论文部分内容阅读
质量控制是板带材生产过程中的关键步骤,其中板带材的表面缺陷是影响其质量的重要因素,因此进行板带材表面缺陷检测对于控制和提高板带材质量具有非常重要的意义。近年来,随着计算机、人工智能等技术的快速发展,以机器视觉技术为核心的板带材表面缺陷检测技术已成为目前研究的重点。本文主要研究了基于数字图像处理技术和模式识别技术的板带材表面缺陷检测技术。具体研究内容如下:1.根据板带材表面缺陷检测系统的基本要求,提出了系统的总体方案,设计了系统的硬件结构和软件结构。并详细设计了软件结构中的图像采集程序和图像处理流程。2.根据板带材表面缺陷图像的灰度特点,研究了图像预处理方法。在研究和比较传统的图像分割方法的基础上,提出了一种基于灰度级形态学增强和自适应阈值的优化分割方法,该方法在增强图像对比度之后利用可变阈值进行分割,分割结果更准确。最后利用投影的方法定位出了包含板带材缺陷部分的最小矩形区域。3.研究了缺陷图像的常见特征类型,并详细介绍了各类特征的提取方法。最后确定了一组特征向量作为缺陷识别分类器的输入量,最终分类器的分类识别结果表明本文提取的特征量具有典型的代表性,能表征各类板带材缺陷图像的特点。4.研究了模式识别理论及常用识别方法,着重研究了BP神经网络算法,并对该算法进行了改进,最终设计了一款基于改进算法的BP神经网络缺陷识别分类器,并利用板带材表面缺陷样本对该分类器进行训练和测试,测试结果良好。因此本文研究的相关检测技术是可行的、有效的,具有一定的实际应用价值。