2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩121頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

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

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論