基于机器视觉的硅钢钢带表面缺陷自动检测识别研究

发布时间：2020-01-26 06:03

【摘要】：由于我国经济快速发展对电力的需求、电力传输的损耗、能源地域结构和运输矛盾等问题,致使我国近年来大力研制、发展特高压电力传输电网,从而形成变压器、发电机、电工仪表等以硅钢为基础材料的相关设备需求快速增长,从而促使了硅钢行业的快速发展。炼钢厂生产的硅钢带是裸钢,并不能直接用在电力设备上,须在钢带表面涂上绝缘涂层,绝缘涂层质量的高低直接决定最终设备产品的质量高低,因此在钢带生产流程中涂层表面缺陷检测是其中一项重要的环节,担负着对生产钢带缺陷的检测、质量的评估以及价格的标定等任务,但是目前缺乏检测具有涂层的钢带表面质量的自动化设备,而使用传统的人工检测,由于钢带量大、速度快,导致该方法具有随机性高、精度低、标准不一的特点。为了提高精度、统一标准,本文提出了基于机器视觉的硅钢钢带表面涂层缺陷自动检测的识别研究,进而开发低成本、高精度的硅钢钢带表面缺陷自动检测系统。本文是基于福建某硅钢钢带生产厂商对硅钢钢带表面缺陷自动检测系统具有需求的条件下进行研究,主要通过图像采集得到硅钢钢带表面图像,依据图像处理相关理论技术对图像进行预处理、缺陷分割,然后提取缺陷特征数据,最后利用分类器实现缺陷分类,主要工作如下:首先是图像采集系统的设计。通过光照空间散射特性理论分析,结合brdf光照模型设计合理的照明方案,使得采集到的硅钢钢带图像呈现亮度均匀状态,同时合理的选择拍摄的工业相机,使其性能能够满足对快速传输中硅钢钢带的图像采集的需要。然后对采集到的图像进行预处理。通过不同的滤波方式进而改进出一种保细节的复合滤波器完成图像去噪处理,使得图像尽可能的不受噪声干扰;针对于图像畸变情况,利用投影变换算法和双线性灰度内插算法完成图像几何校正操作;为了实现图像边缘处缺陷的完整检测,利用序列相似度检测算法和加权平均算法实现图像拼接处理;通过统计无缺陷图像灰度值与平均灰度值相减取绝对值然后累加所得到的结果,实现图像是否为缺陷图像的判断;最后对缺陷图像进行拉普拉斯锐化处理,进而得到纹理清晰的缺陷图像,到此图像预处理阶段完成。接着对图像的缺陷进行分割和特征提取。通过自适应canny边缘检测算法实现缺陷图像的边缘提取,然后利用图像形态学算法对缺陷边缘图像进行修补和完善,接着利用扫描线种子填充算法实现缺陷区域的填充进而得到完整缺陷二值图像,最后再利用轮廓跟踪算法实现缺陷整体轮廓的完整提取,从而完成对应缺陷灰度图像中缺陷的定位和分割;在完成缺陷分割后通过利用图像各类特征的相关算法实现缺陷图像的形状特征、灰度特征、纹理特征的提取,清晰的得到各类缺陷的特征数值。最后对机器视觉的相关理论进行研究,建立关于硅钢带表面缺陷分类的BP神经网络分类器模型,并利用缺陷样本的特征数值完成分类器的训练和优化,进而实现硅钢钢带表面缺陷分类器的设计,使其能够达到图像缺陷的较精确分类。
【图文】：

图 1.1 初级硅钢带图 1.2 涂层硅钢钢带现在各个企业要求生产硅钢钢带的生产线具备有对其表面缺陷进能力，从而生产出满足各种需要的硅钢钢带，同时产品使用者对硅钢钢量的要求也越来越高，所以必须足够的重视表面的缺陷问题。只有加深带表面缺陷的全方位检测和识别，才能通过改进生产技术进而提高产品

图 1.2 涂层硅钢钢带各个企业要求生产硅钢钢带的生产线具备有对其表面缺陷进而生产出满足各种需要的硅钢钢带，同时产品使用者对硅钢钢也越来越高，所以必须足够的重视表面的缺陷问题。只有加深陷的全方位检测和识别，才能通过改进生产技术进而提高产品际的要求。钢带作为软磁材料，可以制作各种电机、发电机和变压器的铁于电子、电力和军事等行业。根据硅钢钢带的用途可以总结出品主要的不良影响包括:性，如果硅钢钢带表面具有凹凸瑕疵，将会大大的影响变压器填充系数；性，硅钢钢带表面缺陷过多会影响后期变压器等产品的性能和寿命；性，如果硅钢钢带表面存在缺陷则会很大程度上影响表面绝缘
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 任丙彦;李养贤;;一种控制硅片表面缺陷产生的新方法[J];河北工学院学报;1991年01期

