由于冷軋生產(chǎn)中帶鋼的材料規(guī)格、生產(chǎn)設(shè)備、軋制工藝等諸多因素,會使板帶材表面產(chǎn)生不同種類的缺陷,影響了實(shí)用性和美觀性。本文對板帶材表面缺陷檢測系統(tǒng)進(jìn)行了設(shè)計,建立了板帶材表面缺陷圖像庫,改進(jìn)了卷積神經(jīng)網(wǎng)絡(luò)算法,并利用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)對缺陷圖像庫進(jìn)行訓(xùn)練和測試。首先,針對板帶材表面缺陷檢測裝置的圖像采集和傳輸問題,分別從硬件和軟件兩方面進(jìn)行研究。硬件結(jié)構(gòu)設(shè)計中,對系統(tǒng)中光源、照明方式和圖像傳感器進(jìn)行了深入探討;研究了FPGA處理器和存儲部件SDRAM、以太網(wǎng)DM9000A等外設(shè)的選取和電路連接問題,并在FPGA上建立Nios系統(tǒng)。軟件設(shè)計中,在FPGA內(nèi)利用I2C總線對CMOS傳感器MT9M034的相關(guān)寄存器進(jìn)行配置,編寫了MT9M034采集程序和DM9000A IP核;在Nios中引入μC/OS-II實(shí)時操作系統(tǒng)和Lwip協(xié)議,完成了系統(tǒng)采集和傳輸部分的軟件設(shè)計。其次,針對采集缺陷圖像過程中產(chǎn)生的噪聲問題,分析了噪聲類型和常見濾波方式,設(shè)計了基于FPGA的快速中值濾波,實(shí)現(xiàn)缺陷圖像的快速中值濾波。針對網(wǎng)絡(luò)訓(xùn)練中缺少訓(xùn)練樣本問題,利用系統(tǒng)的圖像采集模塊采集了7類板帶材表面缺陷圖像,對圖像進(jìn)行人工擴(kuò)展,建立了板帶材表面缺陷圖像庫。最后,傳統(tǒng)板帶材表面缺陷檢測過程中,需要手動提取缺陷特征,過程復(fù)雜。針對這一問題,提出了基于卷積神經(jīng)網(wǎng)絡(luò)的檢測方法,并在板帶材表面缺陷圖像庫上進(jìn)行測試,得到6.86%的誤識率。卷積神經(jīng)網(wǎng)絡(luò)在圖像庫識別率不高是因?yàn)樘卣魈崛〔粔?因此本文在網(wǎng)絡(luò)中加入Gabor卷積核,提出了基于Gabor核的深度卷積神經(jīng)網(wǎng)絡(luò)。利用網(wǎng)絡(luò)在板帶材表面缺陷圖像庫上進(jìn)行訓(xùn)練和測試,獲得0.28%的較低誤識率。
【學(xué)位單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;TG115.28
【部分圖文】：

第 2 章 板帶材表面缺陷檢測系統(tǒng)整體設(shè)計第 2 章 板帶材表面缺陷檢測系統(tǒng)整體設(shè)計文研究所涉及的缺陷帶材在冷軋過程中，由于材料規(guī)格、生產(chǎn)設(shè)備、軋制工藝等諸多影響表面產(chǎn)生的缺陷種類繁多，包括劃痕、翹皮、結(jié)疤、氧化、硌痕、邊酸洗等 50 余種缺陷類型。這些缺陷根據(jù)其產(chǎn)生機(jī)理可將其分為材質(zhì)缺、損傷缺陷以及工藝缺陷等類型[49]，根據(jù)其外觀特征可以將其分為點(diǎn)以及面缺陷等類型。于對所有的缺陷類型進(jìn)行研究工作量太大，所以本文以其中的劃痕、氧化、黑線、油漬、黑點(diǎn)等 7 類常見缺陷為研究對象，缺陷圖像如圖 2-

