深度学习在钢板表面缺陷与字符识别中的应用
发布时间：2021-07-23 14:42
钢铁生产技术是衡量一个国家工业发展水平的重要标准,相关产品如薄板、带钢、棒材被广泛应用于建筑、机械、船舶、汽车、军工、家电等制造行业。随着国民经济的发展,中国钢铁企业逐渐从扩产能向着智能化、精细化、高附加值的生产模式转变。钢板表面缺陷检测与字符识别系统作为保证钢材产品质量,实现智能化生产的重要技术手段,持续受到钢铁企业的重视和研究。目前,钢板表面缺陷检测系统主要应用于表面质量较好的冷轧带钢、镀锌板生产线,在中厚板、热轧带钢等表面相对复杂的生产线应用较少,主要原因是现有缺陷检测算法对于复杂缺陷图像的识别能力有限,识别结果易受图像背景影响,稳定性不足。字符识别系统在钢铁行业应用较晚,主要原因同样是字符识别算法鲁棒性不足,对于图像背景复杂、模式多样的钢板表面字符识别精度较低,无法满足企业要求。近年来,随着计算力的提升与大规模数据集的建立,深度学习方法以其较高的识别精度、良好的泛化能力受到了广泛的关注与研究。在训练样本充足的情况下,深度学习方法识别精度与鲁棒性均远超传统算法。因此,为了提升钢板表面缺陷检测系统与字符识别系统精度,本文主要对基于深度学习的钢板表面缺陷检测分类与字符识别算法进行研究...
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：138 页
【学位级别】：博士
【部分图文】：
图１－２所示，钢铁企业在生产过程中，需要在钢坯表面喷印字符编码，??
?北京科技大学博士学位论文???如何提升钢板表面字符识别算法精度成为企业关注与研究的重点。??＿?Ｋ３??Ｖ?■■■＿｜＿＂｜｜｜＿■■■?－?ｍ??ｉ?ｊ??图１－２钢坯表面字符图像??１．２钢板表面缺陷检测系统研究现状??钢板表面缺陷检测技术起始于２０世纪７０年代，包含人工检测、涡流检??测、漏磁检测、红外检测与机器视觉检测等五种主检测方法。在钢板表面检??测技术应用早期，企业大多采用人工在线检测。涡流检测、漏磁检测、红外??检测由于其检测速度相对较低，且设备复杂性较高，一般用于铸坯以及棒线??材的内部缺陷检测。随着ＣＣＤ相机的发展，到２１世纪初，德国、美国、日??本等发达国家在基于机器视觉方法的缺陷检测技术中取得了长足的进步，使??钢板表面缺陷检测系统真正能够用于钢铁企业生产，并作为企业质量管控的??重要＾环［９］。中国钢板表面缺陷检测技术研究起步较晚，目前，部分钢铁企业??仍然采用人工目测、开卷抽检、翻板等方式进行缺陷检测，与基于机器视觉??的缺陷检测方法相比，人工检测方法效率低下、且精度无法得到保证［５］［６］。随??着中国企业对于钢铁产品质量要求的提升，传统人工检测己经无法满足生产??需求，中国钢铁企业也开始逐步过渡到基于机器视觉的缺陷检测设备。??－３?－??
检测。??１９９６年，美国康耐视公司研制了?ｉＳ－２０００自动检测系统［１９］，该系统在钢板上??下表面分别安装了两台ＣＣＤ相机，分别拍摄钢板在明、暗场下的图像信息，??以便更加准确的检出钢板表面缺陷。１９９７年，德国ＰａｒｓｙＴｅｃ开发了?ＨＴＳ－２与??ＨＴＳ－２Ｗ表面缺陷检测系统＠］，这两套检测系统分别采用了发光二极管??（ＬＥＤ）与氙闪光灯作为照明光源，对冷轧带钢与热轧带钢表面缺陷进行检测。??光源系统?采集系统??４?｜｜?ＩＩＩ?ｍ］Ｊ＿??ｕｕｕ?ｕ?计算系统??图１－３机器视觉缺陷检测系统示意图??我国对机器视觉钢板表面检测系统研究相对较晚。１９９０年，华中理工大??学罗志勇等人采用激光扫描方法检测冷轧带钢表面的孔洞缺陷，并于１９９５年??研发出了基于面阵ＣＣＤ相机的钢板表面检测系统。该系统采用了?ＰＣ和专用??ＤＳＰ相集合的图像处理新系统，实现了对孔洞、破皮和边裂的缺陷检测。同??年，哈尔滨工业大学机器人研究所也开始对带钢表面缺陷检测技术进行研究，??实现了对静止钢板表面缺陷的检测识别。２００２年，本课题组通过多台面阵??ＣＣＤ相机，与明、暗场照明的方法研发了冷轧带钢表面的缺陷检测系统［２１］。??１．３钢板表面字符识别系统研究现状??钢板表面字符识别包含人工检测网［２３＾２４］与机器视觉检测〖２５］［２６］两种方法。??随着钢铁生产装备水平的提高，部分钢铁企业开始逐步引入基于机器视觉钢??－６－??
