基于红外热像技术连铸板坯裂纹预报方法研究
发布时间：2022-01-04 22:12
随着钢铁产业的飞速发展,连铸技术也已经取得了很大的进步与提升。但由于受拉速、保护渣性能、钢液成分、振动方法等因素的影响,钢坯表面仍然有缺陷形成。目前,许多国内外的钢铁企业在生产及检测过程中,大量采用传统的人眼观察检测裂纹的方式。这种检测方式很容易受多种不确定的人为因素影响,无法避免漏检和误检,直接导致钢材的质量降低,废品、次品率增高,严重影响了生产效益。因此,防止连铸板坯表面缺陷的产生,尤其是裂纹,对提高连铸生产的效率以及产品质量具有十分重要的意义。同时对连铸板坯裂纹进行实时预报也是目前各大钢铁企业迫切解决的课题之一。系统将红外热像技术和模式识别技术相结合,研究一种有效的钢坯裂纹预测方法,对板坯质量进行在线预测预报,从而指导操作人员比较合理有效的控制好连铸工艺相关参数、连铸设备等因素,达到减少表面裂纹产生、保证产品质量的目的。针对由于周围环境的影响造成图像的不清晰、模糊等问题,对板坯图像进行了一系列的处理。首先采用灰度级的修正法,通过变换修正图像像素的灰度值,来减小灰度两端区域噪声的影响,提高图像的对比度,实现了图像增强的效果。然后采用均值滤波法对图像进行平滑处理,可以增强低频分量并对...
【文章来源】：华北理工大学河北省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
引言
第1章 绪论
1.1 课题的研究背景及意义
1.2 连铸坯表面缺陷的现状
1.3 国内外的研究现状及发展趋势
1.4 常见连铸板坯表面质量检测方法的对比分析
1.5 论文的主要研究内容
第2章 预报系统相关的理论知识及裂纹相关知识
2.1 红外辐射原理
2.1.1 红外辐射的基本概念
2.1.2 红外辐射的基本规律
2.1.3 灰体的红外辐射
2.2 热像仪成像相关理论知识
2.2.1 红外热像仪的成像性能
2.2.2 红外成像原理
2.2.3 红外成像系统的特点
2.3 红外成像系统
2.4 模式识别基础理论
2.5 裂纹产生原因及影响裂纹的因素
2.5.1 裂纹产生的原因
2.5.2 裂纹产生的机理
2.5.3 影响裂纹产生的因素
第3章 连铸板坯裂纹预报系统的总体研究
3.1 系统的主要构件组成
3.1.1 红外热像仪的选型
3.1.2 Halcon图像处理软件
3.2 连铸板坯表面裂纹检测系统的工作原理
3.3 连铸板坯裂纹检测的总体框架
3.3.1 裂纹检测系统的总体内容
3.3.2 连铸板坯裂纹图像处理的工作过程
第4章 裂纹检测系统的图像处理与分析
4.1 图像预处理
4.1.1 灰度级的修整
4.1.2 对裂纹图像的平滑处理
4.2 图像分割
4.2.1 二值化原理
4.2.2 边缘检测
4.3 钢坯裂纹几何特征的计算
第5章 连铸板坯裂纹预报系统的软件设计
5.1 系统的开发环境设计
5.2 裂纹检测系统的软件工作流程
5.2.1 系统工作流程
5.2.2 系统中应用的主要函数
5.3 人机交互界面的设计
结论
参考文献
致谢
导师简介
企业导师简介
作者简介
学位论文数据集
【参考文献】：
期刊论文
[1]基于图像特征的板坯表面裂纹检测方法[J]. 李培玉,张志欣,董月. 钢铁研究学报. 2013(08)
[2]基于神经网络的连铸板坯质量在线诊断系统[J]. 郭贤利,彭世恒,仇圣桃. 冶金自动化. 2013(03)
[3]红外图像特征提取算法研究[J]. 李海龙,吕瑞,尹琪. 黑龙江工程学院学报(自然科学版). 2012(02)
