，并將其作為判斷準(zhǔn)則應(yīng)用到圖像

5、分割過(guò)程中，即分割后得到的模糊超熵越大則說(shuō)明分割越準(zhǔn)確。最后通過(guò)缺陷分割實(shí)驗(yàn)驗(yàn)證了算法的有效性，同時(shí)提出了誤分割率和有效信息率對(duì)分割結(jié)果進(jìn)行了定量分析，結(jié)果表明基于最大模糊超熵的閾值分割算法具有較高的有效信息率以及較低的誤分割率。
　　為了提取表面缺陷三維特征信息來(lái)提高表面缺陷分類識(shí)別的準(zhǔn)確率，提出了一種基于SFS原理的表面缺陷三維重構(gòu)算法。首先分析了表面缺陷識(shí)別系統(tǒng)的光路設(shè)計(jì)，建立了改進(jìn)型Oren-Nayar漫反射模型，并結(jié)合透

6、視投影數(shù)學(xué)模型推導(dǎo)出相應(yīng)的數(shù)學(xué)模型，具體表達(dá)形式為靜態(tài)Hamilton-Jacobi方程。采用高階Lax-Friedrichs快速掃描和牛頓迭代相結(jié)合的算法實(shí)現(xiàn)了方程的求解。通過(guò)人工合成圖像以及表面缺陷圖像三維重構(gòu)實(shí)驗(yàn)，驗(yàn)證了改進(jìn)光照模型以及快速掃描算法的有效性和準(zhǔn)確性。
　　在完成表面缺陷圖像濾波、分割處理以及三維重構(gòu)的基礎(chǔ)上，進(jìn)行了表面缺陷的特征提取與降維。提取了表面缺陷的灰度特征、形狀特征、紋理特征以及投影特征等四大類特征，

7、構(gòu)建了原始特征集。針對(duì)高維原始特征集，采用特征選擇方法進(jìn)行降維，提出了一種兩段式混合特征選擇算法，首先應(yīng)用基于最大相關(guān)最小冗余準(zhǔn)則的濾波特征選擇算法得到初始特征子集，然后再利用基于動(dòng)態(tài)振蕩搜索策略的包裝特征選擇算法得到更加緊湊的有效特征子集用于分類器的構(gòu)造。
　　在研究了支持向量機(jī)理論、多類分類方法以及模糊支持向量機(jī)分類方法的基礎(chǔ)上，將模糊支持向量機(jī)思想引入到基于多超球體支持向量數(shù)據(jù)描述的多類分類方法中，構(gòu)建了模糊多超球體支持向量

8、數(shù)據(jù)描述多類分類器。首先利用模糊核C-均值聚類算法完成訓(xùn)練數(shù)據(jù)集模糊隸屬度矩陣的建立，在此基礎(chǔ)上完成了相應(yīng)模糊多超球體支持向量數(shù)據(jù)描述多類分類器的構(gòu)建，最后將模糊隸屬度引入到樣本判別階段，設(shè)計(jì)了基于隸屬度相似函數(shù)的兩步式判別方法，實(shí)現(xiàn)了對(duì)樣本數(shù)據(jù)的正確分類。對(duì)構(gòu)建的多類分類器進(jìn)行了實(shí)驗(yàn)研究，在有限缺陷樣本情況下，采用特征選擇降維后的有效特征子集，使分類的平均準(zhǔn)確率達(dá)到96％以上。
　　在冷軋帶鋼表面缺陷識(shí)別實(shí)驗(yàn)系統(tǒng)上，對(duì)缺陷識(shí)別并