基于視覺注意機制的帶鋼表面缺陷圖像檢測與D-FNN識別方法研究.pdf

1、帶鋼是航空、汽車、化工業(yè)不可或缺的原材料。近年來，隨著科技的發(fā)展和對帶鋼材料需求量的增加，對帶鋼表面質(zhì)量的要求也隨之增加，但是由于技術(shù)水平和生產(chǎn)設(shè)備的原因，在軋制帶鋼的過程中，其表面會出現(xiàn)例如黑斑、劃傷、翹皮、磷化斑、褶皺等缺陷，這些缺陷不僅對產(chǎn)品的外觀產(chǎn)生影響，更重要的是影響了產(chǎn)品的使用性能，為消費者和生產(chǎn)者帶來不可預(yù)計的安全隱患，因此研究機器視覺檢測系統(tǒng)應(yīng)用在帶鋼表面圖像上具有重要意義。
　　本文對帶鋼表面缺陷圖像的檢測與識別

2、方面的各個關(guān)鍵環(huán)節(jié)進行分析。通過實驗比較后的結(jié)果，得到行之有效的算法。本文研究內(nèi)容與成果主要有以下幾個方面:
　　1.研究了一種基于BM3D的帶鋼表面圖像去噪方法和對該算法的工作原理進行了敘述。通過做幾組對比實驗選擇出了BM3D算法中最適合缺陷圖像去噪的一些參數(shù)值，將設(shè)定好參數(shù)值的BM3D算法與幾種經(jīng)典的去噪算法相比較，實驗結(jié)果表明，無論從主觀判斷標(biāo)準(zhǔn)還是從客觀判斷標(biāo)準(zhǔn)來看，BM3D算法在圖像去噪方面都取得了良好的效果。
　

3、　2.針對帶鋼表面缺陷具有種類多樣、形狀復(fù)雜和分布隨意等特點，研究了一種基于視覺注意機制的Itti模型算法和利用各個特征圖的顯著度熵值來定義該模型算法中的特征權(quán)值大小并將Itti算法運用在帶鋼表面缺陷圖像區(qū)域的分割上，用WTA(winner-take-all)網(wǎng)絡(luò)機制定位出圖像中該缺陷區(qū)域的位置。最后通過與幾種經(jīng)典的分割算法相比較，實驗結(jié)果表明，Itti算法取得了較好的效果。
　　3.通過提取出缺陷表面圖像的幾何特征、灰度特征、不