基于機器視覺的紙頁缺陷檢測算法的研究.pdf

1、現(xiàn)階段國內(nèi)外大多數(shù)造紙企業(yè)對紙頁生產(chǎn)過程中產(chǎn)生的外觀紙病仍采用人工的方式進行檢測及分類,這大大影響了企業(yè)的生產(chǎn)任務(wù),也容易形成檢測精度低、漏檢率高的問題。因此,基于機器視覺的紙頁缺陷檢測算法的研究不僅可以更好地實現(xiàn)紙病檢測的可視化、微觀化和自動化,迅速準確地對紙病進行檢測分析,還可以為造紙企業(yè)降低生產(chǎn)成本,提高檢測效率,對提高造紙企業(yè)效益及提高造紙過程的自動化程度也是很有意義的。
　　本論文對在線紙病檢測系統(tǒng)和紙病檢測技術(shù)的研究背

2、景和發(fā)展過程進行了深入研究和掌握,對基于機器視覺的紙病檢測系統(tǒng)的紙病檢測算法作了詳細的分析。針對在線紙病檢測系統(tǒng)在圖像采集過程中遇到的紙幅圖像的質(zhì)量問題,為了實時的采集到高質(zhì)量的圖像,對光源的調(diào)節(jié)需要根據(jù)具體環(huán)境的變化自適應(yīng)的完成,本論文提出了一種更先進的光源自適應(yīng)補償?shù)姆椒ā?br>　　在成功的采集到高質(zhì)量的紙幅圖像的基礎(chǔ)上,為了實現(xiàn)不同光照條件下孔洞、亮斑、暗斑、黑斑等紙病快速檢測,提出基于線性插值法的動態(tài)閾值選擇算法。通過在紙病檢

3、測系統(tǒng)上進行軟件編程實現(xiàn)并進行測試,實驗結(jié)果表明此方法對檢測高對比度紙病是實用有效的,可以滿足紙病檢測的實時性和精確度要求。
　　同時,本論文還對復(fù)雜紙頁缺陷的檢測算法進行了深入研究,其中復(fù)雜紙頁缺陷如褶皺、條痕等紙病在紙幅圖像中主要呈現(xiàn)出直線特征,那么對直線的檢測算法有很多,包括最小二乘法對直線的擬合、Radon變換和Hough變換(Hough transform)等。但是在對復(fù)雜紙頁缺陷這種直線類特征紙病采用以上提到的算法進行

4、檢測時并不能有效分辨出具有較近斜率或截距的多直線特征。那么,本論文在標準Hough變換的基礎(chǔ)上將Hough變換域空間變換為二維圖像然后對其進行紙頁缺陷特征提取,從而更加精確的檢測出褶皺或條痕類紙病。經(jīng)實驗證明,改進的Hough變換在檢測精度和時間上都優(yōu)于標準Hough變換。
　　為了進一步完善紙頁缺陷檢測算法的系統(tǒng)性,本文對支持向量機(Support Vector Machine,簡稱SVM)在紙頁缺陷檢測和分類上的應(yīng)用進行了研究