铝/铜板带表面缺陷检测关键技术研究
发布时间：2021-03-01 15:17
铝/铜板带表面缺陷检测一直是精密检测领域的一个重要研究方向,随着我国有色金属工业的迅猛发展,铝/铜板带生产线工艺设施已在国际行业中处于领先水平。但是在汽车、飞机以及大量使用集成电路等相关领域,高端水平的板带产品质量和稳定性仍然未能达到新兴产业和国家重大工程的发展要求,因此提升高端板材的表面检测技术水平是现代企业生产中急需攻克的难关。当前,国内铝/铜板带材进行表面缺陷检测时主要采用人工检测的方法,这种检测方法工作量大、效率低。为解决这一问题,本文采用机器视觉及图像处理技术,根据铝/铜板带实际生产线情况,研发了铝/铜板带材表面缺陷检测系统。本文将铝/铜板带材表面缺陷检测作为研究对象,对获取的离线铝/铜板带表面缺陷图像进行深入研究,针对目前图像表面缺陷识别存在的问题,提出改进算法,并验证算法的正确性,具体工作如下:1.首先设计了表面缺陷检测系统的整体方案,包括硬件的构成和算法的改进,并提出了系统的主要技术指标。2.自主搭建铝/铜板带材表面缺陷图像获取平台,实现对带材表面图像的实时采集,并由图像采集卡将图像数据传输到PC端,实现对图像的数字化处理。3.采用灰度修正、滤波去噪等算法对所获得的图像...
【文章来源】：河南科技大学河南省
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究的背景及意义
1.2 检测技术发展
1.3 国内外研究现状
1.4 存在的问题及发展趋势
1.5 本文的主要章节
第2章 铝/铜板带表面缺陷检测系统
2.1 检测系统的组成
2.2 检测系统硬件
2.2.1 照明方案设计
2.2.2 图像传感器
2.3 系统软件流程
2.4 系统主要技术要求
2.5 小结
第3章 铝/铜板带表面缺陷图像的预处理
3.1 铝/铜板带材表面常见典型缺陷
3.2 图象的预处理
3.2.1 图像灰度修正
3.2.2 图像滤波去噪
3.2.3 三种方法比较
3.3 图像分割
3.3.1 经典边缘检测方法比较
3.3.2 阈值分割算法研究
3.3.3 基于形态学边缘检测
3.4 小结
第4章 铝/铜板带缺陷图像特征提取及模式识别
4.1 图像特征参数的提取
4.2 模式识别理论
4.3 基于BP神经网络的分类器
4.4 BP算法的改进
4.5 改进后BP算法的应用
4.5.1 分类器的初始参数的设定
4.5.2 样本缺陷的训练结果
4.6 小结
第5章 铝/铜板带表面缺陷检测系统验证
5.1 试验平台搭建
5.2 软件系统操作界面及识别结果
5.3 小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]钢板表面缺陷在线视觉检测系统[J]. 张翔宇,王燕霜,张仕海. 机床与液压. 2019(04)
[2]基于小波变换的金属表面缺陷检测算法[J]. 冯国勇. 世界有色金属. 2018(20)
[3]基于机器视觉的冷轧板表面质量缺陷在线检测装备的系统集成及实现[J]. 黄正煌. 装备维修技术. 2018(04)
[4]基于改进神经网络的图像边缘分割技术[J]. 卫洪春. 现代电子技术. 2018(16)
[5]基于改进BP算法在深度神经网络学习中的研究[J]. 黄培. 机械强度. 2018(04)
[6]基于差分进化优化的BP神经网络图像复原方法[J]. 张勇,何泽裕,赵东宁,张席. 深圳大学学报(理工版). 2018(04)
[7]基于形态学特征的机械零件表面划痕检测[J]. 李克斌,余厚云,周申江. 光学学报. 2018(08)
[8]涡流阵列检测技术的研究进展现状分析[J]. 张卫民,岳明明,庞炜涵,徐民东,陈国龙. 机械制造与自动化. 2018(01)
[9]基于机器视觉的滑动轴承内表面缺陷自动检测系统设计[J]. 杜克飞. 机械工程师. 2018(01)
[10]基于机器视觉的零部件表面缺陷检测方法研究[J]. 刘晓杰,罗印升,张旻,范洪辉. 现代电子技术. 2017(24)
博士论文
[1]带钢表面缺陷图像检测与分类方法研究[D]. 甘胜丰.中国地质大学 2013
[2]钢板表面缺陷在线视觉检测系统关键技术研究[D]. 张洪涛.天津大学 2008
硕士论文
[1]基于机器视觉的手机金属板表面缺陷检测技术研究[D]. 张刘赟.浙江大学 2018
[2]复杂背景下光滑物体表面的缺陷检测技术研究[D]. 乔爽.华中科技大学 2016
[3]带钢表面缺陷检测及识别关键技术研究[D]. 熊鹰.重庆大学 2016
[4]基于机器视觉的汽车车身零部件表面划痕检测的研究[D]. 范伟.南京理工大学 2016
[5]板带材表面缺陷检测技术的研究[D]. 谢光伟.苏州大学 2014
