基于X線透射圖像的傳送帶缺陷檢測.pdf

1、傳送帶缺陷檢測是傳送帶修補的基礎，也是傳送帶安全使用的保障。隨著計算機技術和機器視覺的發(fā)展，以往的人工檢測逐漸被自動化檢測所取代。缺陷檢測技術融合了圖像去噪、增強、分割、以及模式識別等方面的算法，是圖像處理技術的主流應用之一。但目前的缺陷檢測技術仍然沒有滿足實際應用對于高效和準確的要求，因此，針對特定應用場景研究高效準確的檢測算法是很有必要的?；赬-射線的傳送帶圖像不僅可以呈現(xiàn)出傳送帶的表面缺陷，也能全面展現(xiàn)傳送帶的內部缺陷。因此，基

2、于X線圖像的自動化缺陷檢測不但可以節(jié)約成本、提高檢測質量和效率，而且能夠準確檢測出傳送帶的內部損傷。
　　本文根據(jù)工業(yè)生產中的實際需要，旨在研究快速、準確的缺陷檢測算法。本文針對傳送帶缺陷類型的多樣性以及分布區(qū)域的不同，選擇不同的算法對缺陷進行檢測。這種思路簡化了算法設計的難度，提高了檢測速度和準確度。在檢測傳送帶缺陷前，利用Sauvola局部閾值分割方法將圖像二值化，并根據(jù)傳送帶不同區(qū)域的紋理特點，對傳送帶進行區(qū)域劃分，使劃分出

3、的每個區(qū)域紋理盡可能相同。針對傳送帶圖像中的主要缺陷區(qū)域，本文使用了支持向量機(SVM)方法對其中的橡膠缺陷進行檢測，為了提高檢測速度，通過迭代學習方法簡化了SVM的決策函數(shù)，通過改進特征向量的選取，降低了特征向量維數(shù)，本文經過這兩個方面的優(yōu)化，使SVM在速度上獲得很大提升。對于鋼絲缺陷，本文通過檢測鋼絲斷裂點，獲得缺陷區(qū)域。對于傳送帶中其他的非主要缺陷，本文則利用閾值方法進行檢測。
　　從實驗結果可以看出，本文能以極高的置信度檢