基于神經(jīng)網(wǎng)絡(luò)的冷軋帶鋼表面質(zhì)量檢測(cè)系統(tǒng)研究與實(shí)現(xiàn).pdf

1、質(zhì)量控制在鋼鐵生產(chǎn)中的意義日趨顯著，帶鋼的表面缺陷是影響帶鋼質(zhì)量的重要因素。關(guān)于鋼板表面質(zhì)量的檢測(cè)，目前鋼鐵企業(yè)通常采用落后的人工目視抽檢和頻閃光檢測(cè)等方式。然而這些方式具有抽檢率低、實(shí)時(shí)性差、檢測(cè)的置信度低、檢測(cè)環(huán)境惡劣等弊端，因此研究和開發(fā)帶鋼表面質(zhì)量檢測(cè)系統(tǒng)已經(jīng)成為鋼鐵企業(yè)的共識(shí)。目前基于神經(jīng)網(wǎng)絡(luò)的人工智能識(shí)別系統(tǒng)正是國(guó)內(nèi)外研究的熱點(diǎn)之一。它以其大規(guī)模并行處理、分布式存儲(chǔ)和學(xué)習(xí)能力等特點(diǎn)在模式識(shí)別、故障診斷等方面顯示出獨(dú)特的優(yōu)越性

2、。 本文較深入地研究了冷軋帶鋼表面質(zhì)量檢測(cè)的相關(guān)理論和關(guān)鍵技術(shù)，并成功將神經(jīng)網(wǎng)絡(luò)方法應(yīng)用到帶鋼的缺陷檢測(cè)中。主要工作包括以下幾個(gè)方面： 1、系統(tǒng)設(shè)計(jì)。根據(jù)冷軋帶鋼表面質(zhì)量檢測(cè)系統(tǒng)的技術(shù)要求，本文給出了系統(tǒng)的設(shè)計(jì)方案，建立了系統(tǒng)的工作流程和總體結(jié)構(gòu)，并對(duì)系統(tǒng)硬件結(jié)構(gòu)和軟件流程進(jìn)行了詳細(xì)描述；針對(duì)鋼板的生產(chǎn)環(huán)境，對(duì)檢測(cè)光源以及CCD攝像機(jī)的選取提出了相關(guān)的見解。 2、圖像處理。本文分別采用直方圖均衡法和圖像差影法對(duì)缺

3、陷圖像進(jìn)行增強(qiáng)處理。實(shí)驗(yàn)表明：直方圖均衡法既能突出我們感興趣的圖像缺陷區(qū)域，又能有效地抑制背景噪聲的影響；而圖像差影法的特點(diǎn)是簡(jiǎn)單實(shí)用，且增強(qiáng)效果也不錯(cuò)，但不適合處理含有復(fù)雜背景的圖像。在圖像平滑處理方面，本文采用中值濾波法，在提高濾波效果的同時(shí)保留了大部分的圖像細(xì)節(jié)。在分析傳統(tǒng)Canny算子不足的基礎(chǔ)上，我們對(duì)帶鋼表面圖像的邊緣檢測(cè)方法進(jìn)行了研究并實(shí)現(xiàn)了改進(jìn)Canny算子邊緣檢測(cè)算法。實(shí)驗(yàn)結(jié)果證明：該改進(jìn)算法提高了邊緣定位的準(zhǔn)確度和連

4、通性，同時(shí)在一定程度上抑制了噪聲影響，有效的提高了邊緣檢測(cè)的效果。 3、特征提取。對(duì)經(jīng)過(guò)預(yù)處理的帶鋼表面缺陷圖像進(jìn)行了特征提取，共研究了圖像的形態(tài)特征、灰度特征、紋理特征以及NMI特征。其中NMI特征和不變矩特征兩者均滿足縮放、平移和旋轉(zhuǎn)上的幾何不變性。對(duì)于復(fù)雜的鋼板表面缺陷來(lái)說(shuō)，這些特征在一定程度上可以作為缺陷檢測(cè)和識(shí)別的重要依據(jù)。 4、缺陷檢測(cè)。本文研究和開發(fā)了冷軋帶鋼表面質(zhì)量檢測(cè)系統(tǒng)，并成功將神經(jīng)網(wǎng)絡(luò)方法應(yīng)用到缺陷

5、檢測(cè)中。文中提出了一種NMI特征和不變矩特征相結(jié)合的方法來(lái)構(gòu)建缺陷圖像的統(tǒng)計(jì)特征量。同時(shí)針對(duì)傳統(tǒng)BP算法的缺點(diǎn)，提出了一種基于變更傳遞函數(shù)傾斜度和動(dòng)態(tài)調(diào)節(jié)不同學(xué)習(xí)速率的BP改進(jìn)算法，以加快傳統(tǒng)BP算法的收斂速度和避免陷入局部極小值點(diǎn)。實(shí)驗(yàn)表明：該BP改進(jìn)算法提高了識(shí)別率，檢測(cè)速度快，更能滿足鋼板表面缺陷檢測(cè)的實(shí)時(shí)性要求，是一種行之有效的方法。本系統(tǒng)的另一創(chuàng)新點(diǎn)在于：考慮到傳統(tǒng)圖像分割算法的局限性，本系統(tǒng)實(shí)現(xiàn)了一種圖像內(nèi)任意區(qū)域的實(shí)時(shí)在線

6、檢測(cè)方法。實(shí)驗(yàn)結(jié)果證明：該檢測(cè)方法較傳統(tǒng)的圖像缺陷區(qū)域分割算法的優(yōu)點(diǎn)在于它能適應(yīng)多種缺陷并存的復(fù)雜樣本圖像的分析處理，且根據(jù)在線檢測(cè)人員感興趣的缺陷區(qū)域能自由選擇合適的矩形框大小，具有很強(qiáng)的靈活性，同時(shí)檢測(cè)速度比較快，完全滿足實(shí)時(shí)檢測(cè)的要求，并能給在線檢測(cè)人員提供定量的缺陷嚴(yán)重程度分析。 5、缺陷分類識(shí)別。考慮到缺陷類型識(shí)別問(wèn)題，本文同樣采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了系統(tǒng)的缺陷分類器。文中討論了用于缺陷分類的特征量，在時(shí)域增加了矩形框區(qū)