帶鋼表面缺陷識別算法研究.pdf

1、鋼鐵生產(chǎn)中很重要的一項指標就是其表面質(zhì)量的好壞。帶鋼表而缺陷是影響其表面質(zhì)量的重要因素，進行帶鋼表面缺陷檢測及識別對于提高其表而質(zhì)量具有非常重要的作用。帶鋼表面檢測及識別技術(shù)已成為國內(nèi)外研究的熱點問題。傳統(tǒng)的人工檢測的方法已經(jīng)不能滿足生產(chǎn)需求，因此研究和設計帶鋼表面缺陷自動檢測識別系統(tǒng)已成為鋼鐵企業(yè)的共識。
　　 隨著計算機技術(shù)的發(fā)展，模式識別技術(shù)也在近幾年得到了快速的發(fā)展，并且成功運用于很多領域。模式識別技術(shù)匯聚了多個學科的知

2、識與技術(shù)，如圖像處理、智能控制、模式識別、機器視覺等。而本文主要研究了帶鋼表面缺陷的識別，也屬于模式識別類問題，由于國內(nèi)在帶鋼表面缺陷識別方面還存著一定的問題，因此本課題中主要在算法上針對此問題做了進一步研究，以便使帶鋼表面缺陷識別的研究工作做的更好。
　　 對于此問題，本文的主要目的在于能研究出對常見的帶鋼表面缺陷進行識別分類的系統(tǒng)。主要研究內(nèi)容如下：
　　 首先，選取不同的方法對所得到的缺陷樣本進行濾波降噪，并比較得

3、出有利于帶鋼表面缺陷降噪的方法。文中對缺陷樣本進行不同角度的旋轉(zhuǎn)及不同倍數(shù)的縮放變換，使得帶鋼表而缺陷盡可能全面的被識別。
　　 其次，對經(jīng)過預處理的缺陷圖像利用小波變換法進行特征提取，和常用的提取方法相比較，利用小波變換法提取特征算法更簡單。經(jīng)過實驗選取出有利于帶鋼表面缺陷識別分類的小波基。
　　 再次，對提取出的特征量利用主成分分析法進行降維處理，很大程度上減少了冗余量。在此基礎上比較了BP神經(jīng)網(wǎng)絡及支持向量機的識別