MT9M034的RTL圖

第 2 章 板帶材表面缺陷檢測系統(tǒng)整體設(shè)計寄存器 RCR 為 0x8F 使能數(shù)據(jù)接收功能。，將 Lwip 協(xié)議在 μC/OS-II 操作系統(tǒng)中創(chuàng)建任務(wù)堆棧，其中包括，DHCP 任務(wù)等，為 Lwip 中創(chuàng)建的各個任務(wù)分配好中斷優(yōu)先級。9000A 接收中斷請求時，進(jìn)入任務(wù)中執(zhí)行 Lwip 的相關(guān)線程，完成像的以太網(wǎng)傳輸，采集的板帶材表面缺陷圖像如圖 2-16 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王曉鵬;;基于FPGA和SOPC以太網(wǎng)通信系統(tǒng)解決方案[J];數(shù)字技術(shù)與應(yīng)用;2015年12期

2 陳功;苗瑞;張潔;;基于GA-SVM的帶鋼表面缺陷模式識別[J];電子設(shè)計工程;2015年21期

3 胡正平;陳俊嶺;王蒙;趙淑歡;;卷積神經(jīng)網(wǎng)絡(luò)分類模型在模式識別中的新進(jìn)展[J];燕山大學(xué)學(xué)報;2015年04期

4 余慧敏;馬續(xù)創(chuàng);;國內(nèi)外板帶材表面質(zhì)量檢測方法研究進(jìn)展[J];重型機(jī)械;2014年05期

5 仲兆準(zhǔn);謝光偉;鐘勝奎;張運(yùn)詩;沈峰;;帶鋼表面缺陷在線檢測系統(tǒng)的設(shè)計[J];北京工業(yè)大學(xué)學(xué)報;2014年07期

6 李永波;李柏林;熊鷹;;基于HOG特征的鐵路扣件狀態(tài)檢測[J];傳感器與微系統(tǒng);2013年10期

7 楊水山;何永輝;王康健;;高速冷連軋帶鋼表面質(zhì)量在線檢測系統(tǒng)開發(fā)與應(yīng)用[J];世界鋼鐵;2013年03期

8 徐姍姍;劉應(yīng)安;徐f;;基于卷積神經(jīng)網(wǎng)絡(luò)的木材缺陷識別[J];山東大學(xué)學(xué)報(工學(xué)版);2013年02期

9 任海鵬;馬展峰;;基于復(fù)雜網(wǎng)絡(luò)特性的帶鋼表面缺陷識別[J];自動化學(xué)報;2011年11期

10 徐鳳云;;神經(jīng)網(wǎng)絡(luò)決策樹算法在鋼材表面缺陷檢測中的應(yīng)用研究[J];西昌學(xué)院學(xué)報(自然科學(xué)版);2011年02期

相關(guān)博士學(xué)位論文 前1條

1 楊水山;冷軋帶鋼表面缺陷機(jī)器視覺自動檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前7條

1 房敏;鋼板表面缺陷圖像檢測與分類技術(shù)研究[D];大連海事大學(xué);2017年

2 許豪;基于機(jī)器視覺的帶鋼表面缺陷圖像處理與識別[D];武漢科技大學(xué);2012年

3 秦振興;冷軋鋼板表面質(zhì)量在線監(jiān)測系統(tǒng)研究[D];遼寧科技大學(xué);2012年

4 石軍彥;基于線陣CCD鋼板表面缺陷檢測系統(tǒng)的研究[D];燕山大學(xué);2010年

5 郭平;基于機(jī)器視覺的鋼板表面缺陷檢測技術(shù)研究[D];南昌大學(xué);2010年

6 楊媛和;寬幅鋼板表面缺陷在線檢測技術(shù)研究[D];長春理工大學(xué);2010年

7 劉海博;基于機(jī)器視覺的鋼板表面缺陷檢測系統(tǒng)研究[D];吉林大學(xué);2008年

本文編號：2822829