本文關鍵詞：中碳鋼鑄坯角部橫裂紋預測方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：鋼鐵產(chǎn)業(yè)經(jīng)歷了多年的快速發(fā)展,鋼坯生產(chǎn)技術同樣取得了巨大的進步與提升。由于連鑄坯在生產(chǎn)過程中受到連鑄機拉速、保護渣性能、鋼液成分、振動方法等因素的影響,導致鋼坯表面質(zhì)量仍受缺陷的影響,表面缺陷的存在對后續(xù)鑄坯的加工處理及產(chǎn)品的質(zhì)量造成巨大的影響。目前,許多國內(nèi)外的鋼鐵企業(yè)仍然采用傳統(tǒng)的人工檢測方法。這種傳統(tǒng)檢測方法對人的要素較為敏感,在檢測中已受到人為因素影響產(chǎn)生失誤,進而降低鑄坯水平,成品合格率降低,最終對產(chǎn)品質(zhì)量造成影響。已有的基于圖像鋼鑄坯質(zhì)量檢測方法主要利用智能算法進行識別判斷,在識別過程中會受到算法復雜程度的限制,將會降低識別效率。因此,避免鋼坯表面缺陷的產(chǎn)生,對提高生產(chǎn)的效率以及生成產(chǎn)品的質(zhì)量是及其重要的。尤其對鋼坯表面橫裂紋進行實時檢測預報也是目前各大鋼鐵企業(yè)面臨解決的重要問題。通過分析連鑄坯生產(chǎn)過程的工藝條件和周圍環(huán)境的影響,將紅外熱像儀安置在結晶器的出口處,對鑄坯表面熱圖像進行采集,通過對圖像進行分析運算和分類處理達到預報檢測的目的。首先,采集熱圖像利用灰度級的修正法修正熱圖像灰度值,降低灰度兩端區(qū)域噪聲影響,提高圖像的對比度。其次采用均值濾波法對熱圖像進行平滑處理,降低了熱圖像受噪聲的影響,保留特征圖像裂紋缺陷的細節(jié)信息,達到增強低頻分量并抑制高頻分量的目的。采用幾種邊緣檢測算子對圖像角部裂紋進行邊緣檢測和圖像分割,選用Gauss-Laplace檢測算子對鑄坯表面橫裂紋圖像識別檢測。通過區(qū)域標記法計算出裂紋的長度、周長、面積等特征信息,最后根據(jù)已制定好的連鑄生產(chǎn)工藝要求判斷裂紋缺陷的生成情況。結果采用紅外熱像技術對鋼坯表面質(zhì)量檢測的識別準確率效果明顯,在鋼坯表面質(zhì)量實時檢測系統(tǒng)中得到很好的應用。
【關鍵詞】：連鑄坯 紅外熱像儀 特征圖像 邊緣檢測 區(qū)域標記法
【學位授予單位】：華北理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TF777;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 引言8-9
• 第1章 緒論9-17
• 1.1 論文研究背景及意義9-10
• 1.2 鋼鑄坯表面缺陷現(xiàn)狀10
• 1.3 國內(nèi)外鋼坯表面缺陷檢測技術的研究現(xiàn)狀10-12
• 1.4 常見連鑄板坯表面檢測方法的對比分析12-15
• 1.5 基于紅外熱圖像鑄坯表面角部橫裂紋檢測方法的提出15-16
• 1.6 論文整體組織構架16-17
• 第2章 紅外熱成像系統(tǒng)原理及系統(tǒng)的總體結構17-26
• 2.1 紅外輻射原理17-19
• 2.1.1 普朗克輻射規(guī)律17-18
• 2.1.2 維恩位移定律18-19
• 2.2 灰體的紅外輻射19-20
• 2.3 紅外成像系統(tǒng)20-22
• 2.3.1 紅外熱像儀的成像性能20-21
• 2.3.2 紅外熱像儀的成像原理21-22
• 2.3.3 紅外熱像技術的特點22
• 2.4 模式識別基礎理論22-23
• 2.5 紅外成像系統(tǒng)總體結構23-24
• 2.6 利用冷激勵裝置產(chǎn)生溫度差24-26
• 第3章 鋼坯表面裂紋缺陷26-34
• 3.1 裂紋產(chǎn)生的原因26-27
• 3.2 裂紋產(chǎn)生的機理27-28
• 3.3 連鑄工藝對連鑄坯質(zhì)量的影響28-31
• 3.3.1 鋼水化學成分對連鑄坯質(zhì)量的影響28-29
• 3.3.2 鋼水溫度對連鑄坯質(zhì)量的影響29-30
• 3.3.3 保護渣對連鑄坯質(zhì)量的影響30
• 3.3.4 結晶器冷卻對連鑄坯質(zhì)量的影響30-31
• 3.3.5 二冷強度對連鑄坯質(zhì)量的影響31
• 3.3.6 拉坯速度對連鑄坯質(zhì)量的影響31
• 3.4 鋼坯裂紋實時檢測系統(tǒng)31-34
• 第4章 鋼坯表面裂紋缺陷提取34-47
• 4.1 紅外熱圖像預處理的思想及方法34-35
• 4.2 紅外圖像預處理過程35-36
• 4.3 紅外圖像對比度增強36-40
• 4.3.1 直方圖的修正36-39
• 4.3.2 均值濾波法39-40
• 4.4 鋼坯裂紋邊緣搜索40-47
• 4.4.1 二值化原理41
• 4.4.2 圖像邊緣檢測41-47
• 第5章 鋼坯表面質(zhì)量預測系統(tǒng)的實現(xiàn)47-57
• 5.1 系統(tǒng)軟件介紹與使用47-48
• 5.1.1 Visual Basic系統(tǒng)開發(fā)軟件47-48
• 5.1.2 HALCON圖像處理軟件48
• 5.2 預測系統(tǒng)的軟件工作流程48-50
• 5.3 預測系統(tǒng)的實現(xiàn)及參數(shù)確定50-57
• 5.3.1 鋼坯裂紋特征值的計算50-55
• 5.3.2 預測系統(tǒng)工藝參數(shù)的設定55
• 5.3.3 預測系統(tǒng)應用的主要函數(shù)55-57
• 結論57-58
• 參考文獻58-61
• 致謝61-62
• 導師簡介62-63
• 作者簡介63-64
• 學位論文數(shù)據(jù)集64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳靜進;陳巍;;基于多尺度提升小波的邊緣檢測[J];重慶科技學院學報(自然科學版);2009年01期

