带钢表面缺陷智能检测系统的设计与研究

 针对目前自动化方法在带钢表面缺陷检测时准确度不高的问题,本文探讨了基于计算机视觉的智能检测系统总体设计方案及软、硬件构成,重点设计了其中的缺陷初检、分割和识别步骤解决方案。 针对实际生产中缺陷出现概率较低的现状,利用对图像分块差值图提取的灰度范围、方差等特征量,构造了缺陷初检判别函数,以提高检测算法的实时陛。对初检含缺陷的图像,因光照不均匀而引起传统的单一阈值分割结果十分不理想,提出了一种基于B样条拟合阈值曲面的分割算法,用于获得分割图像的阈值曲面。在分割出缺陷目标的基础上,选择了几何形状、不变矩等缺陷种类判别特征量,构建了相应的BP神经网络分类器完成对缺陷具体类别的识别。在上述带钢表面缺陷智能检测系统的设计思路下,本文对其中的缺陷初检、分割和识别等关键步骤进行了相应的算法实现与测试,取得良好效果。 【关键词】：缺陷检测阈值曲面分割神经网络识别
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP274.4
【DOI】：CNKI:CDMD:2.2008.104487
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-9
• 1.1 国内外研究现状和意义7-8
• 1.2 论文的主要工作及组织结构8-9
• 第2章 智能检测系统的总体设计9-13
• 2.1 检测原理及总体设计方案9-10
• 2.2 系统硬件设计方案10-11
• 2.3 系统软件设计方案11-12
• 2.4 本章小结12-13
• 第3章 预处理及缺陷初检13-24
• 3.1 图像预处理13-15
• 3.2 缺陷初检15-23
• 3.2.1 缺陷图像的特征提取15-18
• 3.2.2 特征量的选择18-20
• 3.2.3 缺陷初检的判别20-23
• 3.3 本章小结23-24
• 第4章 缺陷区域分割24-34
• 4.1 基于B样条拟合阈值曲面的缺陷分割算法24-31
• 4.1.1 B样条曲线25-27
• 4.1.2 分割算法模型27-29
• 4.1.3 偏离项系数和光顺项系数的自适应调整29-31
• 4.2 分割的后处理31-33
• 4.2.1 形态滤波31-33
• 4.2.2 连通区域标记33
• 4.3 本章小结33-34
• 第5章 缺陷识别34-42
• 5.1 人工神经网络34-37
• 5.1.1 神经网络概述34-35
• 5.1.2 BP神经网络模型35-37
• 5.2 基于BP神经网络的缺陷识别算法37-41
• 5.2.1 缺陷区域特征的选择37-39
• 5.2.2 BP神经网络设计39-40
• 5.2.3 实验结果40-41
• 5.3 本章小结41-42
• 结论42-43
• 致谢43-44
• 参考文献44-46
• 研究成果46