热镀锌板表面缺陷在线检测系统
发布时间：2021-10-19 19:33
随着中国经济的高速发展,人们对于高品质热镀锌板的需求不断增加,然而表面缺陷会严重降低产品的品质,因此对热镀锌板进行准确的表面缺陷检测相当重要。当前热镀锌板表面缺陷检测仍以人工检测为主,不仅效率低,而且漏检率高,研究并开发高效的热镀锌板表面缺陷检测设备与系统已经成为钢铁企业共同关注的一个焦点。本文提出设计实现热镀锌板表面缺陷在线检测系统,旨在提高生产效率,提升产品品质。首先,介绍了热镀锌板表面缺陷检测的相关背景、研究现状、目的意义以及表面缺陷检测原理,列举了4种热镀锌板表面常见的缺陷种类,并且根据某大型热镀锌厂的检测目标与技术要求,明确了系统需要达到的各项指标,对系统进行了总体设计规划。其次,基于总体设计规划方案,按照需要达到的各项具体指标,对硬件设备进行了逐一选型,包括工业相机、镜头、照明系统、工控机等设备。再次,设计了系统软件部分的实现方案,图像处理部分主要采用基于SSD（Single Shot MultiBox Detector）算法的目标检测模型,考虑到热镀锌板表面缺陷图像的多样性与复杂性,对最初的SSD算法进行适当的改进,包括制作新的数据集,改用更高级的基网络以及用预训练好的模...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
1 绪论
1.1 研究背景
1.2 热镀锌板表面缺陷检测技术的研究现状
1.3 深度学习目标检测算法的发展过程
1.3.1 基于区域候选的目标检测算法
1.3.2 基于回归方法的目标检测算法
1.4 本文的研究目的和意义
1.5 本文结构和安排
2 热镀锌板表面缺陷在线检测系统的总体设计
2.1 热镀锌板表面缺陷检测原理
2.2 热镀锌板表面缺陷主要类型
2.3 系统目标与技术要求
2.4 系统总体设计
2.5 本章小结
3 热镀锌板表面缺陷在线检测系统的硬件设计
3.1 工业相机及镜头选型
3.1.1 相机的分类
3.1.2 图像传感器
3.1.3 相机选型
3.1.4 镜头选型
3.2 照明系统选型
3.2.1 光源的分类
3.2.2 光源选型
3.2.3 照明方式
3.3 其他硬件选型
3.3.1 工控机选型
3.3.2 GPU选型
3.3.3 金属架子设计
3.3.4 PLC选型
3.4 本章小结
4 热镀锌板表面缺陷在线检测系统的软件设计
4.1 SSD算法
4.1.1 SSD简介
4.1.2 SSD在缺陷检测应用中的不足
4.2 Inception网络
4.2.1 Inception v1
4.2.2 Inception v2
4.2.3 Inception v3
4.3 SSD算法改进
4.4 软件实现
4.4.1 图像获取与预处理
4.4.2 数据库数据存储
4.4.3 上位机软件
4.5 本章小结
5 实验验证与分析
5.1 实验过程
5.1.1 现场安装设备
5.1.2 制作数据集
5.1.3 训练模型
5.2 实验结果
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
作者攻读研究生期间发表的论文
参考文献
【参考文献】：
期刊论文
[1]用于内河船舶目标检测的单次多框检测器算法[J]. 王言鹏,杨飏,姚远. 哈尔滨工程大学学报. 2019(07)
[2]基于改进SSD的行人检测方法[J]. 邢浩强,杜志岐,苏波. 计算机工程. 2018(11)
[3]基于卷积神经网络的工件缺陷检测研究[J]. 于科为. 信息与电脑(理论版). 2018(21)
[4]自然环境下多类水果采摘目标识别的通用改进SSD模型[J]. 彭红星,黄博,邵园园,李泽森,张朝武,陈燕,熊俊涛. 农业工程学报. 2018(16)
[5]基于深度学习物体检测的视觉跟踪方法[J]. 唐聪,凌永顺,杨华,杨星,郑超. 红外与激光工程. 2018(05)
[6]基于深度学习SSD模型的视频室内人数统计[J]. 郑国书,朱秋煜,王辉. 工业控制计算机. 2017(11)
[7]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕. 电子测量技术. 2017(11)
[8]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[9]几种常见光源的发光机制[J]. 张昊东. 电子技术与软件工程. 2017(01)
[10]管道漏磁检测探头的设计思路[J]. 赵兰斌. 装备制造技术. 2013(12)
博士论文
[1]引入人类视觉特性的带钢表面缺陷检测与识别方法研究[D]. 丛家慧.东北大学 2010
[2]钢板表面缺陷检测技术的研究[D]. 程万胜.哈尔滨工业大学 2008
硕士论文
[1]基于Faster R-CNN的工业CT图像缺陷检测研究[D]. 常海涛.兰州交通大学 2018
[2]无人机运动目标实时检测识别算法研究[D]. 黄卓.哈尔滨工业大学 2018
[3]基于深度学习的移动端图像识别算法[D]. 黄萱昆.北京邮电大学 2018
[4]基于机器视觉的陶瓷基板图像缺陷检测研究[D]. 魏洪修.山东大学 2016
[5]铸坯表面缺陷图像检测方法研究[D]. 郑嵘.上海交通大学 2013
