基于機(jī)器視覺(jué)的彩鋼板缺陷檢測(cè)和智能分類研究.pdf

1、分類號(hào)：TP3914密級(jí)：不保密學(xué)校代碼：10057研究生學(xué)號(hào)：13832002基于機(jī)器視覺(jué)的彩鋼板缺陷檢測(cè)和智能分類研究ResearchonColorSteelPlateDefectDetectionandIntelligentClassificationBasedonMachineVision專業(yè)名稱：機(jī)械電子工程指導(dǎo)教師姓名：李亞教授研究生姓名：孫創(chuàng)開(kāi)申請(qǐng)學(xué)位級(jí)別：工學(xué)碩士論文提交日期：2016年3月論文課題來(lái)源：自選課題學(xué)位授予

2、單位：天津科技大學(xué)摘要隨著家電產(chǎn)品消費(fèi)市場(chǎng)的火熱，作為家電產(chǎn)品原材料之一的彩鋼板也隨之得到日益廣泛的應(yīng)用。家電產(chǎn)品上使用的彩鋼板表面質(zhì)量標(biāo)準(zhǔn)相較于其他方面用途的鋼板更加嚴(yán)格，本課題針對(duì)這一市場(chǎng)需求，利用視覺(jué)檢測(cè)技術(shù)設(shè)計(jì)出一套彩色鋼板表面缺陷檢測(cè)以及缺陷類型分類系統(tǒng)。該系統(tǒng)主要的結(jié)構(gòu)由：缺陷圖像采集、缺陷圖像處理、缺陷特征選擇和提取以及缺陷類型分類識(shí)別四大部分組成。在檢測(cè)、識(shí)別分類過(guò)程中對(duì)遇到的關(guān)鍵技術(shù)問(wèn)題都在理論和實(shí)踐兩個(gè)方面做了深入的

3、研究，本文主要完成的工作如下：1根據(jù)每類缺陷的特征選擇相適應(yīng)的照明方案。在最大程度上突顯缺陷特征的原則指導(dǎo)下，圖像采集系統(tǒng)采用明、暗場(chǎng)相結(jié)合方式進(jìn)行照明。根據(jù)檢測(cè)系統(tǒng)的實(shí)際需求和實(shí)驗(yàn)室現(xiàn)有條件自行設(shè)計(jì)制作出一套光照亮度連續(xù)可調(diào)的LED漫反射光源裝置。2檢測(cè)系統(tǒng)軟件部分采用多線程結(jié)構(gòu)。該軟件系統(tǒng)由圖像采集線程、圖像處理線程、缺陷信息數(shù)據(jù)庫(kù)線程構(gòu)成，并通過(guò)一個(gè)總線程控制器分別實(shí)現(xiàn)對(duì)各個(gè)線程運(yùn)行的控制，確保整個(gè)缺陷檢測(cè)系統(tǒng)能夠在高效、精確、穩(wěn)

4、定的狀態(tài)下運(yùn)行。3根據(jù)缺陷成因和形貌特征深入研究了圖像預(yù)處理以及分割算法。經(jīng)過(guò)實(shí)驗(yàn)對(duì)比分析，中值濾波和圖像灰度拉伸作為圖像預(yù)處理算法；本文針對(duì)不同缺陷特點(diǎn)綜合運(yùn)用閡值分割、Canny邊緣檢測(cè)分割、分水嶺分割算法和形態(tài)學(xué)等方法成功地將缺陷從背景圖像中分離出來(lái)。4研究了缺陷特征選擇和提取方法。按照模式識(shí)別對(duì)特征選擇標(biāo)準(zhǔn)的原則，本文將幾何、拓?fù)?、灰度統(tǒng)計(jì)、形狀和紋理這五類特征組成的特征向量作為分類器的輸入。為提高特征向量數(shù)據(jù)對(duì)分類識(shí)別的有效性

5、，隨后又運(yùn)用剔除離群點(diǎn)和特征分量歸一化方法對(duì)這些原始特征分量進(jìn)行優(yōu)化處理，使這些特征分量具有更加良好的分類能力。5設(shè)計(jì)出了基于多層感知器模型的BP神經(jīng)網(wǎng)絡(luò)分類器模型。該分類器經(jīng)過(guò)首次訓(xùn)練和再次改善訓(xùn)練之后能夠?qū)τ桶摺⒙辄c(diǎn)、劃痕、油漆亮斑和砂紋面帶狀色差帶這五類缺陷進(jìn)行較準(zhǔn)確的識(shí)別，其中麻點(diǎn)和劃痕的識(shí)別率可以達(dá)到100％。實(shí)驗(yàn)結(jié)果表明本文設(shè)計(jì)的彩鋼板表面檢測(cè)與分類系統(tǒng)對(duì)關(guān)鍵技術(shù)的解決方法是有效的、可行的，對(duì)彩鋼板表面質(zhì)量檢測(cè)具有一定的參考