论文部分内容阅读
钢铁工业的发达与否代表了一个国家的工业化水平,而且其在国家的经济组成成分中占了不可忽视的比例。带钢是钢铁工业的主要产品之一,用途非常广泛,可以用来制造自行车车架、轮圈、刀片等,其质量将会影响到社会各行各业的安全。判断带钢优劣,是否符合规格的标准之一就是板型质量。在所有板型质量废品中,镰刀弯废品量占有非常大的比重,所以如何在大量的带钢中检测出镰刀弯废品将是一项有意义和挑战性的课题。检测镰刀弯废品就是检测出边缘部分具有突起或者凹陷的带钢,也就是对带钢边缘进行回归来判断其是否具有缺陷。传统的最小二乘法曲线拟合有容易受突出值的影响并有过拟合、收敛速度慢等缺点。核回归也是一种非参数回归估计方法,它可以不去假定模型的分布形式,通过直接对数据进行处理来获得估计值,从而避免了模型假定所带来的误差。为了实现带钢镰刀弯缺陷的准确检测,本文从计算机应用角度出发,结合数学、计算机视觉和人工智能等学科的知识,提出并实现了基于高斯核函数的带钢边缘缺陷检测系统。通过对核函数的选择,参数的确定,实验结果得出,基于高斯核函数的带钢边缘缺陷检测系统具有高识别率,强鲁棒性。