鋼板的生產(chǎn)質(zhì)量好壞一直是企業(yè)尤為關(guān)心的問題,它不僅關(guān)乎到企業(yè)的經(jīng)濟效益和產(chǎn)品影響力,更是對其下游制造業(yè)起到?jīng)Q定性作用。但是在現(xiàn)實生產(chǎn)環(huán)節(jié)中成品鋼板難免會出現(xiàn)有缺陷的不良品,如果將這些帶缺陷產(chǎn)品投放市場,將會帶來巨大的損失。據(jù)統(tǒng)計,國內(nèi)鋼材產(chǎn)品中質(zhì)量異議事件60%以上來自于鋼材表面缺陷造成,因此,在鋼板的生產(chǎn)過程中對其表面進行缺陷檢查是至關(guān)重要的。目前大多數(shù)中小型鋼板制造商對鋼板表面缺陷的檢測仍采用人工目測或閃頻光檢測,但是,這些方法要么易發(fā)生漏檢、錯檢,檢測效率不高;要么維護成本昂貴,無法實現(xiàn)普及。為此,鑒于計算機視覺技術(shù)和深度學習研究日益成熟,以鋼板表面缺陷檢測識別技術(shù)為研究對象,分析現(xiàn)有計算機視覺技術(shù)和深度學習在鋼板表面缺陷檢測中的優(yōu)勢與不足,通過設(shè)計、改進算法模型提升缺陷檢測與識別的效率。主要研究內(nèi)容如下:提出一種基于三維灰度矩陣的圖像分割算法,用于解決現(xiàn)有的圖像分割技術(shù)運用在灰度結(jié)構(gòu)復(fù)雜,目標邊緣模糊的鋼板缺陷圖像中仍然存在識別效率低,過分割現(xiàn)象明顯等問題。首先結(jié)合圖像灰度矩陣的空間特征構(gòu)建三維灰度矩陣;然后引入半類間方差改進克里金插值算法,繪制三維灰度矩陣的等值線圖;接著構(gòu)建... 

【文章來源】：江西理工大學江西省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究內(nèi)容及創(chuàng)新點
    1.3 論文結(jié)構(gòu)安排
第二章 研究基礎(chǔ)及研究現(xiàn)狀
    2.1 鋼板缺陷的種類與成因
    2.2 鋼板表面檢測的主要方法
    2.3 基于圖像分割的表面檢測技術(shù)
    2.4 零樣本學習發(fā)展簡述
    2.5 本章小結(jié)
第三章 三維灰度矩陣的鋼板表面缺陷分割
    3.1 研究背景概述
    3.2 基礎(chǔ)理論分析
        3.2.1 矩陣的三維變換
        3.2.2 克里金插值算法
    3.3 基于三維灰度矩陣的圖像分割算法
        3.3.1 構(gòu)建三維灰度矩陣
        3.3.2 繪制三維灰度矩陣對應(yīng)等值線
        3.3.3 建立等值線拓撲關(guān)系樹
        3.3.4 遍歷拓撲關(guān)系樹尋找目標輪廓
    3.4 三維灰度矩陣圖像分割算法總流程
    3.5 實驗結(jié)果與性能分析
        3.5.1 實現(xiàn)效果定性分析
        3.5.2 實驗效果定量分析
    3.6 本章小結(jié)
第四章 零樣本學習的圖像識別
    4.1 零樣本學習的起源
        4.1.1 理論研究背景
        4.1.2 工程領(lǐng)域應(yīng)用
    4.2 零樣本學習的技術(shù)架構(gòu)
    4.3 零樣本學習模型建立
        4.3.1 直推式零樣本學習
        4.3.2 歸納式零樣本學習
    4.4 基于零樣本學習的圖像識別技術(shù)
        4.4.1 視覺特征提取
        4.4.2 語義特征提取
        4.4.3 視覺-語義映射
    4.5 基于零樣本學習圖像識別的性能分析
        4.5.1 評估數(shù)據(jù)集簡介
        4.5.2 性能評估指標
        4.5.3 傳統(tǒng)零樣本學習VS泛化零樣本學習
        4.5.4 主流模型性能對比分析
        4.5.5 技術(shù)特征與挑戰(zhàn)
    4.6 本章小結(jié)
第五章 鋼板缺陷種類的零樣本分類
    5.1 研究背景概述
    5.2 基礎(chǔ)理論分析
        5.2.1 直推式學習理論
        5.2.2 泛化實驗設(shè)置
    5.3 基于鋼板缺陷強化特征的直推式學習模型
        5.3.1 鋼板缺陷基礎(chǔ)特征網(wǎng)絡(luò)
        5.3.2 鋼板缺陷強化特征網(wǎng)絡(luò)
        5.3.3 鋼板缺陷語義特征網(wǎng)絡(luò)
        5.3.4 多源特征嵌入網(wǎng)絡(luò)
        5.3.5 分類器設(shè)計
        5.3.6 模型優(yōu)化
    5.4 鋼板缺陷分類識別模型總體設(shè)計
    5.5 實驗結(jié)果與性能分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究內(nèi)容總結(jié)
    6.2 未來工作展望
參考文獻
致謝
攻讀學位期間的研究成果



本文編號：3443064