【摘要】：近幾年來(lái),在全世界范圍內(nèi)由于航空航天飛行器、汽車(chē)制造產(chǎn)業(yè)和高端電子產(chǎn)品的迅速發(fā)展,鋁板作為高科技產(chǎn)品的應(yīng)用材料與社會(huì)發(fā)展必需品,其市場(chǎng)前景廣闊。我國(guó)的鋁板加工產(chǎn)業(yè)迅速發(fā)展,鋁板生產(chǎn)產(chǎn)量保持不斷增長(zhǎng),進(jìn)出口貿(mào)易額連續(xù)多年一直增加。但是傳統(tǒng)鋁板加工產(chǎn)業(yè)正受到設(shè)備落后、生產(chǎn)科技化程度較低以及生產(chǎn)環(huán)境紛雜等因素的影響,鋁板生產(chǎn)出來(lái)后其表面會(huì)產(chǎn)生各種復(fù)雜缺陷,對(duì)用于航空航天飛行器、汽車(chē)制造產(chǎn)業(yè)和高端電子產(chǎn)品的鋁板來(lái)說(shuō),其表面復(fù)雜缺陷會(huì)給鋁板行業(yè)造成巨大損失,因此,如何準(zhǔn)確、高效地檢測(cè)識(shí)別鋁板復(fù)雜缺陷的問(wèn)題顯得尤為重要。為了實(shí)現(xiàn)在線高效率、高精度鋁板復(fù)雜缺陷檢測(cè),本文針對(duì)鋁板表面復(fù)雜缺陷識(shí)別分類(lèi)算法進(jìn)行研究。首先,說(shuō)明鋁板復(fù)雜缺陷系統(tǒng)的基本要求與基本原理,重點(diǎn)介紹系統(tǒng)基本架構(gòu);然后對(duì)缺陷圖像進(jìn)行預(yù)處理,預(yù)處理的過(guò)程就是對(duì)圖像進(jìn)行減背景處理和去除噪聲干擾,選用中值濾波方式來(lái)抑制鋁板缺陷圖像的噪聲,并用自適應(yīng)閾值分割算法分割鋁板缺陷圖像;接下來(lái)針對(duì)幾種常見(jiàn)鋁板目標(biāo)缺陷提取區(qū)域特征、輪廓特征、灰度特征,將提取的缺陷特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理;最后針對(duì)四種常見(jiàn)缺陷類(lèi)型,本研究通過(guò)構(gòu)建SVM分類(lèi)器進(jìn)行識(shí)別分類(lèi)測(cè)試,并對(duì)可能出現(xiàn)的新缺陷,給出一種新缺陷分類(lèi)機(jī)制,定義新缺陷類(lèi)型,并構(gòu)建新缺陷SVM子分類(lèi)器,最終將新缺陷模型添加到常見(jiàn)缺陷模型中,進(jìn)一步完善SVM分類(lèi)器。本文構(gòu)建的SVM分類(lèi)器對(duì)四種常見(jiàn)缺陷類(lèi)型識(shí)別分類(lèi)效果較為理想,而且,分析SVM分類(lèi)器的輸出結(jié)果還可以發(fā)現(xiàn)新缺陷,定義新缺陷類(lèi)型,并建立新缺陷模板。通過(guò)SVM分類(lèi)器與新缺陷人工分類(lèi)相結(jié)合的機(jī)制不僅提高了常見(jiàn)缺陷的識(shí)別效率,同時(shí)也能辨別出新的缺陷類(lèi)型,并將新缺陷建立模板更新到常見(jiàn)缺陷模板中。
【學(xué)位授予單位】：齊魯工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.41;TG146.21;TG115.28
【圖文】：

第 2 章 鋁板復(fù)雜缺陷檢測(cè)系統(tǒng)概述2.3 系統(tǒng)基本架構(gòu)鋁板表面缺陷在線檢測(cè)系統(tǒng)由硬件系統(tǒng)和軟件系統(tǒng)組成。硬件體統(tǒng)采用CCD 相機(jī)陣列和工控機(jī)陣列與明視場(chǎng)照明方式相結(jié)合的方法。軟件系統(tǒng)包括圖像處理、數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)分系模塊，經(jīng)過(guò)創(chuàng)建系統(tǒng)、枚舉相機(jī)、創(chuàng)建相機(jī)和創(chuàng)建圖像等步驟。采用先進(jìn)的缺陷表面特征提取圖像處理算法對(duì)鋁板表面特征圖像進(jìn)行分析與處理，并對(duì)采集到的鋁板表面的氣泡、油斑等復(fù)雜缺陷進(jìn)行分類(lèi)、標(biāo)記和統(tǒng)計(jì)。鋁板復(fù)雜缺陷檢測(cè)系統(tǒng)樣機(jī)實(shí)物圖、系統(tǒng)總體圖，分別如圖 2.1、圖 2.2 所示。系統(tǒng)包括：現(xiàn)場(chǎng)計(jì)算機(jī)、工控機(jī)處理器、線陣 CCD 相機(jī)、LED 光源、圖像采集與處理、圖像及測(cè)量參數(shù)顯示與控制[16]。

圖 2.2 鋁板復(fù)雜缺陷檢測(cè)系統(tǒng)總體圖梁上；相機(jī)安放在所述相機(jī)卡座上，通過(guò)相機(jī)固定點(diǎn)固定，鏡頭通過(guò)卡座上的鏡頭口同相機(jī)連接。鋁板復(fù)雜缺陷檢測(cè)系統(tǒng)架體結(jié)構(gòu)如圖 2.3 所示。

圖 2.2 鋁板復(fù)雜缺陷檢測(cè)系統(tǒng)總體圖梁上；相機(jī)安放在所述相機(jī)卡座上，通過(guò)相機(jī)固定點(diǎn)固定，鏡頭通過(guò)卡座上的鏡頭口同相機(jī)連接。鋁板復(fù)雜缺陷檢測(cè)系統(tǒng)架體結(jié)構(gòu)如圖 2.3 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李浩;何建農(nóng);;結(jié)合蟻群和自動(dòng)區(qū)域生長(zhǎng)的彩色圖像分割算法[J];微型機(jī)與應(yīng)用;2015年16期

2 魯可;石慶升;張曉東;;基于SVM的玻璃瓶缺陷分類(lèi)算法研究[J];機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新;2015年01期

3 侯青;李偉;任娜娜;劉玉娥;孫靜;;一種改進(jìn)的中草藥顯微圖像邊緣提取算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2014年08期

4 謝永華;陳慶為;;木材缺陷的閾值分割算法研究[J];森林工程;2014年02期

5 王健峰;張磊;陳國(guó)興;何學(xué)文;;基于改進(jìn)的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J];應(yīng)用科技;2012年03期

6 邵健萍;陳麗芳;;基于分裂合并法和Ncut法的圖像分割[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

7 張偉;;基于歸一化投影直方圖不變矩的圖像特征提取[J];計(jì)算機(jī)工程;2011年01期

8 劉莉;葉玉堂;謝煜;宋昀岑;蒲亮;張靜;陳鎮(zhèn)龍;;基于RBF網(wǎng)絡(luò)的光學(xué)字符提取與識(shí)別新方法[J];光電工程;2010年11期

9 張?zhí)l(fā);高朝陽(yáng);;數(shù)字圖像邊緣檢測(cè)方法的分析與研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年10期

10 肖剛;蕭今聲;;我國(guó)的鋁擠壓材與鋁擠壓機(jī)[J];輕合金加工技術(shù);2010年09期

本文編號(hào)：2790871