發(fā)布時間：2021-10-19 19:33

　　隨著中國經(jīng)濟的高速發(fā)展,人們對于高品質(zhì)熱鍍鋅板的需求不斷增加,然而表面缺陷會嚴重降低產(chǎn)品的品質(zhì),因此對熱鍍鋅板進行準確的表面缺陷檢測相當重要。當前熱鍍鋅板表面缺陷檢測仍以人工檢測為主,不僅效率低,而且漏檢率高,研究并開發(fā)高效的熱鍍鋅板表面缺陷檢測設(shè)備與系統(tǒng)已經(jīng)成為鋼鐵企業(yè)共同關(guān)注的一個焦點。本文提出設(shè)計實現(xiàn)熱鍍鋅板表面缺陷在線檢測系統(tǒng),旨在提高生產(chǎn)效率,提升產(chǎn)品品質(zhì)。首先,介紹了熱鍍鋅板表面缺陷檢測的相關(guān)背景、研究現(xiàn)狀、目的意義以及表面缺陷檢測原理,列舉了4種熱鍍鋅板表面常見的缺陷種類,并且根據(jù)某大型熱鍍鋅廠的檢測目標與技術(shù)要求,明確了系統(tǒng)需要達到的各項指標,對系統(tǒng)進行了總體設(shè)計規(guī)劃。其次,基于總體設(shè)計規(guī)劃方案,按照需要達到的各項具體指標,對硬件設(shè)備進行了逐一選型,包括工業(yè)相機、鏡頭、照明系統(tǒng)、工控機等設(shè)備。再次,設(shè)計了系統(tǒng)軟件部分的實現(xiàn)方案,圖像處理部分主要采用基于SSD（Single Shot MultiBox Detector）算法的目標檢測模型,考慮到熱鍍鋅板表面缺陷圖像的多樣性與復雜性,對最初的SSD算法進行適當?shù)母倪M,包括制作新的數(shù)據(jù)集,改用更高級的基網(wǎng)絡(luò)以及用預訓練好的模... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 熱鍍鋅板表面缺陷檢測技術(shù)的研究現(xiàn)狀
    1.3 深度學習目標檢測算法的發(fā)展過程
        1.3.1 基于區(qū)域候選的目標檢測算法
        1.3.2 基于回歸方法的目標檢測算法
    1.4 本文的研究目的和意義
    1.5 本文結(jié)構(gòu)和安排
2 熱鍍鋅板表面缺陷在線檢測系統(tǒng)的總體設(shè)計
    2.1 熱鍍鋅板表面缺陷檢測原理
    2.2 熱鍍鋅板表面缺陷主要類型
    2.3 系統(tǒng)目標與技術(shù)要求
    2.4 系統(tǒng)總體設(shè)計
    2.5 本章小結(jié)
3 熱鍍鋅板表面缺陷在線檢測系統(tǒng)的硬件設(shè)計
    3.1 工業(yè)相機及鏡頭選型
        3.1.1 相機的分類
        3.1.2 圖像傳感器
        3.1.3 相機選型
        3.1.4 鏡頭選型
    3.2 照明系統(tǒng)選型
        3.2.1 光源的分類
        3.2.2 光源選型
        3.2.3 照明方式
    3.3 其他硬件選型
        3.3.1 工控機選型
        3.3.2 GPU選型
        3.3.3 金屬架子設(shè)計
        3.3.4 PLC選型
    3.4 本章小結(jié)
4 熱鍍鋅板表面缺陷在線檢測系統(tǒng)的軟件設(shè)計
    4.1 SSD算法
        4.1.1 SSD簡介
        4.1.2 SSD在缺陷檢測應(yīng)用中的不足
    4.2 Inception網(wǎng)絡(luò)
        4.2.1 Inception v1
        4.2.2 Inception v2
        4.2.3 Inception v3
    4.3 SSD算法改進
    4.4 軟件實現(xiàn)
        4.4.1 圖像獲取與預處理
        4.4.2 數(shù)據(jù)庫數(shù)據(jù)存儲
        4.4.3 上位機軟件
    4.5 本章小結(jié)
5 實驗驗證與分析
    5.1 實驗過程
        5.1.1 現(xiàn)場安裝設(shè)備
        5.1.2 制作數(shù)據(jù)集
        5.1.3 訓練模型
    5.2 實驗結(jié)果
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
作者攻讀研究生期間發(fā)表的論文
參考文獻


【參考文獻】：
期刊論文
[1]用于內(nèi)河船舶目標檢測的單次多框檢測器算法[J]. 王言鵬,楊飏,姚遠.  哈爾濱工程大學學報. 2019(07)
[2]基于改進SSD的行人檢測方法[J]. 邢浩強,杜志岐,蘇波.  計算機工程. 2018(11)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的工件缺陷檢測研究[J]. 于科為.  信息與電腦(理論版). 2018(21)
[4]自然環(huán)境下多類水果采摘目標識別的通用改進SSD模型[J]. 彭紅星,黃博,邵園園,李澤森,張朝武,陳燕,熊俊濤.  農(nóng)業(yè)工程學報. 2018(16)
[5]基于深度學習物體檢測的視覺跟蹤方法[J]. 唐聰,凌永順,楊華,楊星,鄭超.  紅外與激光工程. 2018(05)
[6]基于深度學習SSD模型的視頻室內(nèi)人數(shù)統(tǒng)計[J]. 鄭國書,朱秋煜,王輝.  工業(yè)控制計算機. 2017(11)
[7]基于深度學習的目標檢測算法綜述[J]. 周曉彥,王珂,李凌燕.  電子測量技術(shù). 2017(11)
[8]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[9]幾種常見光源的發(fā)光機制[J]. 張昊東.  電子技術(shù)與軟件工程. 2017(01)
[10]管道漏磁檢測探頭的設(shè)計思路[J]. 趙蘭斌.  裝備制造技術(shù). 2013(12)

博士論文
[1]引入人類視覺特性的帶鋼表面缺陷檢測與識別方法研究[D]. 叢家慧.東北大學 2010
[2]鋼板表面缺陷檢測技術(shù)的研究[D]. 程萬勝.哈爾濱工業(yè)大學 2008

碩士論文
[1]基于Faster R-CNN的工業(yè)CT圖像缺陷檢測研究[D]. 常海濤.蘭州交通大學 2018
[2]無人機運動目標實時檢測識別算法研究[D]. 黃卓.哈爾濱工業(yè)大學 2018
[3]基于深度學習的移動端圖像識別算法[D]. 黃萱昆.北京郵電大學 2018
[4]基于機器視覺的陶瓷基板圖像缺陷檢測研究[D]. 魏洪修.山東大學 2016
[5]鑄坯表面缺陷圖像檢測方法研究[D]. 鄭嶸.上海交通大學 2013
[6]基于數(shù)字圖像處理的鍍鋅板表面缺陷邊緣檢測算法研究[D]. 劉佳.遼寧科技大學 2012
[7]基于機器視覺的鋼板表面缺陷檢測技術(shù)研究[D]. 郭平.南昌大學 2010
[8]基于機器視覺的帶鋼表面缺陷檢測算法研究[D]. 陳平.西安理工大學 2010
[9]工業(yè)零件形狀尺寸的機器視覺檢測系統(tǒng)的研究[D]. 劉霞.哈爾濱理工大學 2009
[10]帶鋼表面缺陷智能化辨識方法的研究[D]. 劉江春.西安理工大學 2004



本文編號：3445481