面向硅鋼板表面缺陷的檢測(cè)與識(shí)別方法研究.pdf

1、硅鋼板主要用于制作各種發(fā)電機(jī)、電動(dòng)機(jī)和變壓器的鐵芯，是發(fā)電、輸變電、電機(jī)、電子和軍事工業(yè)不可或缺的重要軟磁性合金材料。由于硅鋼板表面質(zhì)量要求非常嚴(yán)格，微小缺陷的存在也會(huì)嚴(yán)重影響產(chǎn)品的性能，因此對(duì)硅鋼板表面缺陷的檢測(cè)要求比其他的冷軋板就更加嚴(yán)格，進(jìn)而給檢測(cè)系統(tǒng)提出了更大的挑戰(zhàn)。高品質(zhì)硅鋼板的生產(chǎn)離不開(kāi)有效的檢測(cè)手段，嚴(yán)格的產(chǎn)品質(zhì)量檢測(cè)是控制生產(chǎn)流程、改善工藝設(shè)備和提高產(chǎn)品質(zhì)量的可靠保障，因而各國(guó)鋼鐵企業(yè)都十分重視，不惜花費(fèi)巨資改進(jìn)檢測(cè)技術(shù)

2、、提高檢測(cè)水平。本文從圖像處理和目標(biāo)檢測(cè)的角度對(duì)目前硅鋼板表面缺陷的檢測(cè)與識(shí)別系統(tǒng)中存在的關(guān)鍵技術(shù)問(wèn)題進(jìn)行深入分析，并分別從圖像濾波與顯著提取技術(shù)、圖像分割技術(shù)、特征提取與分類(lèi)識(shí)別技術(shù)入手研究了解決問(wèn)題的方法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了方法的有效性。論文的主要研究?jī)?nèi)容及成果可歸納如下:
　　(1)在表面微小缺陷檢測(cè)的研究中，提出了一種顯著凸活動(dòng)輪廓模型(SCACM)的檢測(cè)新方法，實(shí)現(xiàn)了在背景雜亂和噪聲干擾問(wèn)題下對(duì)硅鋼板表面微小缺陷的檢測(cè)。在

3、該方法中，采用對(duì)稱(chēng)環(huán)繞凸顯(symmetric surround saliency)的顯著提取技術(shù)所獲得的顯著圖可有效抑制雜亂背景，并增加感興趣目標(biāo)區(qū)域和雜亂背景的對(duì)比度，使得潛在的微小缺陷目標(biāo)區(qū)域得以凸顯。而通過(guò)對(duì)活動(dòng)輪廓模型的研究，將顯著圖像特征融入到基于局部活動(dòng)輪廓的凸能量最小化函數(shù)中，進(jìn)而求解函數(shù)完成了對(duì)硅鋼板表面微小缺陷的檢測(cè)。為評(píng)估該檢測(cè)方法的性能，選取了兩種典型表面微小缺陷進(jìn)行實(shí)驗(yàn)，并與其他方法的結(jié)果進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表

4、明，SCACM方法不僅能有效地檢測(cè)出表面微小缺陷目標(biāo)，同時(shí)可降低錯(cuò)誤檢測(cè)個(gè)數(shù)，表現(xiàn)出了更好的檢測(cè)性能。
　　(2)從圖像處理和目標(biāo)識(shí)別的角度，分析了缺陷目標(biāo)出現(xiàn)被油污所覆蓋時(shí)所面臨的檢測(cè)困難，即雜亂背景的問(wèn)題、油污干擾問(wèn)題和反光的偽缺陷干擾問(wèn)題，提出了基于顯著線掃描形態(tài)學(xué)(SLSM)的缺陷檢測(cè)方法。該方法引入了顯著提取技術(shù)用來(lái)凸顯潛在的缺陷目標(biāo)區(qū)域，并獲得顯著圖像，進(jìn)而對(duì)顯著圖像進(jìn)行濾波和全局二值化處理。并在此基礎(chǔ)上，通過(guò)線掃描操

