基于機器視覺的帶鋼表面缺陷圖像處理與識別.pdf

1、本文針對鋼板表面缺陷的圖像處理和識別問題進行研究,對圖像處理的各個流程逐個進行分析,根據(jù)算法理論和試驗,得到帶鋼表面缺陷圖像處理效果較好的各流程算法,并建立有效地BP神經(jīng)網(wǎng)絡分類器,對帶鋼缺陷進行分類。試驗在離線狀態(tài)下進行,對實現(xiàn)在線檢測提供了很好地借鑒意義。本文的研究成果如下:
　　 (1)根據(jù)帶鋼圖像中的噪聲類型,利用常用的圖像平滑算法,實時地濾除圖像中的噪聲;
　　 (2)針對帶鋼缺陷成因復雜,種類多,形態(tài)各異的特

2、點,構建了5個類似缺陷邊緣的結構元素,利用修正的抗噪膨脹腐蝕型的數(shù)學形態(tài)學方法檢測邊緣,相對傳統(tǒng)邊緣檢測算法,可以很好地檢測出相對連續(xù)完整的缺陷邊緣,特別是對于對比度不太明顯的如短劃傷等缺陷和邊緣形狀不規(guī)則、邊緣灰度值變化較大的如磷化斑等缺陷都可以檢測到較為連續(xù)完整的缺陷;而傳統(tǒng)邊緣算子檢測出的帶鋼缺陷邊緣不連續(xù),特別是對于對比度不太明顯的短劃傷等缺陷,檢測邊緣效果很差,甚至根本無法檢測出來;
　　 (3)根據(jù)缺陷圖像特點,提取