基于机器视觉的钢板表面缺陷检测系统研究

• 作 者: 刘海博
• 发表日期: 2008年期
• 关键词: 缺陷检测 神经网络 遗传算法 机器视觉

质量控制在钢铁生产中的意义日趋显著。在激烈的市场竞争条件下,良好的表面质量不仅是企业形象的代表,而且是赢得市场的前提条件。传统的人工检测不能得到令人满意的检测结果。因此,研究和开发带钢表面缺陷检测系统已经成为众多钢铁企业的共识。带钢表面缺陷检测系统作为表面质量的检测设备,在生产中具有非常重要的价值。近年来,微电子、计算机技术、自动化技术和光电子技术的发展,人工智能、神经网络理论的深化及实用化,使带钢表面的检测向智能化、高精度、高可靠度、高速度的方向发展。本文对冷轧钢板表面缺陷检测的一些关键技术进行了研究,主要工作包括以下几个方面:1、根据带钢表面检测系统的技术要求,给出了冷轧带钢表面检测系统的总体设计方案,对系统的硬件结构和软件流程进行了介绍。2、对表面缺陷图像进行了特征提取,共研究了图像的灰度特征、形态特征、纹理特征和投影特征这四类特征。3、对带钢表面图像的边缘检测方法进行了研究及实现,采用了基于差影的分割算法,进行了二值化、去噪声、腐蚀、膨胀等一系列后续处理工作,并且较好的判断了边缘是否良好的情况。4、对基于BP神经网络的缺陷识别和分类方法进行了研究和实现,验证发现,效果良好。