基于HMT模型的带钢表面缺陷检测研究

为了减少带钢表面缺陷检测系统需要处理的数据量,提高系统检测效率,提出基于隐马尔科夫模型的带钢表面检测方法。该方法在检测系统获取图像数据后,先用相对简单的方法分割出图像中的缺陷可疑区域,然后根据带钢表面图像的特点,采用隐马尔可夫树模型(HMT)进行数据分析,并改进HMT模型参数,完成多尺度分割效果融合,获得最终的分割结果。在对带钢缺陷测试样本集的分割中,采用HMT模型为带钢表面图像建立背景和缺陷两个模型,尺度3缺陷检出率达到94.4%,相比高斯混合模型提升了5.5%,误检率达到18.8%,比高斯混合模型降低了2%。     

带钢表面图像缺陷区域的分割方法

主要研究了一种适用于带钢表面图像的缺陷区域分割方法．首先,对传统的基于边缘检测和全局阈值的缺陷区域分割方法进行研究和比较,然后根据带钢表面缺陷图像的灰度特点,提出了一种基于灰度级形态学增强和自适应阈值的缺陷区域分割方法．采用本文方法对常见的带钢表面图像进行缺陷区域分割实验,结果表明本文方法的分割效果要优于传统的分割方法．因此,提出的基于灰度级形态学增强和自适应阈值的缺陷区域分割方法具有一定的实际应用价值．     

一种基于目标特征挖掘的带钢缺陷图像分割方法

通过分析带钢图像,挖掘缺陷图像的特征,提出一种基于目标特征挖掘的带钢缺陷图像分割方法。首先,将采集的带钢缺陷图像进行中值滤波处理;然后,通过等分图像灰度范围所确定的一系列阈值对带钢图像进行预分割,通过挖掘带钢缺陷图像的特征,以特征因子作为任务驱动,找出特征值发生突变的区间;在此突变的区间内,再按照上述方法对带钢图像缺陷存在的区域进行细分,找出面积突变点,以此确定最佳阈值,通过最佳阈值进行带钢缺陷图像分割,得到特征子图;最后将若干特征子图融合,得到带钢缺陷图像分割结果。实验结果表明,将此方法应用于带钢缺陷图像分割过程中,能够完整有效地分割出带钢缺陷区域,为带钢缺陷的视觉在线检测提供了可能性。     

钢板表面质量机器视觉检测系统设计

针对国内钢厂采用人工方法检查钢板表面缺陷存在可靠性差的问题,开发设计了基于机器视觉技术的带钢表面缺陷自动检测系统.系统通过摄像头采集带钢表面的图像,然后采用图像处理及模式识别算法对图像进行实时处理和分析,从而检测出钢扳表面缺陷,并对缺陷进行自动分类识别.实验结果表明,系统能够对带钢表面进行实时在线监测,并能正确识别常见的带钢表面缺陷.     

带钢缺陷图像的自动阈值分割研究

文章根据带钢缺陷图像的特点,提出了基于灰度统计特性的图像边缘检测方法,结合纹理检测、聚类分析,实现了对带钢缺陷图像的自动阈值分割。实验结果表明,该方法具有在精度和速度方面的优势,适合对带钢表面图像的缺陷进行实时检测。     

3维灰度矩阵的钢板缺陷图像识别

目的 钢板表面缺陷的种类多样、灰度结构复杂,现有的图像分割技术运用在灰度结构复杂、目标边缘模糊的钢板缺陷图像中仍然存在识别效率低、过分割现象明显等问题,本文结合图像灰度矩阵的空间特征,提出一种基于3维灰度矩阵的钢板表面缺陷识别算法。方法 首先根据灰度图像构建3维灰度矩阵;然后引入半类间方差改进克里金插值算法,绘制3维灰度矩阵的等值线图;接着构建等值线的拓扑关系树;最后根据自定义的全局搜索策略和局部搜索策略相结合,寻找局部凹凸区域,从而定位缺陷区域,达到分割钢板表面缺陷的目的。结果 本文方法能有效地识别钢板表面缺陷区域,对光照变化不敏感,在保证低误差率的前提下,提高了有效分割率。通过对氧化、辊印、结疤和气泡四类钢板缺陷图像进行测试,从分割效果和评价指标两方面对比其他钢板缺陷分割算法。与Fisher阈值分割法、经典的活动轮廓模型CV模型、基于半局部区域描述符的活动轮廓模型HTB模型和改进背景差分法进行分割效果对比,本文方法对四类钢板表面缺陷的识别更精确,分割结果更细致,一定程度上抑制了过分割现象。与大津法Ostu、1维最大模糊熵法1DMFE、最大模糊超熵法MFEE进行评价指标对比,得出对于分割孔洞和辊印图像,本文方法在误分割率均保持在2.0%以下的前提下,将有效信息率分别提升了1.6%和2.1%;对于夹杂图像,本文方法在3.4%的误分割率的前提下,具有85%以上的有效信息率。结论 提出的基于3维灰度矩阵的钢板缺陷图像识别算法可以有效地识别多种类型的钢板缺陷,即使在缺陷结构复杂的图像识别中仍具有较高的识别率。     

