基于機器視覺的帶鋼表面缺陷識別技術(shù)研究.pdf

1、帶鋼在工業(yè)生產(chǎn)中具有重要作用，在傳統(tǒng)制造業(yè)、航空航天制造業(yè)、智能家居制造業(yè)和軍事制造業(yè)等產(chǎn)業(yè)中，帶鋼是重要的原材料。在新興制造業(yè)對制造精度要求逐漸提高的今天，對帶鋼質(zhì)量的要求也隨之大幅度的提升。常用的帶鋼表面質(zhì)量檢測方法主要是人工抽檢，但由于現(xiàn)場環(huán)境較差、檢測隨機性大、生產(chǎn)效率低等缺點，此方法已經(jīng)不能滿足現(xiàn)在鋼鐵生產(chǎn)線的檢測要求?；跈C器視覺的在線檢測系統(tǒng)，采用高速相機對鋼板表面進行圖像采集、處理，并對采集圖片使用高性能計算機對其進行缺

2、陷分割識別。得益于計算機性能的提升和機器視覺理論的不斷成熟，基于機器視覺的帶鋼表面缺陷檢測技術(shù)已慢慢成為缺陷檢測方面的主流技術(shù)。
　　本文在對帶鋼表面缺陷在線檢測系統(tǒng)進行深入研究后，以此為基礎(chǔ)，對帶鋼表面缺陷檢測技術(shù)中的缺陷圖像分割、缺陷特征提取、特征集合的選擇以及缺陷識別分類器方面進行了著重研究，并對此提出一種基于遺傳算法優(yōu)化的帶鋼表面缺陷支持向量機分類模型。本文的主要工作如下：
　　1、介紹了常用的圖像分割方法，分析了在

3、鋼板表面灰度不均的情況下閾值法與分塊閾值法缺陷分割法的不足，提出一種基于梯度的缺陷分割算法，此算法在灰度不均的情況下進行缺陷分割時具有優(yōu)秀的分割能力。
　　2、根據(jù)圖形的幾何特征、灰度特征以及投影特征等的先驗知識，對帶鋼表面缺陷圖像提取了30維的特征向量，并對特征集合進行了0-1歸一化以及PCA操作，得到預處理后的缺陷特征集。
　　3、采用支持向量機的分類器模型對帶鋼表面缺陷進行分類，并分析了不同分類器參數(shù)對分類結(jié)果的影響，