基于機(jī)器視覺(jué)的帶鋼表面缺陷圖像處理與識(shí)別.pdf

1、本文針對(duì)鋼板表面缺陷的圖像處理和識(shí)別問(wèn)題進(jìn)行研究,對(duì)圖像處理的各個(gè)流程逐個(gè)進(jìn)行分析,根據(jù)算法理論和試驗(yàn),得到帶鋼表面缺陷圖像處理效果較好的各流程算法,并建立有效地BP神經(jīng)網(wǎng)絡(luò)分類器,對(duì)帶鋼缺陷進(jìn)行分類。試驗(yàn)在離線狀態(tài)下進(jìn)行,對(duì)實(shí)現(xiàn)在線檢測(cè)提供了很好地借鑒意義。本文的研究成果如下:
　　 (1)根據(jù)帶鋼圖像中的噪聲類型,利用常用的圖像平滑算法,實(shí)時(shí)地濾除圖像中的噪聲;
　　 (2)針對(duì)帶鋼缺陷成因復(fù)雜,種類多,形態(tài)各異的特

2、點(diǎn),構(gòu)建了5個(gè)類似缺陷邊緣的結(jié)構(gòu)元素,利用修正的抗噪膨脹腐蝕型的數(shù)學(xué)形態(tài)學(xué)方法檢測(cè)邊緣,相對(duì)傳統(tǒng)邊緣檢測(cè)算法,可以很好地檢測(cè)出相對(duì)連續(xù)完整的缺陷邊緣,特別是對(duì)于對(duì)比度不太明顯的如短劃傷等缺陷和邊緣形狀不規(guī)則、邊緣灰度值變化較大的如磷化斑等缺陷都可以檢測(cè)到較為連續(xù)完整的缺陷;而傳統(tǒng)邊緣算子檢測(cè)出的帶鋼缺陷邊緣不連續(xù),特別是對(duì)于對(duì)比度不太明顯的短劃傷等缺陷,檢測(cè)邊緣效果很差,甚至根本無(wú)法檢測(cè)出來(lái);
　　 (3)根據(jù)缺陷圖像特點(diǎn),提取