【参考文献】：
期刊论文
[1]标准促进钢铁新材料产业健康有序发展[J]. 颜丞铭. 冶金标准化与质量. 2020 (01)
[2]2019年钢铁市场回顾及2020年形势展望[J]. 张兰英,杨巍. 冶金经济与管理. 2020(01)
[3]钢板表面缺陷图像的跨域翻译[J]. 田思洋,徐科,周东东. 中国冶金. 2019(04)
[4]柱面压印字符识别算法研究和实现[J]. 张传果,刘建群. 机床与液压. 2018(13)
[5]基于空间一致性的复杂场景钢坯端面字符定位[J]. 章秀华,钟庆,张成军,潘凯. 电子设计工程. 2014(13)
[6]基于字符结构特征的钢坯字符电子显示识别[J]. 洪汉玉,朱浩,魏和洪,秦实宏,俞喆俊,王澍. 武汉理工大学学报(信息与管理工程版). 2013(02)
[7]基于光度立体学的金属板带表面微小缺陷在线检测方法[J]. 徐科,周鹏,杨朝霖. 机械工程学报. 2013(04)
[8]重轨生产线钢坯字符识别方法[J]. 杨义军,洪汉玉,章秀华,王逸文,俞喆俊. 武汉工程大学学报. 2012(05)
[9]生产线复杂场景钢坯检测识别的定位方法研究[J]. 俞喆俊,洪汉玉,章秀华,张天序. 光电工程. 2012(01)
[10]SVM多类分类器在车牌字符识别中的应用[J]. 王伟,马永强,彭强. 计算机工程与设计. 2011(09)
博士论文
[1]带钢表面缺陷图像检测理论及识别算法研究[D]. 陈跃.中国矿业大学 2014
硕士论文
[1]资源环境视角下的中国钢铁出口发展研究[D]. 郑亚松.河北经贸大学 2020
[2]钢板点阵喷印字符识别方法研究[D]. 张靖娅.沈阳理工大学 2015
[3]基于机器视觉的重轨热轧标识检测系统关键技术研究[D]. 刘琴.重庆大学 2012
本文编号：3299485
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：138 页
【学位级别】：博士
【部分图文】：
图１－２所示，钢铁企业在生产过程中，需要在钢坯表面喷印字符编码，??
?北京科技大学博士学位论文???如何提升钢板表面字符识别算法精度成为企业关注与研究的重点。??＿?Ｋ３??Ｖ?■■■＿｜＿＂｜｜｜＿■■■?－?ｍ??ｉ?ｊ??图１－２钢坯表面字符图像??１．２钢板表面缺陷检测系统研究现状??钢板表面缺陷检测技术起始于２０世纪７０年代，包含人工检测、涡流检??测、漏磁检测、红外检测与机器视觉检测等五种主检测方法。在钢板表面检??测技术应用早期，企业大多采用人工在线检测。涡流检测、漏磁检测、红外??检测由于其检测速度相对较低，且设备复杂性较高，一般用于铸坯以及棒线??材的内部缺陷检测。随着ＣＣＤ相机的发展，到２１世纪初，德国、美国、日??本等发达国家在基于机器视觉方法的缺陷检测技术中取得了长足的进步，使??钢板表面缺陷检测系统真正能够用于钢铁企业生产，并作为企业质量管控的??重要＾环［９］。中国钢板表面缺陷检测技术研究起步较晚，目前，部分钢铁企业??仍然采用人工目测、开卷抽检、翻板等方式进行缺陷检测，与基于机器视觉??的缺陷检测方法相比，人工检测方法效率低下、且精度无法得到保证［５］［６］。随??着中国企业对于钢铁产品质量要求的提升，传统人工检测己经无法满足生产??需求，中国钢铁企业也开始逐步过渡到基于机器视觉的缺陷检测设备。??－３?－??
