基于神經(jīng)網(wǎng)絡的鋼板表面缺陷識別若干問題的研究.pdf

1、目前，鋼鐵企業(yè)通常采用落后的人工目視抽檢和頻閃光檢測鋼板表面的質(zhì)量。然而這些方式具有抽檢率低、實時性差、檢測的置信度低、檢測環(huán)境惡劣等弊端，因此適時地開展鋼板表面缺陷在線無損檢測技術的研究工作，已成為國內(nèi)外學者和自動檢測設備供應商所共同關注的課題。本文在對此領域國內(nèi)外發(fā)展狀況進行分析的基礎上，從檢測系統(tǒng)的設計出發(fā)，通過對各種缺陷圖像處理方法的嘗試，深入研究了鋼板表面自動檢測系統(tǒng)的相關理論和關鍵技術，將神經(jīng)網(wǎng)絡方法成功的應用到了鋼板的缺陷

2、識別中。 1.系統(tǒng)設計。通過對鋼板表面質(zhì)量檢測系統(tǒng)的分析，建立了完整的硬件系統(tǒng)和軟件流程；針對鋼板的生產(chǎn)環(huán)境，對檢測光源以及CCD攝像機的選取提出了相關的見解；根據(jù)鋼板表面缺陷的特點，提出了圖像的處理及識別流程。 2.圖像的處理。針對中值濾波的缺點，采用了自適應均值濾波法，其引入了噪聲檢測，保留了圖像的大部分細節(jié)，在保證速度的同時也提高了濾波的效果；本文將拉普拉斯算子引入到圖像處理過程，提出了一種小波濾波法，其有效的將銳

3、化和平滑融合在一起，增強了圖像濾波的可調(diào)性；針對傳統(tǒng)Canny算子的局限性對其進行了改進，考慮了像素的對角方向，將其引入到差分均值計算中，從而提高了邊緣定位的準確度，且抑制了噪聲，有效的提高了邊緣檢測的效果。 3.特征的提取。提出了一種改進的投影特征參量提取方法，證明了其在坐標系不同旋轉角度下的適應性；另外引入了Hu不變矩和Zernike矩，并討論了它們對噪聲的適應性，二者滿足縮放，平移和旋轉上的幾何不變性，對于復雜的鋼板表面缺

4、陷來說，這兩種特征參量組成的復合不變矩特征能全面有效的表征缺陷圖像的多階特征信息，在一定程度上可以作為缺陷識別的重要依據(jù)。 4.缺陷的識別。針對傳統(tǒng)BP算法的缺點，引入了動態(tài)調(diào)節(jié)學習率、基于非線性變換和奇異值分解的改進算法，并嘗試將帶新型混合算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(RBFNN)引入到鋼板表面缺陷識別中。經(jīng)過計算機模擬，實驗表明帶新型混合算法的RBFNN識別率高，識別速度快，更能滿足鋼板表面缺陷識別的要求，是一種行之有效的方法。