機(jī)器視覺帶材表面缺陷檢測關(guān)鍵技術(shù)研究.pdf

1、金屬帶材是工業(yè)基礎(chǔ)性原材料，其表面質(zhì)量作為產(chǎn)品重要性能參數(shù)越來越受到企業(yè)關(guān)注。表面檢測數(shù)據(jù)不僅可以用于分析工藝問題，還可為成品管理提供重要依據(jù)。隨著市場需求量快速上升，基于機(jī)器視覺的表面檢測技術(shù)已經(jīng)成為研究熱點。目前該技術(shù)市場不僅被國外壟斷，且技術(shù)仍未成熟。本文對目前金屬帶材表面檢測中存在的技術(shù)問題展開研究。通過對其中關(guān)鍵技術(shù)分析總結(jié)，給出了解決方案。在完成了樣機(jī)研制后進(jìn)行了工程應(yīng)用驗證，最終成功得到了應(yīng)用推廣。期間形成創(chuàng)新性成果包括：

2、
　　1．針對數(shù)據(jù)采集過程中干擾因素造成圖像非均勻性問題，提出統(tǒng)計背景估計的高斯馬爾科夫模型校正方法，解決了圖像非均勻性和圖像序列灰階不一致性問題；對校正后的圖像數(shù)據(jù)提出基于3σ準(zhǔn)則的自適應(yīng)背景紋理的缺陷提取方法，解決了高數(shù)據(jù)率下缺陷檢測的實時性問題。兩種方法的融合實現(xiàn)使系統(tǒng)檢出率和穩(wěn)定性得到了保證。
　　2．針對變背景紋理與非顯著性缺陷圖像分割問題，提出組合分割算法。該方法基于3σ準(zhǔn)則自適應(yīng)雙閾值、殘差卡方分割、自適應(yīng)熵檢

3、測，以誤分概率最小準(zhǔn)則實現(xiàn)自動組合分割，并采用固定閾值異常判斷。結(jié)合自動多線程技術(shù)實現(xiàn)，提高了分割準(zhǔn)確性。
　　3．針對多形態(tài)非顯著性缺陷在大數(shù)據(jù)率下識別的技術(shù)難點，提出最近鄰與詞袋模型兩級識別方法。方法通過缺陷特征與最近鄰法過濾缺陷數(shù)據(jù)；再通過混沌特征描述缺陷形態(tài)的非確定性，再構(gòu)造中層特征描述其隱含的工藝特征信息進(jìn)行二級識別。
　　4．為獲取穩(wěn)定且高質(zhì)量的圖像，對其中關(guān)鍵部件進(jìn)行了自主研制，形成了多項專利技術(shù)：一體化多路線