检测。??１９９６年，美国康耐视公司研制了?ｉＳ－２０００自动检测系统［１９］，该系统在钢板上??下表面分别安装了两台ＣＣＤ相机，分别拍摄钢板在明、暗场下的图像信息，??以便更加准确的检出钢板表面缺陷。１９９７年，德国ＰａｒｓｙＴｅｃ开发了?ＨＴＳ－２与??ＨＴＳ－２Ｗ表面缺陷检测系统＠］，这两套检测系统分别采用了发光二极管??（ＬＥＤ）与氙闪光灯作为照明光源，对冷轧带钢与热轧带钢表面缺陷进行检测。??光源系统?采集系统??４?｜｜?ＩＩＩ?ｍ］Ｊ＿??ｕｕｕ?ｕ?计算系统??图１－３机器视觉缺陷检测系统示意图??我国对机器视觉钢板表面检测系统研究相对较晚。１９９０年，华中理工大??学罗志勇等人采用激光扫描方法检测冷轧带钢表面的孔洞缺陷，并于１９９５年??研发出了基于面阵ＣＣＤ相机的钢板表面检测系统。该系统采用了?ＰＣ和专用??ＤＳＰ相集合的图像处理新系统，实现了对孔洞、破皮和边裂的缺陷检测。同??年，哈尔滨工业大学机器人研究所也开始对带钢表面缺陷检测技术进行研究，??实现了对静止钢板表面缺陷的检测识别。２００２年，本课题组通过多台面阵??ＣＣＤ相机，与明、暗场照明的方法研发了冷轧带钢表面的缺陷检测系统［２１］。??１．３钢板表面字符识别系统研究现状??钢板表面字符识别包含人工检测网［２３＾２４］与机器视觉检测〖２５］［２６］两种方法。??随着钢铁生产装备水平的提高，部分钢铁企业开始逐步引入基于机器视觉钢??－６－??
【参考文献】：
期刊论文
[1]标准促进钢铁新材料产业健康有序发展[J]. 颜丞铭. 冶金标准化与质量. 2020 (01)
[2]2019年钢铁市场回顾及2020年形势展望[J]. 张兰英,杨巍. 冶金经济与管理. 2020(01)
[3]钢板表面缺陷图像的跨域翻译[J]. 田思洋,徐科,周东东. 中国冶金. 2019(04)
[4]柱面压印字符识别算法研究和实现[J]. 张传果,刘建群. 机床与液压. 2018(13)
[5]基于空间一致性的复杂场景钢坯端面字符定位[J]. 章秀华,钟庆,张成军,潘凯. 电子设计工程. 2014(13)
[6]基于字符结构特征的钢坯字符电子显示识别[J]. 洪汉玉,朱浩,魏和洪,秦实宏,俞喆俊,王澍. 武汉理工大学学报(信息与管理工程版). 2013(02)
[7]基于光度立体学的金属板带表面微小缺陷在线检测方法[J]. 徐科,周鹏,杨朝霖. 机械工程学报. 2013(04)
[8]重轨生产线钢坯字符识别方法[J]. 杨义军,洪汉玉,章秀华,王逸文,俞喆俊. 武汉工程大学学报. 2012(05)
[9]生产线复杂场景钢坯检测识别的定位方法研究[J]. 俞喆俊,洪汉玉,章秀华,张天序. 光电工程. 2012(01)
[10]SVM多类分类器在车牌字符识别中的应用[J]. 王伟,马永强,彭强. 计算机工程与设计. 2011(09)
博士论文
[1]带钢表面缺陷图像检测理论及识别算法研究[D]. 陈跃.中国矿业大学 2014
硕士论文
[1]资源环境视角下的中国钢铁出口发展研究[D]. 郑亚松.河北经贸大学 2020
[2]钢板点阵喷印字符识别方法研究[D]. 张靖娅.沈阳理工大学 2015
[3]基于机器视觉的重轨热轧标识检测系统关键技术研究[D]. 刘琴.重庆大学 2012
本文编号：3299485
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3299485.html
