论文部分内容阅读
表面质量是带钢生产的一项重要指标，如何快速精确地检测出带钢表面缺陷，一直是带钢生产企业关心的问题。由于冷轧带钢生产现场环境恶劣、受外界干扰严重，现有检测算法存在复杂度高、计算时间长和非缺陷信息被误报为缺陷等问题。针对上述问题，本文的主要研究内容如下:
(1)带钢缺陷检测系统设计。根据带钢生产现场特点选择具有合适参数的相机和光源，完成硬件平台设计和搭建;编写软件程序，实现带钢缺陷检测分类算法以及图像显示、存储等人机交互功能。
(2)带钢表面缺陷快速检测定位。对本文研究的5种典型缺陷边缘特点及成因进行分析，根据有缺陷图像和无缺陷图像像素变化率复杂度不同的特点，对缺陷图像进行初步筛选;采用基于小波模极大值的边缘检测算法，精确检测出缺陷边缘并抑制大部分噪声的影响;提出了利用两个不同大小阈值融合得到完整缺陷区域的自适应双阈值边缘连接算法，提高检测结果边缘完整性。
(3)带钢表面缺陷特征提取与分类。提取包括形态特征、灰度特征、投影特征和纹理特征共78维特征;根据不同特征的旋转放大不变和同类相聚特性去除冗余;经过核主成分分析，选择累计贡献率达到95％的34维特征作为分类器输入;最后选用BP神经网络，设置合理参数，并利用缺陷样本进行训练得到最终分类器。
(4)缺陷检测系统应用研究。对系统应用中常见的误报现象进行研究，对引起误报的噪声干扰和光照不均、水渍等伪缺陷分别提出解决方案:计算检测出区域的灰度共生矩阵，如小于设定阈值，则判定为噪声;光照不均通过本文提出的折线拟合灰度修正方法进行去除;水渍缺陷通过提取特征，用本文分类器实现检出。通过实验对去除误报后系统性能进行分析，本文所用边缘检测算法能较好的将缺陷边缘精确的检测出来，104幅缺陷样本的边缘准确检测率为97.1％，5种缺陷对象共1305幅图像的平均分类正确准确率为91.24％;采用上述快速检测算法平均处理一幅2049×256大小图片的时间为41.99ms，可以达到目前带钢生产的实时性要求。
(1)带钢缺陷检测系统设计。根据带钢生产现场特点选择具有合适参数的相机和光源，完成硬件平台设计和搭建;编写软件程序，实现带钢缺陷检测分类算法以及图像显示、存储等人机交互功能。
(2)带钢表面缺陷快速检测定位。对本文研究的5种典型缺陷边缘特点及成因进行分析，根据有缺陷图像和无缺陷图像像素变化率复杂度不同的特点，对缺陷图像进行初步筛选;采用基于小波模极大值的边缘检测算法，精确检测出缺陷边缘并抑制大部分噪声的影响;提出了利用两个不同大小阈值融合得到完整缺陷区域的自适应双阈值边缘连接算法，提高检测结果边缘完整性。
(3)带钢表面缺陷特征提取与分类。提取包括形态特征、灰度特征、投影特征和纹理特征共78维特征;根据不同特征的旋转放大不变和同类相聚特性去除冗余;经过核主成分分析，选择累计贡献率达到95％的34维特征作为分类器输入;最后选用BP神经网络，设置合理参数，并利用缺陷样本进行训练得到最终分类器。
(4)缺陷检测系统应用研究。对系统应用中常见的误报现象进行研究，对引起误报的噪声干扰和光照不均、水渍等伪缺陷分别提出解决方案:计算检测出区域的灰度共生矩阵，如小于设定阈值，则判定为噪声;光照不均通过本文提出的折线拟合灰度修正方法进行去除;水渍缺陷通过提取特征，用本文分类器实现检出。通过实验对去除误报后系统性能进行分析，本文所用边缘检测算法能较好的将缺陷边缘精确的检测出来，104幅缺陷样本的边缘准确检测率为97.1％，5种缺陷对象共1305幅图像的平均分类正确准确率为91.24％;采用上述快速检测算法平均处理一幅2049×256大小图片的时间为41.99ms，可以达到目前带钢生产的实时性要求。