最优尺度分形维数在热轧带钢表面缺陷识别中的应用

热轧带钢的表面图像往往存在氧化铁皮等伪缺陷的干扰与光照不均的问题,目前的识别方法存在着误识率高的问题.将分形维数作为特征量,用于对热轧带钢表面缺陷的自动识别.利用peleg毯覆盖法计算图像在不同尺度下的分形维数,并提出最优尺度概念,通过尺度一分形维数曲线图估计最优尺度.对麻面、氧化铁皮和夹杂等进行试验,分别计算不同尺度下的分形维数,作为特征量输入Adaboost分类器进行训练和测试.试验结果表明用最优尺度下的分形维数作为特征量,分类器得到的识别率是所有尺度下最优的,即87.96%.     

基于幅值谱与不变矩的特征提取方法及应用

研究了傅立叶变换、不变矩的原理及特点,提出基于幅值谱与不变矩的特征提取方法,并应用于中厚板的表面缺陷自动分类.从现场在线采集中厚板的表面图像,将每幅表面图像划分成128×128大小的子图像,对子图像进行傅立叶变换得到子图像的幅值谱,再对幅值谱图像求Hu不变矩,将不变矩作为特征量,通过这种方法提取的特征向量不仅具有平移、旋转不变性,并且具有抗噪、抑制光照不均的优点.将本文方法得到的特征量作为基于LVQ神经网络的分类器输入,对缺陷样本进行学习和分类,结果表明,这些特征量适用于中厚板表面缺陷的分类,识别率达81.5％.     

热轧带钢表面缺陷在线检测的方法与工业应用

热轧带钢表面的温度高,辐射光强,并且存在着水、氧化铁皮、光照不均等现象,与冷轧带钢的表面存在着很大的差别.将线阵CCD摄像机作为图像采集装置,用绿色激光线光源作照明,通过窄带滤色镜滤除钢板表面的辐射光,从而提高了缺陷对比度.根据热轧带钢表面的特点提出新的缺陷检测与识别算法流程,通过增加4种不同类型的缺陷检测步骤,去除了大量由水、氧化铁皮等造成的伪缺陷,在保证缺陷检出率的同时,减小缺陷的误识率.经在线应用,该方法可以满足在线检测的要求,缺陷的检出率达95%以上,识别率达85%以上.     

热轧粗轧坯优化剪切技术的研发与应用

为解决粗轧钢坯剪切过程中切除量控制不准确导致成材率低的问题,研发了一套用于粗轧坯智能优化剪切的系统。该系统首先基于机器视觉技术,通过图像处理得到头尾轮廓并计算出最优剪切距离,再结合辊道速度实时跟踪钢板上剪切线的行进位置,在最佳时刻控制飞剪启动,实现优化剪切的目的。目前,该系统应用在国内某热轧线,结果表明,该技术能够实时有效地检测钢板头部和尾部轮廓,找到最佳剪切尺寸,从而保证不规则的头尾形状被彻底切除,剪切线控制在±5 mm时准确度可达到95.4%以上。     

基于激光线光源的钢轨表面缺陷三维检测方法

将结构光三维检测方法应用于钢轨生产过程中的表面缺陷三维检测,通过在钢轨四周安装4台激光线光源和8台面阵CCD摄像机实现钢轨四个面的检测。对摄像机采集到的激光光带图像进行光带中心提取、光带中心线矫正、光带中心线与基准线的差值等步骤,得到钢轨表面深度的变化值,并将沿钢轨长度方向和高度方向的深度变化值用深度分布图表示,通过两维图像识别的方法检测缺陷所在的区域,从而实现钢轨表面缺陷的自动检测。该方法已经实现在线应用,可以达到的最大检测速度为1.5m/s,深度检测分辨力为0.2mm。     

形态滤波在中厚板表面裂纹在线检测中的应用

用面阵CCD摄像机采集中厚板表面图像，对采集到的图像进行形态滤波的Top-Hat变换，并结合阈值处理及连通区域搜索等算法，可以在线检测中厚板的各种表面裂纹缺陷，包括横向裂纹、纵向裂纹、星状裂纹等。根据从生产线上采集到的图像分析了中厚板裂纹缺陷的典型特征，并对形态滤波中的结构元素选取进行了研究。该算法已用在中厚板生产线的表面缺陷在线检测系统中。     

中厚板表面缺陷在线检测系统的分类器设计

研究了BP网络、LVQ1网络、LVQ2网络所构建的分类器的性能,将这3种分类器用于中厚板表面缺陷的自动分类中.从现场在线采集中厚板的表面缺陷图像,将每幅表面图像划分成64×64大小的子图像,对子图像进行FFT变换,得到子图像的幅值谱.将幅值谱中心区域内的像素灰度值作为特征量,分别输入给BP网络、LVQ1网络、LVQ2网络所构建的分类器模型,试验表明LVQ2网络能够得到理想的分类效果.     

梳毛机末道毛网质量在线检测技术

采用图像处理的方法对梳毛机的末道毛网的质量作在线检测。通过线阵CCD摄像头采集毛网的表面图像，以图像的灰度值为原始数据，计算出毛网质量各项指标的数值，从而达到对毛网质量进行检测的目的。