[4]基于改进Hu矩的变电站红外图像特征提取[J]. 梁利利,陈俏. 软件导刊. 2011(08)
[5]水泥杆中的缺陷分析及可检测性探讨[J]. 宋平,崔华锋,彭帝,陈厚桂. 机电元件. 2010(03)
[6]红外图像特征提取方法研究[J]. 付立冬,姜学军,谭小波. 科技信息. 2009(15)
[7]带钢表面缺陷视觉检测系统关键技术研究[J]. 张洪涛,段发阶,丁克勤,叶声华. 计量学报. 2007(03)
[8]一种新的冷轧带钢表面缺陷图像模式识别方法[J]. 王成明,颜云辉,韩英莉,李骏,吴艳萍. 计算机工程与应用. 2007(13)
[9]红外热像技术及其应用的研究进展[J]. 李国华,吴立新,吴淼,曲敬信. 红外与激光工程. 2004(03)
[10]基于计算机图像识别的表面裂纹检测方法[J]. 张晓春,刘岩. 重型机械. 2003(05)
博士论文
[1]基于图像不变量特征的自动目标识别技术研究[D]. 朱旭锋.中国科学院研究生院(西安光学精密机械研究所) 2012
[2]红外成像目标检测与识别方法研究[D]. 刘靳.西安电子科技大学 2010
[3]基于红外热像仪的温度测量技术及其应用研究[D]. 李云红.哈尔滨工业大学 2010
硕士论文
[1]基于图像特征的连铸板坯表面质量在线监测方法的研究[D]. 张志欣.浙江大学 2014
[2]钢坯表面裂纹的图像识别算法研究[D]. 朱华.武汉科技大学 2013
[3]基于数字图像处理的高温钢坯裂纹检测研究[D]. 黄志良.电子科技大学 2013
[4]基于机器视觉的铸坯表面缺陷检测算法研究[D]. 杨娟.华中科技大学 2013
[5]基于超小波变换的手指静脉特征提取方法研究[D]. 田政.哈尔滨工程大学 2013
[6]基于红外摄像的连铸坯表面质量在线监测方法的研究[D]. 陈灵光.浙江大学 2013
[7]红外图像的目标检测与识别方法研究[D]. 李静静.沈阳理工大学 2013
[8]基于图像识别的边坡表面位移检测方法研究[D]. 彭艺.重庆交通大学 2012
[9]基于红外热成像镁合金材料疲劳裂纹扩展的试验研究[D]. 魏凌霄.太原理工大学 2012
[10]铸坯表面缺陷自动检测系统的算法研究[D]. 刘思.华中科技大学 2012
本文编号：3569144
【文章来源】：华北理工大学河北省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
引言
第1章 绪论
1.1 课题的研究背景及意义
1.2 连铸坯表面缺陷的现状
1.3 国内外的研究现状及发展趋势
1.4 常见连铸板坯表面质量检测方法的对比分析
1.5 论文的主要研究内容
第2章 预报系统相关的理论知识及裂纹相关知识
2.1 红外辐射原理
2.1.1 红外辐射的基本概念
2.1.2 红外辐射的基本规律
2.1.3 灰体的红外辐射
2.2 热像仪成像相关理论知识
2.2.1 红外热像仪的成像性能
2.2.2 红外成像原理
2.2.3 红外成像系统的特点
2.3 红外成像系统
2.4 模式识别基础理论
2.5 裂纹产生原因及影响裂纹的因素
2.5.1 裂纹产生的原因
2.5.2 裂纹产生的机理
2.5.3 影响裂纹产生的因素
第3章 连铸板坯裂纹预报系统的总体研究
3.1 系统的主要构件组成
3.1.1 红外热像仪的选型
3.1.2 Halcon图像处理软件
3.2 连铸板坯表面裂纹检测系统的工作原理
3.3 连铸板坯裂纹检测的总体框架
