基于圖像處理的大型醫(yī)療設(shè)備用鋼板表面檢測技術(shù)的研究.pdf

1、隨著生活水平的提高和生產(chǎn)力的發(fā)展，人們對產(chǎn)品質(zhì)量提出了更高的要求。影響醫(yī)療設(shè)備質(zhì)量的很重要因素在其表面鋼板的質(zhì)量。因此鋼板表面缺陷檢測對于提高醫(yī)療設(shè)備的質(zhì)量具有非常重要的作用。傳統(tǒng)的人工檢測的方法不能得到令人滿意的檢測結(jié)果，因此研究和開發(fā)鋼板表面缺陷檢測系統(tǒng)已經(jīng)成為醫(yī)療設(shè)備設(shè)產(chǎn)企業(yè)的共識。 本文對鋼板表面缺陷檢測系統(tǒng)中的圖象處理及識別技術(shù)進(jìn)行了深入的研究，探討了針對鋼板表面缺陷圖象特點(diǎn)所應(yīng)采取的策略，提出了定位分割鋼板表面缺陷的

2、方案以及后續(xù)的缺陷特征提取、選擇及識別方法，成功地實(shí)現(xiàn)了鋼板表面孔洞缺陷的實(shí)時(shí)檢測，其主要工作包括以下幾個(gè)方面： 1．提出利用VFW進(jìn)行視頻采集卡二次開發(fā)的方案及具體實(shí)施方法，實(shí)現(xiàn)了鋼板表面圖像的實(shí)時(shí)采集。 2．通過對圖像預(yù)處理的方法進(jìn)行了分析，提出了一種改進(jìn)的中值濾波算法，使圖像得到增強(qiáng)的同時(shí)，更降低了算法的復(fù)雜性，使運(yùn)行效率得到有效的提高。 3．通過對圖像表面缺陷特征的分析，提出一種基于差影圖的缺陷檢測算法，

3、并在此基礎(chǔ)上提出缺陷分割算法。 4．深入研究缺陷圖像的特征量提取技術(shù)，分別從形態(tài)、灰度和紋理三方面進(jìn)行特征提取，實(shí)驗(yàn)證明這些特征量對缺陷的分類非常有效。 5．討論了神經(jīng)網(wǎng)絡(luò)分類技術(shù)，通過對比RBF與BP兩種神經(jīng)網(wǎng)絡(luò)，最終采用RBF神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)構(gòu)建了系統(tǒng)的分類器。通過實(shí)驗(yàn)證明該分類方法可以有效的識別本文所研究的冷軋鋼板表面缺陷類型，識別率達(dá)到90％。 在缺陷檢測與識別中，采用圖像處理與神經(jīng)網(wǎng)絡(luò)相結(jié)合，是一種比較新的