基于机器视觉的在线薄钢板表面缺陷检测系统设计

发布时间：2021-04-12 11:40

　　随着机器视觉技术的发展,基于图像的检测技术不断用到工业生产中,近些年来由于薄钢板零部件的加工量大大增加,基于图像的钢板表面缺陷检测研究成为了众多领域研究的热点,由于钢板表面的缺陷种类繁多,传统检测技术已经不能满足人们对其准确性与高效性的需求。传统的检测方法的准确性和其较低的效率已经不能使人们和社会得到满足。基于机器视觉的表面缺陷检测方法的特点是准确率高,处理速度较快,能够智能处理,是表面缺陷检测的一大趋势。本文以在线薄钢板的表面缺陷为研究对象,运用传统机器视觉检测方法,研究设计了在线薄钢板的表面缺陷检测系统,主要开展以下工作:（1）针对传统的中值滤波和高斯滤波算法在滤除高斯噪声和椒盐噪声时保留图像边缘细节不足的问题,提出了一种基于偏微分中值滤波算法,然后为了增加钢板图像中缺陷目标和背景的对比度,对钢板图像进行了图像增强,通过对直方图均衡化和分段自适应伽马函数转换图像增强算法做对比,选择了分段自适应伽马转换函数对钢板缺陷图象进行图像增强。（2）通过实验验证表明传统的边缘检测和阈值分割技术无法对钢板表面缺陷特征进行很好的分割,最后提出了基于像元搜索改进的阈值分割算法,结果发现该算法完美的解... 

【文章来源】：沈阳理工大学辽宁省

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

薄钢板图

沈阳理工大学硕士学位论文-6-噪声的概率密度函数见式（2-1）。2()/21()2zzPze(2-1)式中：表示均值，表示方差，p(z)表示概率密度。为了加大和其它滤波去除高斯噪声的区分度，本文对灰度图增加了一些高斯噪声，增加高斯噪声的效果图如图2.2所示：(a)无缺陷图(b)擦花图(c)碰凸图(d)粘结图图2.2薄钢板添加高斯噪声效果图Fig.2.2EffectofaddingGaussiannoisetothinsteelplate椒盐噪声是随机呈现的白点和黑点，是无法被确定的。在图像当中椒盐噪声的呈现形式也是随机且无法避免的，可能在图像的最亮部分出现黑点，也可能在暗的地方出现白点，也可能二者都会出现[24]。为了加大和其它滤波去除椒盐噪声的区分度，本文对灰度图增加一些椒盐噪声，增加椒盐噪声的效果图如图2.3所示：(a)无缺陷图(b)擦花图(c)碰凸图(d)粘结图图2.3薄钢板添加15%浓度椒盐噪声效果图Fig.2.3Effectof15%concentrationsaltandpeppernoiseonsheetsteel

沈阳理工大学硕士学位论文-6-噪声的概率密度函数见式（2-1）。2()/21()2zzPze(2-1)式中：表示均值，表示方差，p(z)表示概率密度。为了加大和其它滤波去除高斯噪声的区分度，本文对灰度图增加了一些高斯噪声，增加高斯噪声的效果图如图2.2所示：(a)无缺陷图(b)擦花图(c)碰凸图(d)粘结图图2.2薄钢板添加高斯噪声效果图Fig.2.2EffectofaddingGaussiannoisetothinsteelplate椒盐噪声是随机呈现的白点和黑点，是无法被确定的。在图像当中椒盐噪声的呈现形式也是随机且无法避免的，可能在图像的最亮部分出现黑点，也可能在暗的地方出现白点，也可能二者都会出现[24]。为了加大和其它滤波去除椒盐噪声的区分度，本文对灰度图增加一些椒盐噪声，增加椒盐噪声的效果图如图2.3所示：(a)无缺陷图(b)擦花图(c)碰凸图(d)粘结图图2.3薄钢板添加15%浓度椒盐噪声效果图Fig.2.3Effectof15%concentrationsaltandpeppernoiseonsheetsteel


本文编号：3133236