玻璃生產(chǎn)過(guò)程中會(huì)產(chǎn)生諸如劃痕、夾雜、氣泡、癤瘤以及污點(diǎn)等缺陷,各種玻璃缺陷的形態(tài)與大小沒(méi)有固定模式,采用人工選擇特征進(jìn)行缺陷識(shí)別與分類的方法只能針對(duì)某種特定的玻璃或缺陷完成,且識(shí)別分類準(zhǔn)確率較低,時(shí)間較長(zhǎng)。因此,找到一種通用性強(qiáng)、準(zhǔn)確率高且效率高的玻璃缺陷識(shí)別分類方法對(duì)于提高玻璃制品質(zhì)量有著重要的意義。本文采用雙冷陰極光燈作為線陣CCD相機(jī)光源,對(duì)玻璃生產(chǎn)線上的玻璃制品進(jìn)行缺陷檢測(cè),針對(duì)圖像中存在的光源頻閃特性帶來(lái)的條帶噪聲,本文設(shè)計(jì)了帶阻濾波器,消除條帶噪聲,通過(guò)灰度分段線性變換對(duì)圖像進(jìn)行增強(qiáng),提升了玻璃缺陷與背景鄰域的對(duì)比度。針對(duì)傳統(tǒng)分類方法中人為提取圖像特征存在的通用性較差的問(wèn)題,本文使用基于卷積神經(jīng)網(wǎng)絡(luò)的玻璃缺陷識(shí)別方法,在分析深度學(xué)習(xí)理論的基礎(chǔ)上,使用幾何變換的方法對(duì)玻璃缺陷圖像庫(kù)進(jìn)行擴(kuò)充,以反復(fù)試驗(yàn)的方式確定了適用于玻璃缺陷識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并完成了玻璃缺陷的識(shí)別分類工作。針對(duì)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中,卷積核先隨機(jī)初始化后訓(xùn)練而帶來(lái)大量時(shí)間消耗,造成網(wǎng)絡(luò)效率低下的問(wèn)題,采用有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)相結(jié)合的方法,提出了一種集成學(xué)習(xí)方法。該方法利用改進(jìn)稀疏系數(shù)的稀疏自編碼器學(xué)習(xí)圖... 

【文章來(lái)源】：中北大學(xué)山西省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

典型玻璃缺陷圖像

波的條帶噪聲去除像處理中常用的濾波方法之一，其基結(jié)構(gòu)元素對(duì)圖像像素點(diǎn)進(jìn)行相應(yīng)操作示為膨脹操作，式 2.7 為腐蝕操作。 f ( x , y ), B ]max f ( x x , y y ) B ( x ,é ￠= - - ￠ + ￠ ê f ( x , y ), B ]min f ( x x , y y ) B ( x é ￠= + + ￠ - ￠ ê 處理后的灰度值， f ( x ,y )為原始灰度值結(jié)合可以組成數(shù)學(xué)形態(tài)學(xué)濾波中的另圖 2.6 直方圖匹配去除條帶噪聲

形態(tài)學(xué)平均濾波去除條帶噪聲

【參考文獻(xiàn)】：
期刊論文
[1]基于迭代直方圖均衡化的常規(guī)光源下水下成像增強(qiáng)算法[J]. 王永鑫,刁鳴,韓闖.  光子學(xué)報(bào). 2018(11)
[2]基于深度學(xué)習(xí)的木材缺陷圖像檢測(cè)方法[J]. 程玉柱,顧權(quán),王眾輝,李趙春.  林業(yè)機(jī)械與木工設(shè)備. 2018(08)
[3]結(jié)合直方圖均衡化和暗通道先驗(yàn)的去霧算法[J]. 張寶山,楊燕,陳高科,周杰.  傳感器與微系統(tǒng). 2018(03)
[4]海面目標(biāo)的紅外景象增強(qiáng)技術(shù)研究[J]. 丁暢,董麗麗,許文海.  光學(xué)學(xué)報(bào). 2018(06)
[5]部分補(bǔ)償數(shù)字莫爾移相干涉的回程誤差消除[J]. 張麗瓊,王劭溥,胡搖,郝群.  紅外與激光工程. 2018(01)
[6]基于引導(dǎo)濾波的紅外圖像條紋噪聲去除方法[J]. 張盛偉,向偉,趙耀宏.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(08)
[7]基于深度學(xué)習(xí)特征的鑄件缺陷射線圖像動(dòng)態(tài)檢測(cè)方法[J]. 余永維,杜柳青,閆哲,許賀作.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(07)
[8]結(jié)合視覺(jué)特性與灰度拉伸的直方圖均衡化紅外圖像算法[J]. 萬(wàn)智萍.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(03)
[9]玻璃缺陷識(shí)別算法研究[J]. 吳丹.  現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化. 2015(02)
[10]灰度拉伸Retinex在大動(dòng)態(tài)范圍煙霧圖像增強(qiáng)中的應(yīng)用[J]. 陳志斌,張超,宋巖,劉先紅.  紅外與激光工程. 2014(09)

博士論文
[1]自適應(yīng)圖像實(shí)時(shí)增強(qiáng)算法的技術(shù)研究[D]. 李賡飛.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2017

碩士論文
[1]基于深度模型的手機(jī)屏幕缺陷檢測(cè)和分類算法研究[D]. 沈紅佳.浙江大學(xué) 2018
[2]基于深度學(xué)習(xí)的玻璃缺陷識(shí)別方法研究[D]. 甕佳良.中北大學(xué) 2017
[3]基于遷移學(xué)習(xí)的TFT-LCD缺陷智能識(shí)別系統(tǒng)研制與應(yīng)用[D]. 江偉軒.華中科技大學(xué) 2016
[4]灰度圖像的直方圖均衡化處理研究[D]. 陳永亮.安徽大學(xué) 2014



本文編號(hào)：3574863