文档介绍：摘要论文题目:学科名称:硕士生:指导教师:基于机器视觉的带钢表面缺陷检测算法研究检测技术与自动化装置陈平(签名):李琦(签名):-(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。: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。: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BP神经网络的输入,用来进行缺陷分类。:采用改进型BP神经网络对带钢表面缺陷进行识别分类,提高了识别率。: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;BP神经网络本研究得到国家自然科学基金的资助(60805020)ABSTRACTTit!6:Major:NamG:RESEARCHONSTRIPSTEELSURFACEDEFECTSINSPECT!ONALGORITHMBASEDONMACH!NEV!SIONDetectionT6ehnologyandAutomaticEquiPmentPingSUPG四ISOF,!:.5ignature:5ignature:,whiehmakesitabottleneekthateonstrietsthestriPindustrialdeveloPment,,intelligent,,::aeomParativeanalysishasbeenundertaken,,theexPerimentalresultsshowthatthealgoritlllllhasas