2 楊述斌;陳艷菲;程莉;;交替濾波的加權形態(tài)邊緣檢測算法[J];武漢工程大學學報;2009年07期

3 曹珩;楊述斌;羅帆;賀璽;;多尺度全方位復合廣義形態(tài)邊緣檢測的算法[J];武漢工程大學學報;2010年09期

4 劉井元;李玉良;張傳鍇;;邊緣檢測在機車監(jiān)控系統(tǒng)中的應用[J];煤礦機電;2012年03期

5 傅曉薇,方康玲,李曦;一種改進的快速模糊邊緣檢測算法[J];武漢科技大學學報(自然科學版);2002年01期

6 袁濤;張愛琳;;圖像的邊緣檢測算法實現(xiàn)[J];包鋼科技;2006年06期

7 侯艷;路邁西;張少波;;用不同圖像邊緣檢測算法識別粉煤灰等顆粒物[J];潔凈煤技術;2008年06期

8 張慧;張聰;;大米粒形邊緣檢測算法研究[J];糧油食品科技;2008年04期

9 周林妹;;數(shù)字圖像邊緣檢測算法及其在農(nóng)產(chǎn)品加工中的應用[J];食品與機械;2009年03期

10 李海華;萬亮亮;;基于六邊形結構邊緣檢測算法的研究[J];湖南科技大學學報(自然科學版);2010年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動化學術會議論文集（下冊）[C];1998年

2 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實現(xiàn)[A];走近CIE 26th——中國照明學會（2005）學術年會論文集[C];2005年

3 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

4 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術發(fā)展現(xiàn)狀及其在零件識別中的應用綜述[A];第三屆數(shù)控機床與自動化技術專家論壇論文集[C];2012年

5 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 葉樂軍;王強;;基于自適應邊緣檢測的大空間火災目標監(jiān)測技術[A];中國職業(yè)安全健康協(xié)會2007年學術年會論文集[C];2007年

7 沈亮;潘德爐;王迪峰;;機載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅰ）[C];2008年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學技術與吉林經(jīng)濟發(fā)展——機遇·挑戰(zhàn)·責任”吉林省第二屆科學技術學術年會論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會議論文集[C];2013年

10 王海嵐;樊紹勝;;一種改進的模糊形態(tài)學邊緣檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 鳴人;Photoshop CS5:三大功能再進化[N];中國攝影報;2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 磨少清;邊緣檢測及其評價方法的研究[D];天津大學;2011年

2 董鴻燕;邊緣檢測的若干技術研究[D];國防科學技術大學;2008年

3 王媛妮;順序形態(tài)邊緣檢測及分水嶺圖像分割研究[D];武漢大學;2010年

4 遲健男;圖像形態(tài)學和小波分析在圖像增強與邊緣檢測中的應用[D];東北大學;2005年

5 李杏梅;Contourlet變換在圖像去噪與邊緣檢測中的應用研究[D];華中科技大學;2011年

6 丁興號;基于小波分析的視覺檢測技術研究[D];合肥工業(yè)大學;2003年

7 閆海霞;基于數(shù)學形態(tài)學的圖像邊緣檢測和增強算法的研究[D];吉林大學;2009年

8 謝松法;模式特征的提取與應用研究[D];華中科技大學;2007年

9 吳慶崗;復雜背景輸電線圖像中部件邊緣提取算法研究[D];大連海事大學;2012年

10 Ali Abdullah Yahya;[D];合肥工業(yè)大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 林江;基于邊緣檢測和馬爾可夫隨機場的AD癥腦MRI分割方法研究[D];西南交通大學;2015年

2 呂威駿;基于分數(shù)階傅里葉變換和多尺度跟蹤的邊緣檢測算法[D];鄭州大學;2015年

3 亓曉彤;基于攝影測量的板類件孔位檢測方法研究[D];中國地質(zhì)大學(北京);2015年

4 孫浩軒;基于Matlab的電力線實時檢測的算法研究[D];中國海洋大學;2015年

5 付偉;紙張折痕恢復性能測試儀的研究[D];中國海洋大學;2014年

6 楊豐駿;基于改進蟻群算法的圖像邊緣檢測[D];太原理工大學;2016年

7 郭爽;電力線檢測的算法研究[D];中國海洋大學;2015年

8 聶愷;復雜天氣條件下的太陽質(zhì)心位置檢測方法研究[D];太原科技大學;2015年

9 仝海峰;基于FPGA的視頻圖像邊緣檢測優(yōu)化設計[D];安徽理工大學;2016年

10 徐曉瑩;基于灰色關聯(lián)度和紋理分析邊緣檢測算法的研究[D];東北石油大學;2010年

  本文關鍵詞：中碳鋼鑄坯角部橫裂紋預測方法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：299234