铝板表面复杂缺陷识别及分类方法研究
发布时间:2020-08-12 18:26
【摘要】:近几年来,在全世界范围内由于航空航天飞行器、汽车制造产业和高端电子产品的迅速发展,铝板作为高科技产品的应用材料与社会发展必需品,其市场前景广阔。我国的铝板加工产业迅速发展,铝板生产产量保持不断增长,进出口贸易额连续多年一直增加。但是传统铝板加工产业正受到设备落后、生产科技化程度较低以及生产环境纷杂等因素的影响,铝板生产出来后其表面会产生各种复杂缺陷,对用于航空航天飞行器、汽车制造产业和高端电子产品的铝板来说,其表面复杂缺陷会给铝板行业造成巨大损失,因此,如何准确、高效地检测识别铝板复杂缺陷的问题显得尤为重要。为了实现在线高效率、高精度铝板复杂缺陷检测,本文针对铝板表面复杂缺陷识别分类算法进行研究。首先,说明铝板复杂缺陷系统的基本要求与基本原理,重点介绍系统基本架构;然后对缺陷图像进行预处理,预处理的过程就是对图像进行减背景处理和去除噪声干扰,选用中值滤波方式来抑制铝板缺陷图像的噪声,并用自适应阈值分割算法分割铝板缺陷图像;接下来针对几种常见铝板目标缺陷提取区域特征、轮廓特征、灰度特征,将提取的缺陷特征数据进行标准化处理;最后针对四种常见缺陷类型,本研究通过构建SVM分类器进行识别分类测试,并对可能出现的新缺陷,给出一种新缺陷分类机制,定义新缺陷类型,并构建新缺陷SVM子分类器,最终将新缺陷模型添加到常见缺陷模型中,进一步完善SVM分类器。本文构建的SVM分类器对四种常见缺陷类型识别分类效果较为理想,而且,分析SVM分类器的输出结果还可以发现新缺陷,定义新缺陷类型,并建立新缺陷模板。通过SVM分类器与新缺陷人工分类相结合的机制不仅提高了常见缺陷的识别效率,同时也能辨别出新的缺陷类型,并将新缺陷建立模板更新到常见缺陷模板中。
【学位授予单位】:齐鲁工业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP391.41;TG146.21;TG115.28
【图文】:
第 2 章 铝板复杂缺陷检测系统概述2.3 系统基本架构铝板表面缺陷在线检测系统由硬件系统和软件系统组成。硬件体统采用CCD 相机阵列和工控机阵列与明视场照明方式相结合的方法。软件系统包括图像处理、数据存储与数据分系模块,经过创建系统、枚举相机、创建相机和创建图像等步骤。采用先进的缺陷表面特征提取图像处理算法对铝板表面特征图像进行分析与处理,并对采集到的铝板表面的气泡、油斑等复杂缺陷进行分类、标记和统计。铝板复杂缺陷检测系统样机实物图、系统总体图,分别如图 2.1、图 2.2 所示。系统包括:现场计算机、工控机处理器、线阵 CCD 相机、LED 光源、图像采集与处理、图像及测量参数显示与控制[16]。
图 2.2 铝板复杂缺陷检测系统总体图梁上;相机安放在所述相机卡座上,通过相机固定点固定,镜头通过卡座上的镜头口同相机连接。铝板复杂缺陷检测系统架体结构如图 2.3 所示。
图 2.2 铝板复杂缺陷检测系统总体图梁上;相机安放在所述相机卡座上,通过相机固定点固定,镜头通过卡座上的镜头口同相机连接。铝板复杂缺陷检测系统架体结构如图 2.3 所示。
本文编号:2790871
【学位授予单位】:齐鲁工业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP391.41;TG146.21;TG115.28
【图文】:
第 2 章 铝板复杂缺陷检测系统概述2.3 系统基本架构铝板表面缺陷在线检测系统由硬件系统和软件系统组成。硬件体统采用CCD 相机阵列和工控机阵列与明视场照明方式相结合的方法。软件系统包括图像处理、数据存储与数据分系模块,经过创建系统、枚举相机、创建相机和创建图像等步骤。采用先进的缺陷表面特征提取图像处理算法对铝板表面特征图像进行分析与处理,并对采集到的铝板表面的气泡、油斑等复杂缺陷进行分类、标记和统计。铝板复杂缺陷检测系统样机实物图、系统总体图,分别如图 2.1、图 2.2 所示。系统包括:现场计算机、工控机处理器、线阵 CCD 相机、LED 光源、图像采集与处理、图像及测量参数显示与控制[16]。
图 2.2 铝板复杂缺陷检测系统总体图梁上;相机安放在所述相机卡座上,通过相机固定点固定,镜头通过卡座上的镜头口同相机连接。铝板复杂缺陷检测系统架体结构如图 2.3 所示。
图 2.2 铝板复杂缺陷检测系统总体图梁上;相机安放在所述相机卡座上,通过相机固定点固定,镜头通过卡座上的镜头口同相机连接。铝板复杂缺陷检测系统架体结构如图 2.3 所示。
【参考文献】
相关期刊论文 前10条
1 李浩;何建农;;结合蚁群和自动区域生长的彩色图像分割算法[J];微型机与应用;2015年16期
2 鲁可;石庆升;张晓东;;基于SVM的玻璃瓶缺陷分类算法研究[J];机电产品开发与创新;2015年01期
3 侯青;李伟;任娜娜;刘玉娥;孙静;;一种改进的中草药显微图像边缘提取算法[J];计算机技术与发展;2014年08期
4 谢永华;陈庆为;;木材缺陷的阈值分割算法研究[J];森林工程;2014年02期
5 王健峰;张磊;陈国兴;何学文;;基于改进的网格搜索法的SVM参数优化[J];应用科技;2012年03期
6 邵健萍;陈丽芳;;基于分裂合并法和Ncut法的图像分割[J];江南大学学报(自然科学版);2011年05期
7 张伟;;基于归一化投影直方图不变矩的图像特征提取[J];计算机工程;2011年01期
8 刘莉;叶玉堂;谢煜;宋昀岑;蒲亮;张静;陈镇龙;;基于RBF网络的光学字符提取与识别新方法[J];光电工程;2010年11期
9 张太发;高朝阳;;数字图像边缘检测方法的分析与研究[J];计算机技术与发展;2010年10期
10 肖刚;萧今声;;我国的铝挤压材与铝挤压机[J];轻合金加工技术;2010年09期
本文编号:2790871
本文链接:https://www.wllwen.com/kejilunwen/jiagonggongyi/2790871.html