[6]基于数字图像处理的镀锌板表面缺陷边缘检测算法研究[D]. 刘佳.辽宁科技大学 2012
[7]基于机器视觉的钢板表面缺陷检测技术研究[D]. 郭平.南昌大学 2010
[8]基于机器视觉的带钢表面缺陷检测算法研究[D]. 陈平.西安理工大学 2010
[9]工业零件形状尺寸的机器视觉检测系统的研究[D]. 刘霞.哈尔滨理工大学 2009
[10]带钢表面缺陷智能化辨识方法的研究[D]. 刘江春.西安理工大学 2004
本文编号：3445481
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
1 绪论
1.1 研究背景
1.2 热镀锌板表面缺陷检测技术的研究现状
1.3 深度学习目标检测算法的发展过程
1.3.1 基于区域候选的目标检测算法
1.3.2 基于回归方法的目标检测算法
1.4 本文的研究目的和意义
1.5 本文结构和安排
2 热镀锌板表面缺陷在线检测系统的总体设计
2.1 热镀锌板表面缺陷检测原理
2.2 热镀锌板表面缺陷主要类型
2.3 系统目标与技术要求
2.4 系统总体设计
2.5 本章小结
3 热镀锌板表面缺陷在线检测系统的硬件设计
3.1 工业相机及镜头选型
3.1.1 相机的分类
3.1.2 图像传感器
3.1.3 相机选型
3.1.4 镜头选型
3.2 照明系统选型
3.2.1 光源的分类
3.2.2 光源选型
3.2.3 照明方式
3.3 其他硬件选型
3.3.1 工控机选型
3.3.2 GPU选型
3.3.3 金属架子设计
3.3.4 PLC选型
3.4 本章小结
4 热镀锌板表面缺陷在线检测系统的软件设计
4.1 SSD算法
4.1.1 SSD简介
4.1.2 SSD在缺陷检测应用中的不足
4.2 Inception网络
4.2.1 Inception v1
4.2.2 Inception v2
4.2.3 Inception v3
4.3 SSD算法改进
4.4 软件实现
4.4.1 图像获取与预处理
4.4.2 数据库数据存储
4.4.3 上位机软件
4.5 本章小结
5 实验验证与分析
5.1 实验过程
5.1.1 现场安装设备
5.1.2 制作数据集
5.1.3 训练模型
5.2 实验结果
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
作者攻读研究生期间发表的论文
参考文献
【参考文献】：
期刊论文
[1]用于内河船舶目标检测的单次多框检测器算法[J]. 王言鹏,杨飏,姚远. 哈尔滨工程大学学报. 2019(07)
[2]基于改进SSD的行人检测方法[J]. 邢浩强,杜志岐,苏波. 计算机工程. 2018(11)
[3]基于卷积神经网络的工件缺陷检测研究[J]. 于科为. 信息与电脑(理论版). 2018(21)
[4]自然环境下多类水果采摘目标识别的通用改进SSD模型[J]. 彭红星,黄博,邵园园,李泽森,张朝武,陈燕,熊俊涛. 农业工程学报. 2018(16)
[5]基于深度学习物体检测的视觉跟踪方法[J]. 唐聪,凌永顺,杨华,杨星,郑超. 红外与激光工程. 2018(05)
[6]基于深度学习SSD模型的视频室内人数统计[J]. 郑国书,朱秋煜,王辉. 工业控制计算机. 2017(11)
[7]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕. 电子测量技术. 2017(11)
[8]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[9]几种常见光源的发光机制[J]. 张昊东. 电子技术与软件工程. 2017(01)
[10]管道漏磁检测探头的设计思路[J]. 赵兰斌. 装备制造技术. 2013(12)
博士论文
[1]引入人类视觉特性的带钢表面缺陷检测与识别方法研究[D]. 丛家慧.东北大学 2010
[2]钢板表面缺陷检测技术的研究[D]. 程万胜.哈尔滨工业大学 2008
硕士论文
[1]基于Faster R-CNN的工业CT图像缺陷检测研究[D]. 常海涛.兰州交通大学 2018
[2]无人机运动目标实时检测识别算法研究[D]. 黄卓.哈尔滨工业大学 2018
[3]基于深度学习的移动端图像识别算法[D]. 黄萱昆.北京邮电大学 2018
[4]基于机器视觉的陶瓷基板图像缺陷检测研究[D]. 魏洪修.山东大学 2016
[5]铸坯表面缺陷图像检测方法研究[D]. 郑嵘.上海交通大学 2013
[6]基于数字图像处理的镀锌板表面缺陷边缘检测算法研究[D]. 刘佳.辽宁科技大学 2012
[7]基于机器视觉的钢板表面缺陷检测技术研究[D]. 郭平.南昌大学 2010
[8]基于机器视觉的带钢表面缺陷检测算法研究[D]. 陈平.西安理工大学 2010
[9]工业零件形状尺寸的机器视觉检测系统的研究[D]. 刘霞.哈尔滨理工大学 2009
[10]带钢表面缺陷智能化辨识方法的研究[D]. 刘江春.西安理工大学 2004
本文编号：3445481
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3445481.html
