冷軋帶鋼表面缺陷機器視覺自動檢測技術研究.pdf

1、質量控制在鋼鐵生產(chǎn)中的意義日趨顯著，機器視覺表面缺陷檢測技術作為先進的帶鋼生產(chǎn)質量監(jiān)測手段，具有快速、準確和可靠等優(yōu)點，受到了鋼鐵企業(yè)越來越多的重視。雖然該自動檢測技術已經(jīng)得到了一定程度的應用和推廣，但整體技術水平仍處于研究和發(fā)展階段，其研究重點為：降低系統(tǒng)的復雜度，增強系統(tǒng)穩(wěn)定性，縮減開發(fā)周期和成本；優(yōu)化缺陷檢測和識別方法，提高缺陷檢出率和識別率。本文將針對機器視覺冷軋帶鋼表面缺陷自動檢測系統(tǒng)設計及其缺陷圖像處理和缺陷識別的關鍵技術進

2、行深入研究。
　　從帶鋼表面缺陷檢測系統(tǒng)的功能和性能分析入手，在總結現(xiàn)有檢測系統(tǒng)研究狀況的基礎上，設計了帶鋼表面缺陷檢測系統(tǒng)的總體結構，從系統(tǒng)整體設計的高度劃分了主要的功能模塊，提出了缺陷檢測關鍵環(huán)節(jié)的硬件設計方案和軟件數(shù)據(jù)處理流程。硬件采用并行結構，實現(xiàn)高速線陣 CCD在過渡照明場采集圖像，經(jīng)由圖像處理計算機完成檢測過程。軟件采用實時處理和及時處理相結合的分層處理流程來滿足檢測精度和速度的要求。歸納出了帶鋼表面缺陷圖像處理和圖像

3、識別兩項關鍵任務。
　　帶鋼表面圖像處理技術實現(xiàn)了從圖像中檢測并分割缺陷的目的。針對帶鋼圖像質量不穩(wěn)定、高速線陣 CCD成像存在灰度分布中部亮和邊部暗的現(xiàn)象，提出了圖像灰度補償?shù)念A處理方法，改善并規(guī)范了圖像的灰度分布，使后續(xù)處理在灰度歸一化的圖像上實現(xiàn)模塊化開發(fā)和測試。帶鋼表面缺陷產(chǎn)生、分布的隨機性和缺陷形狀的不定性使得基于邊緣或區(qū)域的圖像分割方法難以取得理想的效果，提出了一種基于局部灰度分布信息的帶鋼圖像分割方法。根據(jù)感興趣區(qū)域

4、內缺陷形態(tài)復雜而背景灰度穩(wěn)定的特點，借助分割圖像背景來確定缺陷區(qū)域。測試表明，該方法能夠取得較高的運算效率和分割精度。
　　缺陷圖像的特征提取和選擇是缺陷分類器設計的前提。本文從缺陷圖像不同形態(tài)、不同區(qū)域和不同特征描述方法的角度出發(fā)提取了263個圖像特征，實現(xiàn)了在特征空間對缺陷的精確描述。根據(jù)特征選擇需要和分類器設計匹配的思想，提出了 ReliefF算法結合相關性分析方法的過濾式特征選擇模型，并采用C4.5決策樹分類器對特征選擇模

5、型的性能進行檢驗。過濾式特征選擇能夠有效去除無關和冗余特征，降低特征空間維數(shù)，簡化分類器設計和維護的復雜度。
　　帶鋼表面缺陷識別是一個多類、多特征的復雜模式識別問題，采用單一分類器技術一步到位地構建具有優(yōu)良性能的分類器十分困難。本文對分類器集成技術和分級分類器技術進行了總結，提出了由Boosting算法組合SLIQ決策樹的帶鋼表面缺陷組合分類器識別方法。同構分類器組合技術Boosting算法通過適應性權重技術和加權投票方法建立并