基于神經(jīng)網(wǎng)絡(luò)的鋼板表面缺陷識別若干問題的研究.pdf

1、目前，鋼鐵企業(yè)通常采用落后的人工目視抽檢和頻閃光檢測鋼板表面的質(zhì)量。然而這些方式具有抽檢率低、實時性差、檢測的置信度低、檢測環(huán)境惡劣等弊端，因此適時地開展鋼板表面缺陷在線無損檢測技術(shù)的研究工作，已成為國內(nèi)外學(xué)者和自動檢測設(shè)備供應(yīng)商所共同關(guān)注的課題。本文在對此領(lǐng)域國內(nèi)外發(fā)展?fàn)顩r進(jìn)行分析的基礎(chǔ)上，從檢測系統(tǒng)的設(shè)計出發(fā)，通過對各種缺陷圖像處理方法的嘗試，深入研究了鋼板表面自動檢測系統(tǒng)的相關(guān)理論和關(guān)鍵技術(shù)，將神經(jīng)網(wǎng)絡(luò)方法成功的應(yīng)用到了鋼板的缺陷

2、識別中。 1.系統(tǒng)設(shè)計。通過對鋼板表面質(zhì)量檢測系統(tǒng)的分析，建立了完整的硬件系統(tǒng)和軟件流程；針對鋼板的生產(chǎn)環(huán)境，對檢測光源以及CCD攝像機的選取提出了相關(guān)的見解；根據(jù)鋼板表面缺陷的特點，提出了圖像的處理及識別流程。 2.圖像的處理。針對中值濾波的缺點，采用了自適應(yīng)均值濾波法，其引入了噪聲檢測，保留了圖像的大部分細(xì)節(jié)，在保證速度的同時也提高了濾波的效果；本文將拉普拉斯算子引入到圖像處理過程，提出了一種小波濾波法，其有效的將銳

3、化和平滑融合在一起，增強了圖像濾波的可調(diào)性；針對傳統(tǒng)Canny算子的局限性對其進(jìn)行了改進(jìn)，考慮了像素的對角方向，將其引入到差分均值計算中，從而提高了邊緣定位的準(zhǔn)確度，且抑制了噪聲，有效的提高了邊緣檢測的效果。 3.特征的提取。提出了一種改進(jìn)的投影特征參量提取方法，證明了其在坐標(biāo)系不同旋轉(zhuǎn)角度下的適應(yīng)性；另外引入了Hu不變矩和Zernike矩，并討論了它們對噪聲的適應(yīng)性，二者滿足縮放，平移和旋轉(zhuǎn)上的幾何不變性，對于復(fù)雜的鋼板表面缺

4、陷來說，這兩種特征參量組成的復(fù)合不變矩特征能全面有效的表征缺陷圖像的多階特征信息，在一定程度上可以作為缺陷識別的重要依據(jù)。 4.缺陷的識別。針對傳統(tǒng)BP算法的缺點，引入了動態(tài)調(diào)節(jié)學(xué)習(xí)率、基于非線性變換和奇異值分解的改進(jìn)算法，并嘗試將帶新型混合算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)引入到鋼板表面缺陷識別中。經(jīng)過計算機模擬，實驗表明帶新型混合算法的RBFNN識別率高，識別速度快，更能滿足鋼板表面缺陷識別的要求，是一種行之有效的方法。