熱軋帶鋼被廣泛應(yīng)用于汽車制造、船舶工業(yè)和化工等行業(yè),其表面質(zhì)量直接影響產(chǎn)品質(zhì)量。由于熱軋?jiān)O(shè)備、工藝流程等原因,帶鋼表面往往會(huì)出現(xiàn)裂紋、夾雜、斑塊、麻點(diǎn)、壓入氧化皮、劃傷等缺陷。這些缺陷不但影響產(chǎn)品外觀,還極易導(dǎo)致零件破裂和銹蝕,大大降低了帶鋼的強(qiáng)度、使用壽命,所以對帶鋼表面缺陷進(jìn)行研究,識(shí)別帶鋼缺陷種類,具有重要意義。本文基于機(jī)器視覺對熱軋帶鋼表面缺陷進(jìn)行了圖像預(yù)處理、圖像特征提取、特征數(shù)據(jù)處理和圖像分類算法研究。對于缺陷圖像的預(yù)處理過程,主要利用評價(jià)參數(shù)對多種預(yù)處理算法進(jìn)行選擇:采用“峰值信噪比”參數(shù)選擇圖像濾波算法;采用“平均梯度”參數(shù)選擇圖像增強(qiáng)算法;采用“均像素精度”和“均交并比”參數(shù)選擇圖像分割算法,從而確定出適合熱軋帶鋼表面缺陷圖像的預(yù)處理算法流程,提高了后續(xù)缺陷圖像特征提取數(shù)據(jù)的準(zhǔn)確性。針對傳統(tǒng)方法中直接在圖像域或頻率域提取特征存在的問題,提出首先采用二維離散小波變換將預(yù)處理后的帶鋼表面缺陷圖像分解為不同子帶,然后通過“信息熵”參數(shù)確定圖像的低頻子帶含有最多圖像分類信息,因此基于缺陷圖像低頻子帶分別提取出缺陷圖像的紋理特征、矩特征和投影特征,并對特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理及重... 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究意義
    1.2 基于機(jī)器視覺的帶鋼表面缺陷檢測研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 帶鋼表面常見缺陷
    1.4 本文主要研究內(nèi)容
第2章 帶鋼表面缺陷圖像預(yù)處理
    2.1 圖像濾波
        2.1.1 中值濾波
        2.1.2 均值濾波
        2.1.3 均值偏移濾波
        2.1.4 高斯濾波
        2.1.5 雙邊濾波
        2.1.6 圖像濾波評價(jià)
    2.2 圖像增強(qiáng)
        2.2.1 拉普拉斯增強(qiáng)
        2.2.2 直方圖均衡增強(qiáng)
        2.2.3 伽馬增強(qiáng)
        2.2.4 對數(shù)增強(qiáng)
        2.2.5 圖像增強(qiáng)評價(jià)
    2.3 圖像分割
        2.3.1 Roberts算法
        2.3.2 LoG算法
        2.3.3 Sobel算法
        2.3.4 Canny算法
        2.3.5 Prewitt算法
        2.3.6 圖像分割評價(jià)
    2.4 本章小結(jié)
第3章 帶鋼表面缺陷特征提取及特征數(shù)據(jù)處理
    3.1 小波變換
    3.2 特征提取
        3.2.1 矩特征
        3.2.2 紋理特征
        3.2.3 投影特征
    3.3 特征數(shù)據(jù)標(biāo)準(zhǔn)化處理
    3.4 特征重要性分析
    3.5 本章小結(jié)
第4章 帶鋼表面缺陷圖像分類算法
    4.1 支持向量機(jī)算法
    4.2 多特征融合的集成分類算法
        4.2.1 加權(quán)投票法
        4.2.2 基分類器
    4.3 本章小結(jié)
第5章 實(shí)驗(yàn)及分析
    5.1 實(shí)驗(yàn)對象及實(shí)驗(yàn)條件
    5.2 實(shí)驗(yàn)及分析
    5.3 本章小結(jié)
第6章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
在學(xué)期間主要科研成果
    一、發(fā)表學(xué)術(shù)論文
    二、其它科研成果


【參考文獻(xiàn)】：
期刊論文
[1]一種面向不平衡分類的改進(jìn)多決策樹算法[J]. 段化娟,尉永清,劉培玉,周鵬.  廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(02)
[2]基于支持向量機(jī)和邏輯回歸的半監(jiān)督空譜加權(quán)的高光譜圖像分類（英文）[J]. 趙春暉,高冰,趙晨.  黑龍江大學(xué)工程學(xué)報(bào). 2019(04)
[3]融合多特征與隨機(jī)森林的紋理圖像分類方法[J]. 陳靜,張艷新,姜媛媛.  傳感器與微系統(tǒng). 2019(12)
[4]基于傅里葉變換的隨機(jī)紋理瓷磚的高精度表面缺陷檢測[J]. 段春梅,張濤川.  計(jì)算機(jī)測量與控制. 2019(10)
[5]快速傅里葉變換結(jié)合SVM算法識(shí)別地表玉米秸稈覆蓋率[J]. 李佳,呂程序,苑嚴(yán)偉,李亞碩,偉利國,秦秋生.  農(nóng)業(yè)工程學(xué)報(bào). 2019(20)
[6]Sobel算子在氣膜孔圖像清晰度評價(jià)過程中的研究[J]. 劉孟晨,龐長濤,郝雪.  機(jī)械科學(xué)與技術(shù). 2020(07)
[7]平穩(wěn)小波去噪算法中的參數(shù)選擇[J]. 張恒,潘仲明.  國防科技大學(xué)學(xué)報(bào). 2019(04)
[8]基于多粒度級聯(lián)多層梯度提升樹的選票手寫字符識(shí)別算法[J]. 徐英杰,李國勇,洪文煥.  計(jì)算機(jī)應(yīng)用. 2019(S1)
[9]基于可見光譜和支持向量機(jī)的黃瓜葉部病害識(shí)別方法研究[J]. 李鑫星,朱晨光,白雪冰,毛富煥,傅澤田,張領(lǐng)先.  光譜學(xué)與光譜分析. 2019(07)
[10]鋼板表面缺陷在線視覺檢測系統(tǒng)[J]. 張翔宇,王燕霜,張仕海.  機(jī)床與液壓. 2019(04)

碩士論文
[1]基于機(jī)器視覺的鋼板表面缺陷識(shí)別研究[D]. 胡聯(lián)亭.武漢科技大學(xué) 2018
[2]小波變換去除面波的方法研究[D]. 李媛媛.長安大學(xué) 2004



本文編號：3658184