3.3.1 裂纹检测系统的总体内容
3.3.2 连铸板坯裂纹图像处理的工作过程
第4章 裂纹检测系统的图像处理与分析
4.1 图像预处理
4.1.1 灰度级的修整
4.1.2 对裂纹图像的平滑处理
4.2 图像分割
4.2.1 二值化原理
4.2.2 边缘检测
4.3 钢坯裂纹几何特征的计算
第5章 连铸板坯裂纹预报系统的软件设计
5.1 系统的开发环境设计
5.2 裂纹检测系统的软件工作流程
5.2.1 系统工作流程
5.2.2 系统中应用的主要函数
5.3 人机交互界面的设计
结论
参考文献
致谢
导师简介
企业导师简介
作者简介
学位论文数据集
【参考文献】：
期刊论文
[1]基于图像特征的板坯表面裂纹检测方法[J]. 李培玉,张志欣,董月. 钢铁研究学报. 2013(08)
[2]基于神经网络的连铸板坯质量在线诊断系统[J]. 郭贤利,彭世恒,仇圣桃. 冶金自动化. 2013(03)
[3]红外图像特征提取算法研究[J]. 李海龙,吕瑞,尹琪. 黑龙江工程学院学报(自然科学版). 2012(02)
[4]基于改进Hu矩的变电站红外图像特征提取[J]. 梁利利,陈俏. 软件导刊. 2011(08)
[5]水泥杆中的缺陷分析及可检测性探讨[J]. 宋平,崔华锋,彭帝,陈厚桂. 机电元件. 2010(03)
[6]红外图像特征提取方法研究[J]. 付立冬,姜学军,谭小波. 科技信息. 2009(15)
[7]带钢表面缺陷视觉检测系统关键技术研究[J]. 张洪涛,段发阶,丁克勤,叶声华. 计量学报. 2007(03)
[8]一种新的冷轧带钢表面缺陷图像模式识别方法[J]. 王成明,颜云辉,韩英莉,李骏,吴艳萍. 计算机工程与应用. 2007(13)
[9]红外热像技术及其应用的研究进展[J]. 李国华,吴立新,吴淼,曲敬信. 红外与激光工程. 2004(03)
[10]基于计算机图像识别的表面裂纹检测方法[J]. 张晓春,刘岩. 重型机械. 2003(05)
博士论文
[1]基于图像不变量特征的自动目标识别技术研究[D]. 朱旭锋.中国科学院研究生院(西安光学精密机械研究所) 2012
[2]红外成像目标检测与识别方法研究[D]. 刘靳.西安电子科技大学 2010
[3]基于红外热像仪的温度测量技术及其应用研究[D]. 李云红.哈尔滨工业大学 2010
硕士论文
[1]基于图像特征的连铸板坯表面质量在线监测方法的研究[D]. 张志欣.浙江大学 2014
[2]钢坯表面裂纹的图像识别算法研究[D]. 朱华.武汉科技大学 2013
[3]基于数字图像处理的高温钢坯裂纹检测研究[D]. 黄志良.电子科技大学 2013
[4]基于机器视觉的铸坯表面缺陷检测算法研究[D]. 杨娟.华中科技大学 2013
[5]基于超小波变换的手指静脉特征提取方法研究[D]. 田政.哈尔滨工程大学 2013
[6]基于红外摄像的连铸坯表面质量在线监测方法的研究[D]. 陈灵光.浙江大学 2013
[7]红外图像的目标检测与识别方法研究[D]. 李静静.沈阳理工大学 2013
[8]基于图像识别的边坡表面位移检测方法研究[D]. 彭艺.重庆交通大学 2012
[9]基于红外热成像镁合金材料疲劳裂纹扩展的试验研究[D]. 魏凌霄.太原理工大学 2012
[10]铸坯表面缺陷自动检测系统的算法研究[D]. 刘思.华中科技大学 2012
本文编号：3569144
本文链接：https://www.wllwen.com/projectlw/yjlw/3569144.html
