基于CCD的金属板带表面缺陷在线检测系统研究

论文摘要

金属板带表面缺陷是影响板带整体质量的一个重要因素。如何在生产过程中在线检测出金属板带表面缺陷并加以控制,是金属板带生产企业提高板带产品质量的重要手段。在考虑系统一致性的基础上,本文研究设计的金属板带表面缺陷检测系统包括图像采集、实时判断、图像预处理、缺陷分割、特征提取和分类识别六个部分。并模拟生产现场情况进行了金属板带表面缺陷检测实验,得到的主要结果有:针对金属板带表面缺陷特性,在实验室条件下,设计了金属板带表面缺陷检测的硬件系统,并模拟生产过程进行了实验,为系统进入现场验证打下基础;对实时处理检测方法进行了研究,采用半封闭式采集金属板带表面图像的方法,克服了灰度图像受环境影响的问题,有效控制了环境带来的图像噪声;针对采集到的金属板带表面缺陷图像的一般特点,设计了一种改进平滑滤波算法,实验效果显示该算法可很好的消除图像中的噪声;设计的一种基于BP神经网络的缺陷分类方法并实验验证,实现6种典型金属板带表面缺陷的识别,总体识别率可达88.7%。通过本文研究和探索,可为实现金属板带表面缺陷检测提供必要的技术支持。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景
• 1.2 课题研究目的和意义
• 1.3 金属板带主要表面缺陷
• 1.3.1 热轧板带表面缺陷
• 1.3.2 冷轧板带表面缺陷
• 1.3.3 酸洗表面缺陷
• 1.3.4 退火表面缺陷
• 1.4 金属板带表面缺陷检测系统的发展和现状
• 1.4.1 金属板带表面缺陷检测技术的意义
• 1.4.2 国外研究现状
• 1.4.3 CCD摄像头应用现状
• 1.5 课题研究内容
• 1.6 本章小结
• 2 基于CCD的金属板带表面缺陷检测系统总体方案设计
• 2.1 系统硬件设计方案
• 2.1.1 光源
• 2.1.2 半封闭式采集装置
• 2.1.3 多功能金属板带检测设备改造
• 2.2 系统软件设计方案
• 2.3 本章小结
• 3 金属板带表面缺陷实时处理模块设计
• 3.1 实时处理方法介绍
• 3.2 本课题设计方案
• 3.3 实验过程
• 3.4 实验结果分析
• 3.5 本章小结
• 4 图像预处理与边缘检测
• 4.1 图像的噪声
• 4.1.1 中值滤波
• 4.1.2 直方图均衡
• 4.1.3 高斯平滑
• 4.1.4 三种滤波方法的比较
• 4.1.5 本文采用的滤波方法
• 4.2 图像的二值化及实验结果
• 4.3 图像的边缘检测及实验结果
• 4.4 本章小结
• 5 缺陷图像的特征提取及识别
• 5.1 特征提取及特征量的选择
• 5.2 基于BP神经网络的图像识别
• 5.2.1 BP神经网络的算法和模型
• 5.2.2 BP神经网络的结构设计
• 5.2.3 实验结果
• 5.3 本章小结
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 研究成果