基于圖像處理的大型醫(yī)療設(shè)備用鋼板表面檢測技術(shù)的研究.pdf

1、隨著生活水平的提高和生產(chǎn)力的發(fā)展，人們對(duì)產(chǎn)品質(zhì)量提出了更高的要求。影響醫(yī)療設(shè)備質(zhì)量的很重要因素在其表面鋼板的質(zhì)量。因此鋼板表面缺陷檢測對(duì)于提高醫(yī)療設(shè)備的質(zhì)量具有非常重要的作用。傳統(tǒng)的人工檢測的方法不能得到令人滿意的檢測結(jié)果，因此研究和開發(fā)鋼板表面缺陷檢測系統(tǒng)已經(jīng)成為醫(yī)療設(shè)備設(shè)產(chǎn)企業(yè)的共識(shí)。 本文對(duì)鋼板表面缺陷檢測系統(tǒng)中的圖象處理及識(shí)別技術(shù)進(jìn)行了深入的研究，探討了針對(duì)鋼板表面缺陷圖象特點(diǎn)所應(yīng)采取的策略，提出了定位分割鋼板表面缺陷的

2、方案以及后續(xù)的缺陷特征提取、選擇及識(shí)別方法，成功地實(shí)現(xiàn)了鋼板表面孔洞缺陷的實(shí)時(shí)檢測，其主要工作包括以下幾個(gè)方面： 1．提出利用VFW進(jìn)行視頻采集卡二次開發(fā)的方案及具體實(shí)施方法，實(shí)現(xiàn)了鋼板表面圖像的實(shí)時(shí)采集。 2．通過對(duì)圖像預(yù)處理的方法進(jìn)行了分析，提出了一種改進(jìn)的中值濾波算法，使圖像得到增強(qiáng)的同時(shí)，更降低了算法的復(fù)雜性，使運(yùn)行效率得到有效的提高。 3．通過對(duì)圖像表面缺陷特征的分析，提出一種基于差影圖的缺陷檢測算法，

3、并在此基礎(chǔ)上提出缺陷分割算法。 4．深入研究缺陷圖像的特征量提取技術(shù)，分別從形態(tài)、灰度和紋理三方面進(jìn)行特征提取，實(shí)驗(yàn)證明這些特征量對(duì)缺陷的分類非常有效。 5．討論了神經(jīng)網(wǎng)絡(luò)分類技術(shù)，通過對(duì)比RBF與BP兩種神經(jīng)網(wǎng)絡(luò)，最終采用RBF神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)構(gòu)建了系統(tǒng)的分類器。通過實(shí)驗(yàn)證明該分類方法可以有效的識(shí)別本文所研究的冷軋鋼板表面缺陷類型，識(shí)別率達(dá)到90％。 在缺陷檢測與識(shí)別中，采用圖像處理與神經(jīng)網(wǎng)絡(luò)相結(jié)合，是一種比較新的