2 马玉真;李国平;;大尺寸钢球表面缺陷的检测[J];传感器与微系统;2012年08期

3 章肖融;干昌明;郑乐奇;;用光声声表面波谱仪研究表面缺陷[J];应用激光;1987年06期

4 李玉山;;物体表面缺陷模型及检测方法的研究[J];西安电子科技大学学报;1988年04期

5 张赤斌,丛福建,易红,吴军辉,吴启迪;针灸针表面缺陷的计算机识别研究[J];计算机工程与应用;2001年24期

6 杨东林;于正林;;轴承钢球表面缺陷的快速检测方法[J];兵工学报;2009年06期

7 董德威;颜云辉;陈立武;丛家慧;;带钢表面缺陷严重程度的模糊综合评判研究[J];计算机工程与设计;2011年04期

8 何志勇;孙立宁;芮延年;;一种微小表面缺陷的机器视觉检测方法[J];应用科学学报;2012年05期

9 徐凤云;;基于神经网络的钢材表面缺陷快速检测[J];科技广场;2010年05期

10 赵艳;严伟;沈中华;陆建;李相银;;弹性声波与表面缺陷相互作用的数值模拟[J];激光技术;2010年01期

相关会议论文 前10条

1 ;金属工业中表面缺陷检查的视觉先锋[A];2010钢材质量控制技术、形状、尺寸精度、表面质量控制与改善学术研讨会文集[C];2010年

2 全燕鸣;朱国强;姜长城;柯志勇;;小球表面缺陷自动检测中的表面滚翻方法[A];广州市仪器仪表学会2009年学术年会论文集[C];2010年

3 于正林;曹国华;杨东林;;轴承钢球表面缺陷自动检测[A];科技创新与节能减排——吉林省第五届科学技术学术年会论文集（上册）[C];2008年

4 吴建永;;琼州大桥T梁表面缺陷的预防及处理[A];海南省公路学会2003年学术交流会论文集[C];2003年

5 贡雪南;;宝钢1420镀锡板表面质量检测与控制技术[A];薄钢板质量研讨会论文集[C];2000年

6 钱翰城;王公平;赵建华;;铸件表面缺陷常用挽救技术及其适用性[A];2010年重庆市机械工程学会学术年会论文集[C];2010年

7 钱翰城;王公平;赵建华;;铸件表面缺陷常用挽救技术及其适用性[A];重庆市机械工程学会铸造分会、重庆铸造行业协会2010重庆市铸造年会论文集[C];2010年

8 钱翰城;王公平;赵建华;;铸件表面缺陷常用挽救技术及其适用性[A];2010年中国铸造活动周论文集[C];2010年

9 王暄;秦世引;张其生;;热轧钢板表面缺陷的自动识别与分类[A];2001年中国智能自动化会议论文集（上册）[C];2001年

10 杨金艳;肖良辰;;表面缺陷对钢丝断裂行为的影响[A];全国金属制品信息网第23届年会暨2013金属制品行业技术信息交流会论文集[C];2013年

相关重要报纸文章 前5条

1 高宏适;钢板表面缺陷产生机制研究[N];世界金属导报;2013年

2 陈方;远距离测绘系统让大坝表面缺陷尽在掌握[N];中国水利报;2006年

3 钟;超低碳冷轧薄板钢表面缺陷的消除[N];世界金属导报;2005年

4 徐科 杨朝霖 周鹏;高效算法实现热轧带钢表面缺陷在线检测[N];中国冶金报;2010年

5 道哥拉斯·斯塔海姆;消除表面缺陷 提高连铸坯质量[N];中国冶金报;2010年

相关博士学位论文 前10条

1 孟云吉;光晶格中空间孤子的传输特性研究[D];南京航空航天大学;2013年

2 陈立君;基于流形支持向量机的木材表面缺陷识别方法的研究[D];东北林业大学;2015年

3 宋克臣;面向硅钢板表面缺陷的检测与识别方法研究[D];东北大学;2014年

4 李长乐;冷轧带钢表面缺陷图像检测关键技术的研究[D];哈尔滨工业大学;2009年

5 张建川;红钢棒材表面缺陷图像采集与检测系统研究[D];山东大学;2012年

6 杨铁滨;基于机器视觉的陶瓷球表面缺陷自动检测技术研究[D];哈尔滨工业大学;2007年

7 李江波;脐橙表面缺陷的快速检测方法研究[D];浙江大学;2012年

8 赵彦玲;基于图像技术的钢球表面缺陷分析与识别[D];哈尔滨理工大学;2008年

9 甘胜丰;带钢表面缺陷图像检测与分类方法研究[D];中国地质大学;2013年

10 何志勇;基于改进Otsu法和显著性分析的表面缺陷高效视觉检测方法研究[D];苏州大学;2015年

相关硕士学位论文 前10条

1 张传荣;基于ACFM亚表面缺陷识别技术研究[D];中国石油大学(华东);2014年

2 刘伟;考虑热效应和表面缺陷的滚动轴承性能分析[D];北京理工大学;2016年

3 唐永春;基于形态特征的热轧型钢表面缺陷测量分类系统设计研究[D];江苏大学;2016年

4 徐信;冲压件表面缺陷图像检测系统的研究与开发[D];广东工业大学;2016年

5 姚丹;基于FPGA的表面缺陷在线检测系统应用研究[D];西安科技大学;2015年

6 郭佳文;机械加工中亚表面缺陷对表面质量的影响[D];湖南大学;2016年

7 王时丽;基于机器视觉的钢轨表面缺陷检测技术研究[D];西南科技大学;2016年

8 张建炎;激光超声非接触检测高温金属表面缺陷研究[D];南京航空航天大学;2016年

9 赵丽敏;基于机器视觉的表面缺陷定量检测技术研究[D];浙江大学;2016年

10 尹逊帅;高铁轨道表面缺陷的机器视觉检测算法研究[D];湖南大学;2015年

，

本文编号：2573228