隨著機器視覺技術(shù)的發(fā)展,基于圖像的檢測技術(shù)不斷用到工業(yè)生產(chǎn)中,近些年來由于薄鋼板零部件的加工量大大增加,基于圖像的鋼板表面缺陷檢測研究成為了眾多領(lǐng)域研究的熱點,由于鋼板表面的缺陷種類繁多,傳統(tǒng)檢測技術(shù)已經(jīng)不能滿足人們對其準(zhǔn)確性與高效性的需求。傳統(tǒng)的檢測方法的準(zhǔn)確性和其較低的效率已經(jīng)不能使人們和社會得到滿足�；跈C器視覺的表面缺陷檢測方法的特點是準(zhǔn)確率高,處理速度較快,能夠智能處理,是表面缺陷檢測的一大趨勢。本文以在線薄鋼板的表面缺陷為研究對象,運用傳統(tǒng)機器視覺檢測方法,研究設(shè)計了在線薄鋼板的表面缺陷檢測系統(tǒng),主要開展以下工作:（1）針對傳統(tǒng)的中值濾波和高斯濾波算法在濾除高斯噪聲和椒鹽噪聲時保留圖像邊緣細(xì)節(jié)不足的問題,提出了一種基于偏微分中值濾波算法,然后為了增加鋼板圖像中缺陷目標(biāo)和背景的對比度,對鋼板圖像進行了圖像增強,通過對直方圖均衡化和分段自適應(yīng)伽馬函數(shù)轉(zhuǎn)換圖像增強算法做對比,選擇了分段自適應(yīng)伽馬轉(zhuǎn)換函數(shù)對鋼板缺陷圖象進行圖像增強。（2）通過實驗驗證表明傳統(tǒng)的邊緣檢測和閾值分割技術(shù)無法對鋼板表面缺陷特征進行很好的分割,最后提出了基于像元搜索改進的閾值分割算法,結(jié)果發(fā)現(xiàn)該算法完美的解... 

【文章來源】：沈陽理工大學(xué)遼寧省

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

薄鋼板圖

沈陽理工大學(xué)碩士學(xué)位論文-6-噪聲的概率密度函數(shù)見式（2-1）。2()/21()2zzPze(2-1)式中：表示均值，表示方差，p(z)表示概率密度。為了加大和其它濾波去除高斯噪聲的區(qū)分度，本文對灰度圖增加了一些高斯噪聲，增加高斯噪聲的效果圖如圖2.2所示：(a)無缺陷圖(b)擦花圖(c)碰凸圖(d)粘結(jié)圖圖2.2薄鋼板添加高斯噪聲效果圖Fig.2.2EffectofaddingGaussiannoisetothinsteelplate椒鹽噪聲是隨機呈現(xiàn)的白點和黑點，是無法被確定的。在圖像當(dāng)中椒鹽噪聲的呈現(xiàn)形式也是隨機且無法避免的，可能在圖像的最亮部分出現(xiàn)黑點，也可能在暗的地方出現(xiàn)白點，也可能二者都會出現(xiàn)[24]。為了加大和其它濾波去除椒鹽噪聲的區(qū)分度，本文對灰度圖增加一些椒鹽噪聲，增加椒鹽噪聲的效果圖如圖2.3所示：(a)無缺陷圖(b)擦花圖(c)碰凸圖(d)粘結(jié)圖圖2.3薄鋼板添加15%濃度椒鹽噪聲效果圖Fig.2.3Effectof15%concentrationsaltandpeppernoiseonsheetsteel

沈陽理工大學(xué)碩士學(xué)位論文-6-噪聲的概率密度函數(shù)見式（2-1）。2()/21()2zzPze(2-1)式中：表示均值，表示方差，p(z)表示概率密度。為了加大和其它濾波去除高斯噪聲的區(qū)分度，本文對灰度圖增加了一些高斯噪聲，增加高斯噪聲的效果圖如圖2.2所示：(a)無缺陷圖(b)擦花圖(c)碰凸圖(d)粘結(jié)圖圖2.2薄鋼板添加高斯噪聲效果圖Fig.2.2EffectofaddingGaussiannoisetothinsteelplate椒鹽噪聲是隨機呈現(xiàn)的白點和黑點，是無法被確定的。在圖像當(dāng)中椒鹽噪聲的呈現(xiàn)形式也是隨機且無法避免的，可能在圖像的最亮部分出現(xiàn)黑點，也可能在暗的地方出現(xiàn)白點，也可能二者都會出現(xiàn)[24]。為了加大和其它濾波去除椒鹽噪聲的區(qū)分度，本文對灰度圖增加一些椒鹽噪聲，增加椒鹽噪聲的效果圖如圖2.3所示：(a)無缺陷圖(b)擦花圖(c)碰凸圖(d)粘結(jié)圖圖2.3薄鋼板添加15%濃度椒鹽噪聲效果圖Fig.2.3Effectof15%concentrationsaltandpeppernoiseonsheetsteel


本文編號：3133236