[6]基于机器视觉的零件轮廓尺寸精密测量系统研究[D]. 董富强.天津科技大学 2014
[7]基于改进SPIHT算法的钢板表面缺陷漏磁检测海量数据压缩方法研究[D]. 潘晨燕.东北大学 2013
[8]基于机器视觉的表面缺陷检测算法研究[D]. 李玉宝.中南大学 2013
[9]基于机器视觉的热轧钢板表面缺陷检测系统关键技术研究[D]. 胡超.东北大学 2012
[10]基于机器视觉的带钢表面缺陷检测系统研究[D]. 高雪梅.河北大学 2011
本文编号：3057666
【文章来源】：河南科技大学河南省
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究的背景及意义
1.2 检测技术发展
1.3 国内外研究现状
1.4 存在的问题及发展趋势
1.5 本文的主要章节
第2章 铝/铜板带表面缺陷检测系统
2.1 检测系统的组成
2.2 检测系统硬件
2.2.1 照明方案设计
2.2.2 图像传感器
2.3 系统软件流程
2.4 系统主要技术要求
2.5 小结
第3章 铝/铜板带表面缺陷图像的预处理
3.1 铝/铜板带材表面常见典型缺陷
3.2 图象的预处理
3.2.1 图像灰度修正
3.2.2 图像滤波去噪
3.2.3 三种方法比较
3.3 图像分割
3.3.1 经典边缘检测方法比较
3.3.2 阈值分割算法研究
3.3.3 基于形态学边缘检测
3.4 小结
第4章 铝/铜板带缺陷图像特征提取及模式识别
4.1 图像特征参数的提取
4.2 模式识别理论
4.3 基于BP神经网络的分类器
4.4 BP算法的改进
4.5 改进后BP算法的应用
4.5.1 分类器的初始参数的设定
4.5.2 样本缺陷的训练结果
4.6 小结
第5章 铝/铜板带表面缺陷检测系统验证
5.1 试验平台搭建
5.2 软件系统操作界面及识别结果
5.3 小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]钢板表面缺陷在线视觉检测系统[J]. 张翔宇,王燕霜,张仕海. 机床与液压. 2019(04)
[2]基于小波变换的金属表面缺陷检测算法[J]. 冯国勇. 世界有色金属. 2018(20)
[3]基于机器视觉的冷轧板表面质量缺陷在线检测装备的系统集成及实现[J]. 黄正煌. 装备维修技术. 2018(04)
[4]基于改进神经网络的图像边缘分割技术[J]. 卫洪春. 现代电子技术. 2018(16)
[5]基于改进BP算法在深度神经网络学习中的研究[J]. 黄培. 机械强度. 2018(04)
[6]基于差分进化优化的BP神经网络图像复原方法[J]. 张勇,何泽裕,赵东宁,张席. 深圳大学学报(理工版). 2018(04)
[7]基于形态学特征的机械零件表面划痕检测[J]. 李克斌,余厚云,周申江. 光学学报. 2018(08)
[8]涡流阵列检测技术的研究进展现状分析[J]. 张卫民,岳明明,庞炜涵,徐民东,陈国龙. 机械制造与自动化. 2018(01)
[9]基于机器视觉的滑动轴承内表面缺陷自动检测系统设计[J]. 杜克飞. 机械工程师. 2018(01)
[10]基于机器视觉的零部件表面缺陷检测方法研究[J]. 刘晓杰,罗印升,张旻,范洪辉. 现代电子技术. 2017(24)
博士论文
[1]带钢表面缺陷图像检测与分类方法研究[D]. 甘胜丰.中国地质大学 2013
[2]钢板表面缺陷在线视觉检测系统关键技术研究[D]. 张洪涛.天津大学 2008
硕士论文
[1]基于机器视觉的手机金属板表面缺陷检测技术研究[D]. 张刘赟.浙江大学 2018
[2]复杂背景下光滑物体表面的缺陷检测技术研究[D]. 乔爽.华中科技大学 2016
[3]带钢表面缺陷检测及识别关键技术研究[D]. 熊鹰.重庆大学 2016
[4]基于机器视觉的汽车车身零部件表面划痕检测的研究[D]. 范伟.南京理工大学 2016
[5]板带材表面缺陷检测技术的研究[D]. 谢光伟.苏州大学 2014
[6]基于机器视觉的零件轮廓尺寸精密测量系统研究[D]. 董富强.天津科技大学 2014
[7]基于改进SPIHT算法的钢板表面缺陷漏磁检测海量数据压缩方法研究[D]. 潘晨燕.东北大学 2013
[8]基于机器视觉的表面缺陷检测算法研究[D]. 李玉宝.中南大学 2013
[9]基于机器视觉的热轧钢板表面缺陷检测系统关键技术研究[D]. 胡超.东北大学 2012
[10]基于机器视觉的带钢表面缺陷检测系统研究[D]. 高雪梅.河北大学 2011
本文编号：3057666
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3057666.html
