鋼板是最重要的工業(yè)產(chǎn)品之一,被廣泛應(yīng)用在汽車、船舶等各領(lǐng)域。鋼板表面缺陷直接影響鋼板質(zhì)量,同時(shí)也影響著板材的使用壽命。因而對(duì)鋼板進(jìn)行表面缺陷檢測(cè)是鋼板生產(chǎn)中必不可少的程序。本文根據(jù)國(guó)內(nèi)某鋼廠的需求,針對(duì)其生產(chǎn)出的成品鋼板,提出了一套基于機(jī)器視覺的檢測(cè)系統(tǒng)設(shè)計(jì)方案。該系統(tǒng)主要由三個(gè)子系統(tǒng)組成,分別是照明系統(tǒng)、圖像采集系統(tǒng)和圖像處理系統(tǒng)。前兩個(gè)系統(tǒng)主要是硬件的選擇,最后一個(gè)系統(tǒng)主要是算法的設(shè)計(jì)。本文選擇了面形LED光源和明場(chǎng)與暗場(chǎng)相結(jié)合的照明方式,針對(duì)鋼板尺寸較大的情況,提出采用多個(gè)面陣式CMOS相機(jī)分別采集圖像,并進(jìn)行畸變校正和圖像拼接。對(duì)光照不均勻的圖像,采用基于亮度均衡的方法進(jìn)行校正;對(duì)于圖像的濾波去噪,采用具有保邊緣功能的雙邊濾波;對(duì)于缺陷圖像的分割,采用基于邊緣檢測(cè)的Canny算子和形態(tài)學(xué)處理相結(jié)合的方法。在分割出缺陷區(qū)域后,作出缺陷區(qū)域的最小外接矩形,通過(guò)最小外接矩形定位缺陷的位置。通過(guò)以上操作,即完成了對(duì)缺陷的檢測(cè)檢出。最后對(duì)缺陷區(qū)域進(jìn)行特征提取和分類,提取的特征包括幾何特征、灰度特征、Hu不變矩特征和基于灰度共生矩陣的紋理特征,采用支持向量機(jī)對(duì)缺陷圖像進(jìn)行分類,對(duì)已有樣本訓(xùn)...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 常見的鋼板表面缺陷種類
    1.4 論文主要研究?jī)?nèi)容與章節(jié)安排
2 鋼板表面缺陷檢測(cè)系統(tǒng)整體設(shè)計(jì)
    2.1 缺陷檢測(cè)系統(tǒng)設(shè)計(jì)
        2.1.1 照明系統(tǒng)
        2.1.2 圖像采集系統(tǒng)
    2.2 圖像處理算法流程
    2.3 本章小結(jié)
3 鋼板缺陷圖像采集系統(tǒng)中的相機(jī)標(biāo)定及圖像拼接
    3.1 相機(jī)標(biāo)定
        3.1.1 計(jì)算機(jī)坐標(biāo)系與成像平面坐標(biāo)系
        3.1.2 成像平面坐標(biāo)系與相機(jī)坐標(biāo)系
        3.1.3 相機(jī)坐標(biāo)系和世界坐標(biāo)系
        3.1.4 張氏標(biāo)定法
        3.1.5 畸變校正
    3.2 基于特征點(diǎn)匹配的圖像拼接
        3.2.1 圖像配準(zhǔn)
        3.2.2 圖像融合
    3.3 針對(duì)小重合區(qū)域的圖像拼接
    3.4 本章小結(jié)
4 鋼板表面缺陷圖像處理算法
    4.1 光照不均勻缺陷圖像的校正
        4.1.1 基于直方圖均衡化的亮度校正
        4.1.2 基于同態(tài)濾波的亮度校正
        4.1.3 基于亮度均衡的光照不均勻圖像校正方法
    4.2 圖像濾波去噪
        4.2.1 中值濾波
        4.2.2 均值濾波
        4.2.3 高斯濾波
        4.2.4 具有保邊緣的雙邊濾波
        4.2.5 四種濾波方法的主客觀對(duì)比
    4.3 缺陷圖像的分割
        4.3.1 基于閾值的缺陷圖像分割
        4.3.2 基于邊緣檢測(cè)的缺陷圖像分割
    4.4 圖像的形態(tài)學(xué)處理
        4.4.1 腐蝕和膨脹
        4.4.2 開運(yùn)算與閉運(yùn)算
        4.4.3 結(jié)合形態(tài)學(xué)處理的缺陷圖像邊緣檢測(cè)
    4.5 缺陷區(qū)域的定位
    4.6 本章小結(jié)
5 鋼板表面缺陷圖像的特征提取和識(shí)別分類
    5.1 缺陷特征提取和選擇
        5.1.1 幾何特征
        5.1.2 灰度特征
        5.1.3 不變矩特征
        5.1.4 紋理特征
    5.2 SVM分類器
    5.3 本章小結(jié)
6 總結(jié)與展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3818076