文档介绍：摘要
论文题目: 基于机器视觉的带钢表面缺陷检测算法研究
学科名称: 检测技术与自动化装置
硕士生: 陈平(签名):
-鱼季一.
指导教师: 李琦(签名): 尸诗口产砚
杨延西(签名):
摘要
随着社会发展的需要, 带钢产品在生产生活中应用越来越广泛。带钢表面质量直接
影响其后续产品的质量,现有的检测方法在高速带钢生产线中存在实时性差、识别率较
低等弊端, 己成为制约带钢相关工业发展的瓶颈, 所以带钢表面缺陷检测方法成为国内
外研究的热点之一。
基于机器视觉的缺陷检测技术具有非接触、智能化、高精度、快速性等优点, 是无
损检测技术的发展趋势,本文基于机器视觉技术,为了实现缺陷检测的快速性和准确性,
着重研究了带钢表面缺陷检测的核心算法和关键技术, 具体内容如下:
: 比较分析了各种边缘检测算子在缺陷目标检测上的局限性,
采用背景差分算法进行带钢表面缺陷目标检测, 实验结果表明该算法抗干扰能力强, 具
有自适应性,缺陷定位准确, 便于后续缺陷分割。
2 .缺陷区域提取算法: 采用快速贴标签算法标记缺陷目标,接着对标记后的目标定
位, 截取只包含单个缺陷目标的位图, 便于后续缺陷特征提取。
3 .缺陷特征优化算法: 对单个缺陷进行形态特征、灰度特征、纹理特征的提取, 并
对这三类原始特征采用主成分分析法进行特征优化选择,优化后的特征作为 B P 神经网络
的输入, 用来进行缺陷分类。
4 .缺陷识别算法: 采用改进型 B P 神经网络对带钢表面缺陷进行识别分类,提高了识
别率。
5. 多线程和数据库编程技术: 在 VC +十环境下实现了整个算法程序编写,采用多线程
技术, 实现了算法的快速性, 并将缺陷信息实时存入数据库, 实现了数据库中的缺陷信
息管理与操作。
关键词: 带钢表面缺陷; 机器视觉; 背景重构; 主成分分析; B P 神经网络
本研究得到国家自然科学基金的资助(6 0 80 502 0)
A B S T R A C T
T it!6 : R E S E A R C H O N S T R IP S T E E L S U R F A C E D E F E C T S
IN S P E C T !O N A L G O R IT H M B A S E D O N M A C H !N E V !S IO N
M aj o r: D e te c tio n T6 e h n o lo g y a n d A u to m a tic E q u iP m e n t
N a m G : P in g C H E N 5 ig n a tu re :.
S U P G 四 IS O F , P ro f. Q I L ! 5 ig n a tu re :
P ro f. 物 n x i 物 n g 5 ig n a tu re : 享哩浑哪
A b s tFa C t
W ith th e d e m a n d o f so e ia l d e v e lo P m e n t. striP ste e l P ro d u e ts a re m o re a n d m o re w id e ly
u se d in in d u stry P ro d u etio n an d so e ia l Iife . S tri P su rfa e e q u a lity h a s a d ire et im P a et o n its
fo llo w 一u P P ro d u e ts q u a lity. a n d th e re a l一tim e a n d re e o g n itio n rat e o f e x istin g d e te e tio n
m e th o d s e a n llo t m at e h h ig h 一sP e e d ste e l striP lin e s,w h ie h m a k e s it a b o ttle n e e k th a t e o n strie ts
th e striP in d u stria l d e v e lo P m e nt , 50 striP su rfa e e d e fe e t d e te e tio n m e th o d h a s b e e o m e o n e o f
th e h o t re se a re h .
D e fe et d e te e tio n te e h n o lo g y