基于機器視覺的鋼板表面缺陷檢測系統(tǒng)的關(guān)鍵技術(shù)研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：嵩4孚龜簽字日期：2o，弓年嗎月I7日摘要隨著視覺傳感技術(shù)、計算機技術(shù)和圖像處理技術(shù)的快速

2、發(fā)展，機器視覺技術(shù)日趨成熟，已成為現(xiàn)代加工制造業(yè)不可或缺的核心技術(shù)。鋼板表面質(zhì)量是一項非常重要的技術(shù)指標(biāo)，如何快速檢測鋼板表面的缺陷、提高鋼板的生產(chǎn)水平是鋼板生產(chǎn)企業(yè)亟待解決的問題。傳統(tǒng)的人工檢測方法由于其效率低、漏檢率高、勞動強度大等缺點，已經(jīng)不能滿足現(xiàn)有鋼板生產(chǎn)發(fā)展的需要?；跈C器視覺的鋼板表面缺陷檢測技術(shù)相對于傳統(tǒng)的檢測技術(shù)具有快速、準(zhǔn)確、可靠與智能化等優(yōu)點，目前已成為國內(nèi)外廣大學(xué)者和鋼鐵企業(yè)的主要研究方向。本文在對鋼板表面缺陷檢

3、測系統(tǒng)的關(guān)鍵技術(shù)進行深入研究的基礎(chǔ)上，著重研究了鋼板表面缺陷圖像的預(yù)處理算法、分割算法、特征提取方法、特征選擇方法以及基于支持向量機的分類算法。并在此基礎(chǔ)上提出了一套鋼板表面缺陷檢測系統(tǒng)的總體方案，闡述了系統(tǒng)各部分的選擇方法。主要完成的工作如下：1針對鋼板表面缺陷圖像的特點，研究了缺陷圖像的預(yù)處理算法，實現(xiàn)了對缺陷圖像的增強；提出了一種改進的二維最大類間方差閾值分割算法，使缺陷圖像分割的耗時大大減少，并得到了較好分割效果。2研究了缺陷圖

4、像的特征提取方法。對缺陷圖像的不變矩特征、灰度特征和紋理特征進行了提取并進行歸一化處理：采用主成分分析法進行特征選擇，產(chǎn)生新的線性無關(guān)的特征值，實現(xiàn)了缺陷特征的降維。3研究了基于支持向量機的缺陷分類算法，設(shè)計并實現(xiàn)了基于支持向量機的多類分類器。并選取缺陷樣本進行分類實驗，得出了較好的分類結(jié)果。4在研究圖像預(yù)處理、分割、特征提取、特征降維和缺陷分類算法的基礎(chǔ)上，提出了一套鋼板表面缺陷檢測系統(tǒng)的總體方案，設(shè)計了系統(tǒng)的硬件模塊及選用方法。設(shè)計