带钢表面缺陷检测带钢表面缺陷检测姓名:朱士娟学号:1110121137摘要表面质量的好坏是带钢的一项重要指标,随着科学技术的不断发展,后续加工工业对带钢的表面质量要求越来越高
如何检测出带钢表面缺陷并加以控制,引起带钢生产企业的高度关注
随着计算机视觉技术的发展和计算机性能的不断提高,由带钢图像在线检测其表面质量已成为国内外学者研究的热点课题
在本课题中,首先提出了带钢表面监测系统的总体设计方案,从硬件和软件上保汪系统的实时性和精确度
其次设计一种获得噪声图像的方法,分析图像的噪声特性
并在此基础上针对传统中值滤波算法复杂、处理时间长等缺点,提出一种改进的迭代的中值滤波方法,这种方法在有效滤掉噪声的同时尽可能地保存了图像的细节,并比传统的中值滤波方法大大地减少了处理时间
在对图像进行滤波处理后,本文分别提出了BP神经网络法,区域灰度羞绝对值闽值法和基于背景差分的小区域闽值法三种方法,对带钢表面缺陷进行检测
本文选取300幅带钢图片进行实验,结果表明这三种方法的漏检率和错判率均在5%以下,且速度至少能达到10毫秒/每帧,满足实时检测系统低漏检率、低错判率和快速检测的要求
其中BP网络检测方法适应性好,可以通过样本学习适应相应的环境变化,并且不但能检测出已知样本的缺陷,而且对未知缺陷样本的检测效果也很好
区域灰度差绝对值检测方法算法简单,运算速度最快,能实现5毫秒/每帧的检测速度
基于背景差分的小区域闽值法除了算法简单,速度快以外,它还能有效地检测出微小的、对比度低的缺陷,并且背景图像的不断更新能使系统适应带钢表面质量的不断变化,使系统能满足不同生产环境的检测需要
通过本论文的研究和探索,使带钢表面监测系统的实用化更前迸一步,为进一步的带钢表面质量在线控制识别奠定了基础
关键词带钢,图像处理,滤波,缺陷检测1检测原理设轧制带钢速度为ν,在钢板的上下表面各安置一套检测装置(图1)