带钢表面缺陷图像的增强和分割方法

对带钢表面缺陷进行检测时,由于光照不均匀,将导致缺陷难以识别和分割.针对此问题,提出了改进的图像增强与分割方法.首先,利用自适应二维高斯函数对图像背景进行估计,并结合图像的像素运算均匀图像背景灰度;然后,采用灰度变换函数提高缺陷区域与背景的对比度,增强细节信息;最后,采用最大相关准则方法选取阈值对缺陷图像进行分割.实验...     

基于人工免疫系统的带钢表面缺陷检测技术

针对传统的图像检测算法对具有噪声以及光照不足或不均匀的带钢表面图像检测时效果不理想的问题,提出了基于人工免疫系统的带钢表面缺陷检测技术。根据检测器和抗原之间的论域空间包含关系,以及自体在论域空间中的位置信息,引进了分块空间的方式,提出了检测器分块的生成算法,对缺陷图像表面灰度信息进行三维恢复,获得带钢表面缺陷的高度信息,实现其三维质量检测。实验表明,该方法无论是在对比度低、光照不均还是有噪声干扰的情况下相对于传统的图像检测算法具有较好的处理效果。     

小波分解在带钢缺陷检测中的应用

光照不均会降低带钢图像的质量,在研究带钢缺陷特点的基础上,提出一种新的带钢缺陷检测方法。首先,对图像取对数处理并进行小波分解,其次分别对小波分解的子图进行同态滤波,然后对滤波后的子图进行中央周边差操作形成差分子图,在此基础上,对差分子图进行融合处理并取指数处理得到高对比度的缺陷图像,最后采用Otsu分割方法对缺陷图像分割。实验结果表明,该方法能增强缺陷图像对比度,图像细节部分清晰,同时可抑制噪声的影响,能够有效地实现缺陷图像的分割。     

基于小波变换的带钢表面缺陷图像增强算法

针对传统图像增强算法在处理有大量噪声、光照不足或不均匀的图像,尤其是实际现场的带钢表面图像时效果较差的问题,提出基于小波变换的图像增强算法,将其应用于冷轧带钢表面缺陷图像的增强中。对比实验结果表明,该方法的增强效果和抗噪性能明显优于传统算法。     

基于虚拟仪器的扁钢内部缺陷超声三维成像方法研究

超声三维成像技术因其能够提供人体结构的立体信息,而被广泛的应用于医学诊断领域;然而,由于计算量大、成本高、速度慢,工业构件的超声三维成像技术却鲜见报道;弹簧扁钢是国民经济建设的重要钢材品种之一,通过超声三维成像技术测量扁钢内部缺陷的三维分布对于提高扁钢质量控制能力具有重要作用;为提高三维成像效率及降低成像系统的研发周期,提出高效的数据采集及三维图像重构方法,并基于虚拟仪器技术开发了三维图像重构软件;研究结果显示,基于超声水浸聚焦分层C扫描的数据提取方法能够满足三维成像的要求,所提出的数据重构方法及基于虚拟仪器的三维成像软件能够准确重构扁钢内部层片状缺陷的三维分布,是弹簧扁钢内部缺陷评价的有效方法。     

带钢表面缺陷图像的可拓分类算法

针对带钢表面缺陷难以识别和分类的问题,将可拓集合理论应用于带钢表面缺陷图像的分类,由缺陷图像的灰度共生矩阵计算出的能量、熵、惯性矩和相关性作为分类的特征向量,通过对大量图像数据的统计分析,确定不同缺陷类别的各参数经典域和节域,计算出待分类缺陷相对于各缺陷类别的加权关联度值,由最大值确定待分类缺陷所属类别。选择实际图像进行分类实验,仿真结果显示能够取得较好的分类效果。     

板带钢表面质量实时监测体系研究

板带钢市场竞争的日益激烈,传统的检测方法正逐渐退出应用舞台,更稳定高效表的面检测解决方案成为国内外钢铁企业的找寻目标.针对实际应用的需要,从表面缺陷采集系统,缺陷处理和识别系统、质量智能评价与推理系统等3个方面首次系统地阐述了板带钢表面质量实时监测体系,以期推动目前我国板带钢表面缺陷的在线监测研究水平.     

