带钢表面缺陷图像处理与分类算法研究

发布时间：2022-07-11 12:43

　　热轧带钢被广泛应用于汽车制造、船舶工业和化工等行业,其表面质量直接影响产品质量。由于热轧设备、工艺流程等原因,带钢表面往往会出现裂纹、夹杂、斑块、麻点、压入氧化皮、划伤等缺陷。这些缺陷不但影响产品外观,还极易导致零件破裂和锈蚀,大大降低了带钢的强度、使用寿命,所以对带钢表面缺陷进行研究,识别带钢缺陷种类,具有重要意义。本文基于机器视觉对热轧带钢表面缺陷进行了图像预处理、图像特征提取、特征数据处理和图像分类算法研究。对于缺陷图像的预处理过程,主要利用评价参数对多种预处理算法进行选择:采用“峰值信噪比”参数选择图像滤波算法;采用“平均梯度”参数选择图像增强算法;采用“均像素精度”和“均交并比”参数选择图像分割算法,从而确定出适合热轧带钢表面缺陷图像的预处理算法流程,提高了后续缺陷图像特征提取数据的准确性。针对传统方法中直接在图像域或频率域提取特征存在的问题,提出首先采用二维离散小波变换将预处理后的带钢表面缺陷图像分解为不同子带,然后通过“信息熵”参数确定图像的低频子带含有最多图像分类信息,因此基于缺陷图像低频子带分别提取出缺陷图像的纹理特征、矩特征和投影特征,并对特征数据进行标准化处理及重... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究意义
    1.2 基于机器视觉的带钢表面缺陷检测研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 带钢表面常见缺陷
    1.4 本文主要研究内容
第2章 带钢表面缺陷图像预处理
    2.1 图像滤波
        2.1.1 中值滤波
        2.1.2 均值滤波
        2.1.3 均值偏移滤波
        2.1.4 高斯滤波
        2.1.5 双边滤波
        2.1.6 图像滤波评价
    2.2 图像增强
        2.2.1 拉普拉斯增强
        2.2.2 直方图均衡增强
        2.2.3 伽马增强
        2.2.4 对数增强
        2.2.5 图像增强评价
    2.3 图像分割
        2.3.1 Roberts算法
        2.3.2 LoG算法
        2.3.3 Sobel算法
        2.3.4 Canny算法
        2.3.5 Prewitt算法
        2.3.6 图像分割评价
    2.4 本章小结
第3章 带钢表面缺陷特征提取及特征数据处理
    3.1 小波变换
    3.2 特征提取
        3.2.1 矩特征
        3.2.2 纹理特征
        3.2.3 投影特征
    3.3 特征数据标准化处理
    3.4 特征重要性分析
    3.5 本章小结
第4章 带钢表面缺陷图像分类算法
    4.1 支持向量机算法
    4.2 多特征融合的集成分类算法
        4.2.1 加权投票法
        4.2.2 基分类器
    4.3 本章小结
第5章 实验及分析
    5.1 实验对象及实验条件
    5.2 实验及分析
    5.3 本章小结
第6章 总结和展望
    6.1 总结
    6.2 展望
参考文献
致谢
在学期间主要科研成果
    一、发表学术论文
    二、其它科研成果


【参考文献】：
期刊论文
[1]一种面向不平衡分类的改进多决策树算法[J]. 段化娟,尉永清,刘培玉,周鹏.  广西师范大学学报(自然科学版). 2020(02)
[2]基于支持向量机和逻辑回归的半监督空谱加权的高光谱图像分类（英文）[J]. 赵春晖,高冰,赵晨.  黑龙江大学工程学报. 2019(04)
[3]融合多特征与随机森林的纹理图像分类方法[J]. 陈静,张艳新,姜媛媛.  传感器与微系统. 2019(12)
[4]基于傅里叶变换的随机纹理瓷砖的高精度表面缺陷检测[J]. 段春梅,张涛川.  计算机测量与控制. 2019(10)
[5]快速傅里叶变换结合SVM算法识别地表玉米秸秆覆盖率[J]. 李佳,吕程序,苑严伟,李亚硕,伟利国,秦秋生.  农业工程学报. 2019(20)
[6]Sobel算子在气膜孔图像清晰度评价过程中的研究[J]. 刘孟晨,庞长涛,郝雪.  机械科学与技术. 2020(07)
[7]平稳小波去噪算法中的参数选择[J]. 张恒,潘仲明.  国防科技大学学报. 2019(04)
[8]基于多粒度级联多层梯度提升树的选票手写字符识别算法[J]. 徐英杰,李国勇,洪文焕.  计算机应用. 2019(S1)
[9]基于可见光谱和支持向量机的黄瓜叶部病害识别方法研究[J]. 李鑫星,朱晨光,白雪冰,毛富焕,傅泽田,张领先.  光谱学与光谱分析. 2019(07)
[10]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)

硕士论文
[1]基于机器视觉的钢板表面缺陷识别研究[D]. 胡联亭.武汉科技大学 2018
[2]小波变换去除面波的方法研究[D]. 李媛媛.长安大学 2004



本文编号：3658184