5、作獲得油污干擾區(qū)域，采用形態(tài)學(xué)邊緣處理的方法有效去除油污邊緣和反光偽缺陷邊緣，最終獲得表面缺陷目標(biāo)。以擦裂缺陷、劃傷缺陷和小缺陷等三種典型油污干擾下的表面缺陷圖像為對(duì)象，對(duì)該方法的性能進(jìn)行評(píng)估分析，并與其他方法進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，SLSM方法不僅完全檢測(cè)出了表面缺陷目標(biāo)，驗(yàn)證了該方法對(duì)油污干擾下表面缺陷目標(biāo)檢測(cè)的有效性;同時(shí)，能夠很好地去除油污邊緣和反光偽缺陷邊緣，與其他方法相比，該方法表現(xiàn)出更好的檢測(cè)性能。
　　(3)建

6、立了硅鋼板表面缺陷圖像數(shù)據(jù)集NEU-Silicon用來(lái)檢驗(yàn)特征提取方法對(duì)缺陷變形影響的穩(wěn)定性。同時(shí)建立了一個(gè)樣本個(gè)數(shù)和缺陷類(lèi)別都相對(duì)較多的熱軋板表面缺陷圖像數(shù)據(jù)集NEU-Hot，數(shù)據(jù)集中相同類(lèi)別缺陷外觀存在較大差異，而不同類(lèi)別的缺陷有著許多相似之處，因而NEU-Hot圖像數(shù)據(jù)集比NEU-Silicon圖像數(shù)據(jù)集更具挑戰(zhàn)性，能夠更全面的檢驗(yàn)各特征提取方法的性能。
　　(4)在缺陷圖像特征研究方面，基于對(duì)傅里葉變換和小波變換等特征提取

7、方法所存在的變形穩(wěn)定性差問(wèn)題的分析，引入了一種基于散射變換的深度卷積網(wǎng)絡(luò)的特征提取方法。該方法通過(guò)小波變換和模運(yùn)算迭代獲得散射算子，進(jìn)而通過(guò)卷積網(wǎng)絡(luò)將散射系數(shù)組合獲得缺陷特征，其對(duì)于變形具有平移不變性和Lipschitz連續(xù)性且能保留信號(hào)能量。為檢驗(yàn)方法的性能，研究了散射卷積網(wǎng)絡(luò)在硅鋼板表面缺陷的特征提取實(shí)驗(yàn)中的應(yīng)用，并使用NNC分類(lèi)器在NEU-Silicon圖像數(shù)據(jù)集取得了95.2％的平均分類(lèi)精度。為進(jìn)一步驗(yàn)證方法的廣泛適用性，研究了

8、散射卷積網(wǎng)絡(luò)在NEU-Hot圖像數(shù)據(jù)集上的應(yīng)用情況，并分別使用NNC分類(lèi)器和SVM得到了97.24％和98.60％的平均分類(lèi)精度，進(jìn)而驗(yàn)證了散射卷積網(wǎng)絡(luò)方法的有效性，具有一定的應(yīng)用推廣價(jià)值。
　　(5)針對(duì)局部二值模式(LBP)提取特征時(shí)編碼策略對(duì)噪聲比較敏感的問(wèn)題，提出了鄰域評(píng)估下的局部二值模式(AELBP)。鑒于鄰域評(píng)估操作的通用性，進(jìn)而將鄰域評(píng)估操作分別集成到完整局部二值模式(CLBP)和局部三值模式(LTP)中，得到了鄰域

9、評(píng)估下的完整局部二值模式(AECLBP)和鄰域評(píng)估下的局部三值模式(AELTP)。為了驗(yàn)證提出方法的通用性，將提出的AELBP、AECLBP和AELTP方法應(yīng)用到紋理分類(lèi)的實(shí)驗(yàn)中，并通過(guò)與當(dāng)前其他方法的最好結(jié)果進(jìn)行對(duì)比一步驗(yàn)證了對(duì)高斯噪聲干擾的魯棒性。同時(shí)為了檢驗(yàn)方法的應(yīng)用推廣價(jià)值，將提出的方法在建立的NEU-Silicon和NEU-Hot圖像數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，即使在高斯噪聲干擾時(shí)，提出的AECLBP方法獲得的平均分類(lèi)精