冷軋帶鋼表面缺陷識別及其并行處理的研究.pdf

1、表面缺陷檢測技術(shù)是先進制造業(yè)的基礎(chǔ)技術(shù)之一，是提高產(chǎn)品質(zhì)量的關(guān)鍵技術(shù)之一。隨著技術(shù)和經(jīng)濟的飛速發(fā)展，對冷軋帶鋼的表面質(zhì)量提出了越來越高的要求，這也就對表面缺陷檢測技術(shù)提出了越來越高的要求。目前，基于機器視覺的表面缺陷檢測技術(shù)已經(jīng)發(fā)展成為冷軋帶鋼表面缺陷檢測系統(tǒng)的主流技術(shù)。自20世紀90年代以來，美國和德國等少數(shù)發(fā)達國家先后成功研制出了基于機器視覺的帶鋼表面缺陷檢測系統(tǒng)，并在實際生產(chǎn)中得到應用。而我國在這方面的研究還處于初級階段，目前尚無

2、可在線應用的系統(tǒng)，這在一定程度上導致了我國帶鋼產(chǎn)品市場競爭力的缺乏，制約了帶鋼表面質(zhì)量的提高。
　　針對目前大多數(shù)檢測系統(tǒng)均采用一臺攝像機對應一臺PC機的并行處理方式，系統(tǒng)結(jié)構(gòu)復雜且造價昂貴的問題，本文設(shè)計了一套冷軋帶鋼表面缺陷識別實驗系統(tǒng)，并在該系統(tǒng)內(nèi)采用多核處理器構(gòu)建了缺陷識別并行處理子系統(tǒng)。在缺陷識別并行處理子系統(tǒng)中構(gòu)建了基于RTAI的缺陷數(shù)據(jù)實時接收系統(tǒng)，并完成了缺陷識別算法并行化總體設(shè)計。該模塊提高了缺陷識別的處理速度，

3、同時與基于圖像處理機陣列的檢測系統(tǒng)相比，降低了檢測系統(tǒng)的復雜性。
　　在冷軋帶鋼表面缺陷檢測過程中，帶鋼表面存在強反射現(xiàn)象。為了改善由強反射造成的缺陷圖像亮度不均勻性并抑制局部強亮度現(xiàn)象，首先分析了強反射表面的光學特性，研究了偏微分方程理論以及同態(tài)濾波算法，在此基礎(chǔ)上提出了一種基于偏微分方程的同態(tài)濾波算法。通過引入信息熵來對不同尺度參數(shù)下的處理效果進行評價，確定了偏微分方程同態(tài)濾波的尺度參數(shù)。針對存在強反射現(xiàn)象的表面缺陷圖像進行了

4、實驗研究，結(jié)果表明該濾波算法既校正了圖像亮度的不均勻性，又保留了足夠多的原始圖像信息。
　　針對冷軋帶鋼表面缺陷識別過程中對分割準確性以及快速性的要求，提出了一種基于模糊超熵的圖像分割算法，該算法同時利用了圖像灰度信息和空間結(jié)構(gòu)信息。首先對能夠用來測度圖像空間結(jié)構(gòu)信息的超熵理論進行了研究，并解決了超熵計算過程中鄰接像素的定義以及L值選取問題，同時將模糊隸屬度概念引入到超熵定義過程中完成了模糊超熵的定義，并將其作為判斷準則應用到圖像

5、分割過程中，即分割后得到的模糊超熵越大則說明分割越準確。最后通過缺陷分割實驗驗證了算法的有效性，同時提出了誤分割率和有效信息率對分割結(jié)果進行了定量分析，結(jié)果表明基于最大模糊超熵的閾值分割算法具有較高的有效信息率以及較低的誤分割率。
　　為了提取表面缺陷三維特征信息來提高表面缺陷分類識別的準確率，提出了一種基于SFS原理的表面缺陷三維重構(gòu)算法。首先分析了表面缺陷識別系統(tǒng)的光路設(shè)計，建立了改進型Oren-Nayar漫反射模型，并結(jié)合透

6、視投影數(shù)學模型推導出相應的數(shù)學模型，具體表達形式為靜態(tài)Hamilton-Jacobi方程。采用高階Lax-Friedrichs快速掃描和牛頓迭代相結(jié)合的算法實現(xiàn)了方程的求解。通過人工合成圖像以及表面缺陷圖像三維重構(gòu)實驗，驗證了改進光照模型以及快速掃描算法的有效性和準確性。
　　在完成表面缺陷圖像濾波、分割處理以及三維重構(gòu)的基礎(chǔ)上，進行了表面缺陷的特征提取與降維。提取了表面缺陷的灰度特征、形狀特征、紋理特征以及投影特征等四大類特征，

7、構(gòu)建了原始特征集。針對高維原始特征集，采用特征選擇方法進行降維，提出了一種兩段式混合特征選擇算法，首先應用基于最大相關(guān)最小冗余準則的濾波特征選擇算法得到初始特征子集，然后再利用基于動態(tài)振蕩搜索策略的包裝特征選擇算法得到更加緊湊的有效特征子集用于分類器的構(gòu)造。
　　在研究了支持向量機理論、多類分類方法以及模糊支持向量機分類方法的基礎(chǔ)上，將模糊支持向量機思想引入到基于多超球體支持向量數(shù)據(jù)描述的多類分類方法中，構(gòu)建了模糊多超球體支持向量

8、數(shù)據(jù)描述多類分類器。首先利用模糊核C-均值聚類算法完成訓練數(shù)據(jù)集模糊隸屬度矩陣的建立，在此基礎(chǔ)上完成了相應模糊多超球體支持向量數(shù)據(jù)描述多類分類器的構(gòu)建，最后將模糊隸屬度引入到樣本判別階段，設(shè)計了基于隸屬度相似函數(shù)的兩步式判別方法，實現(xiàn)了對樣本數(shù)據(jù)的正確分類。對構(gòu)建的多類分類器進行了實驗研究，在有限缺陷樣本情況下，采用特征選擇降維后的有效特征子集，使分類的平均準確率達到96％以上。
　　在冷軋帶鋼表面缺陷識別實驗系統(tǒng)上，對缺陷識別并