基于神经网络的冷轧带钢表面缺陷检测

带钢表面缺陷是影响带钢质量的重要因素,对带钢进行表面缺陷检测对提高带钢质量具有重要意义。传统人工检测的方法往往不能得到令人满意的检测结果。为此,提出了采用基于前馈神经网络(FFN)的方法对在线带钢的表面缺陷进行检测,检测结果令人满意,表明了该方法的有效性。     

粗糙集理论的带钢表面缺陷图像的识别与分类

针对带钢表面的划伤、黑斑、翘皮、辊印、褶皱和压印6种典型缺陷,提取样本图像的灰度、纹理和几何形状特征等20维特征向量;给出粗糙集理论的关键技术,基于粗糙集理论构造带钢表面缺陷图像识别的决策表,对决策表进行属性约简,并直接从训练样本图像中导出决策规则;应用所获取的规则对带钢表面缺陷测试样本图像进行分类,并同BP算法进行对比,验证了基于粗糙集理论的分类识别算法的有效性。     

钢板表面缺陷检测系统的设计与实现

钢板作为钢铁工业的主要产品形式之一,已成为汽车、机械制造、化工、航空、航天和造船等工业不可缺少的原材料,其表面质量的优劣将直接影响最终产品的性能和质量。针对目前国内钢板表面缺陷检测方法比较落后、检测效果较差的情况,提出了钢板表面缺陷检测系统的设计与实现方案,包括硬件和软件的组成和部署;采用了串、并口编程和图像模式匹配等技术,实现了钢板表面的自动拍照、缺陷检测及生产和缺陷信息的保存;依据图片的几何学特征和光学特征等,实现了缺陷检测算法,包括缺陷识别和缺陷分类。在此基础上开发的钢板表面缺陷检测系统已经成功地应用到了现实的钢板生产中。     

钢板表面缺陷在线视觉检测系统研究

本文设计了一套智能无损检测系统以实现对钢板表面缺陷的在线检测.检测系统由新型LED光源,明暗域结合成像光学系统、高速高分辨率线阵CCD器件、FPGA嵌入式处理系统和缺陷自动分类子系统等组成.系统对钢板表面的气泡、夹杂、结疤、划伤和压痕等主要缺陷进行无损检测,并基于Bayes决策理论,实现缺陷的自动分类功能.本系统在实验室检测指标为:宽度最大为1 800 mm,运行速度不大于1.5 m/s,振动幅度小于1 mm,横纵向检测分辨率为0.8 mm×0.8 mm,尺寸检测误差不大于1 mm.     

机械加工零件表面纹理缺陷检测

在一些对机械加工零件表面的加工精度和表面质量要求较高的自动化工业中，对机械加工零件表面纹理缺陷进行可靠的、有效的检测和分析可以大大地提高生产加工的自动化水平。为了能够对机械加工零件表面进行可靠、有效的检测，根据机械加工零件表面的纹理特点，设计了一种新的图像频域滤波器，用于增强缺陷纹理图像和抑制背景纹理对缺陷纹理检测的干扰，再通过图像分割的方法的实现了缺陷纹理和背景纹理的分割。实验结果显示，这种方法检测速度较快，尤其适用于机械精加工零件表面纹理缺陷的准实时检测。     

基于Gabor小波和核保局投影算法的表面缺陷自动识别方法

研究了Gabor小波变换和核保局投影(Kernel locality preserving projections, KLPP)算法的原理, 分析了热轧钢板表面缺陷的特点, 提出了一种基于Gabor小波和KLPP算法的特征提取方法, 并应用于热轧钢板表面缺陷自动识别. 首先利用Gabor小波将图像分解到5个尺度8个方向的40个分量中, 接着对原始图像和各个分量的实部和虚部分别提取均值和方差, 得到一个162维的特征向量, 然后利用KLPP算法将该特征向量的维数降到21维, 最后利用多层感知器网络对样本进行分类识别. 本文提出的特征提取方法具有计算简单、可并行处理的特点, 对沿一定方向分布的边缘和纹理具有较高的区分能力. 利用从工业现场采集的缺陷图像对本文方法进行了实验, 识别率达到93.87%.