学位论文 > 优秀研究生学位论文题录展示
基于图像处理的带钢表面缺陷识别方法研究
作 者: 林文钊
导 师: 黄江平
学 校: 华东交通大学
专 业: 控制理论与控制工程
关键词: 机器视觉 带钢缺陷 图像增强 边缘检测 特征提取 BP神经网络
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 3次
引 用: 0次
阅 读: 论文下载
内容摘要
随着科学技术的迅猛发展,军工、航天、汽车、电子科技等尖端领域对基础成品的带钢质量提出了更高的要求;产品质量、效益、美观的追求也对带钢生产加工提出了新的标准。及时发现和定位生产过程中出现的表面缺陷,加强生产一个过程的监控管理,通常是依托带钢表面缺陷在线检测系统,实现带钢生产过程实时检测,为带钢质量的提高、带钢生产工艺的改进提供重要的保证,从而大力的促进带钢生产企业的核心市场竞争力。基于图像处理的带钢表面无损检测继承和发扬了以往检测提出的实时性、可靠性要求,并创新检测方法;以图像特征的形式对比,便于辨别得出判断,检测技术和检测算法基于程序编程,更新方便,维护简单,大大的降低了人工作业的能耗,提高企业生产效益,值得我们不断的创新研究。本文结合机器视觉的原理结构和带钢生产的实际情况,针对常见的几种带钢缺陷,设计出一套能对带钢表面缺陷进行实时在线的无损伤自动检测系统,并通过大量的计算和实验,得出适合带钢特性的设计参数,已初步实现缺陷的检测定位和自动识别分类。主要工作如下:1.为验证带钢缺陷检测的可靠性,从带钢工业生产中选取五种比较常见、特征差异比较明显的缺陷类别作为研究对象。2.为有效消除各种噪声误差和相机图像获取引起的图像昏暗模糊问题,设计了多重方式的滤波静噪平滑等图像增强技术。这些方法简单,算法可以直接调用,方便快捷。3.为精简图像信息,获取所需信息,研究决定通过缺陷的边缘差异作为分辨不同缺陷的切入点。边缘检测通过边缘检测算子实现,主要是通过图像边缘的灰度特征启发而得。4.为实现以特性代表目标的分类原则,我们提取了形态、灰度和纹理三大类特征。5.为解决特征数值无法直接可分的问题,设计基于BP神经网络的分类模型,具有自学习的适应能力强的特性。
|
全文目录
摘要 3-4 ABSTRACT 4-8 第一章 绪论 8-15 1.1 课题的背景和意义 8-9 1.2 带钢表面缺陷检测技术综述 9-12 1.2.1 传统无损检测技术 9 1.2.2 自动检测技术 9-12 1.2.3 机器视觉检测技术 12 1.3 国内外研究概况及发展趋势 12-14 1.3.1 国外研究状况 12-13 1.3.2 国内研究成果 13-14 1.4 文的主要研究内容和论文结构 14-15 第二章 带钢表面缺陷检测系统研究 15-22 2.1 带钢表面缺陷的主要类型 15-17 2.2 机器视觉检测系统的基本要求 17-18 2.3 机器视觉检测系统的工作原理 18-21 2.4 本章小结 21-22 第三章 带钢表面缺陷图像增强的预处理 22-33 3.1 灰度变化增强 22-27 3.1.1 直接灰度变换 22-25 3.1.2 直方图灰度变换 25-27 3.2 图像平滑滤波增强 27-30 3.2.0 机器视觉图像中常见的噪声类型 27-28 3.2.1 中值滤波 28-29 3.2.2 领域平均值滤波 29 3.2.3 梯度倒数加权法滤波 29-30 3.3 滤波实验结果及分析 30-32 3.4 本章小结 32-33 第四章 图像边缘检测 33-43 4.1 边缘检测相关概念 33-34 4.2 一阶边缘检测 34-36 4.2.1 Roberts算子 35 4.2.2 Sobel算子 35 4.2.3 Prewitt算子 35-36 4.3 二阶边缘检测 36-37 4.3.1 Kirsch算子 36 4.3.2 Laplace算子和Log算子 36-37 4.4 CANNY边缘检测 37-39 4.5 边缘检测处理结果分析 39-42 4.6 本章小结 42-43 第五章 表面缺陷特征提取与识别 43-56 5.1 表面缺陷特征提取 43-49 5.1.1 形态特征 44-46 5.1.2 灰度特征 46-47 5.1.3 纹理特征 47-49 5.1.4 特征值归一化处理 49 5.2 带钢表面缺陷识别 49-55 5.2.1 传统模式识别 50-51 5.2.2 人工神经网络 51 5.2.3 BP神经网络原理 51-52 5.2.4 BP神经网络识的参数设置 52-53 5.2.5 BP神经网络识别实验结果 53-55 5.3 本章小结 55-56 第六章 总结与展望 56-58 6.1 主要工作总结 56 6.2 未来展望 56-58 参考文献 58-61 个人简历 在读期间发表的学术论文 61-62 致谢 62
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- FPGA/DSP图像协处理技术及以太网数据传输,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 机械臂视觉伺服系统的研究,TP242.6
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 基于随机森林的植物抗性基因识别方法研究,Q943
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|