冷軋帶鋼表面缺陷可分離性特征提取及模式識別研究.pdf

1、冷軋帶鋼是鋼鐵工業(yè)的主要產(chǎn)品之一，它是汽車、家電、造船、航空航天等行業(yè)的重要原材料，其表面質(zhì)量直接影響最終產(chǎn)品的質(zhì)量和性能。在制造過程中，由于連鑄鋼坯、軋制設(shè)備、加工工藝等多方面的原因，導(dǎo)致冷軋帶鋼表面出現(xiàn)邊緣鋸齒、焊縫、夾雜、抬頭紋、氧化皮、結(jié)疤、輥印、刮傷、孔洞、針眼、鱗皮、表皮分層等不同類型的缺陷，這些缺陷不僅影響產(chǎn)品的外觀，更嚴(yán)重的是降低了產(chǎn)品的抗腐蝕性、耐磨性和疲勞強度等性能。欲提高冷軋帶鋼的表面質(zhì)量，必須首先解決其表面缺陷的

2、檢測與分類問題，繼而分析相應(yīng)缺陷產(chǎn)生的原因，最終提出消除缺陷的解決方案。 缺陷圖像的模式識別是冷軋帶鋼表面缺陷檢測的關(guān)鍵，而特征提取是模式識別中最為重要的步驟，然而在冷軋帶鋼的缺陷類型識別的研究過程中發(fā)現(xiàn)傳統(tǒng)的識別方法存在準(zhǔn)確識別率不夠理想、識別速度較慢、推廣性能差、適應(yīng)性差等不足。其原因在于所提取的特征可分離性不高；現(xiàn)場惡劣環(huán)境下采集的圖像質(zhì)量較差、含有較大噪音；圖像光照條件變化、亮度差異較大；圖像紋理變化復(fù)雜、規(guī)律性不強；同

3、一類缺陷圖像在表觀上也存在較大差異；在某一特征值中，類與類之間并不是存在很明確的界限，有嚴(yán)重的重疊現(xiàn)象。因此，針對這些問題，本文的工作主要集中對冷軋帶鋼表面缺陷的樣本采集、特征提取和模式識別等方面進(jìn)行研究。 具體內(nèi)容及成果如下： (1)在缺陷樣本采集方面，主要研究了冷軋帶鋼表面噪聲圖像的快速預(yù)處理，以及利用灰度直方圖信息從大量表面圖像中快速有效地采集出含有缺陷的圖像； (2)針對冷軋帶鋼表面缺陷圖像特征提取可分離

4、性不高的現(xiàn)狀，提出了基于類距離可分離性判據(jù)的混合特征提取方法，設(shè)計了具體的特征提取方法和算法。該方法以小波變換的L<,1>范數(shù)特征、灰度共生矩陣二次統(tǒng)計特征和形貌特征為基礎(chǔ)，運用基于類距離的可分離性判據(jù)原理提取出可分離性特征向量。實驗結(jié)果表明，該方法提取的特征向量具有較大的可分離性，很大程度上提高了特征的分類有效性，使缺陷識別取得了較高的正確識別率。 (3)針對冷軋帶鋼表面缺陷圖像模式識別中出現(xiàn)圖像噪音較大和特征值重疊嚴(yán)重的問題

5、，引入模糊模式識別和BP神經(jīng)網(wǎng)絡(luò)識別方法，在研究比較兩種識別方法的基礎(chǔ)上利用模糊模式識別在剔除噪音數(shù)據(jù)、解決特征重疊方面的優(yōu)勢和BP神經(jīng)網(wǎng)絡(luò)在模型擬合、非線性識別上的優(yōu)勢，提出一種新的模糊神經(jīng)網(wǎng)絡(luò)方法，對其算法的結(jié)構(gòu)特點進(jìn)行研究并利用計算機編程實現(xiàn)。對5種出現(xiàn)頻率較高的典型缺陷圖像進(jìn)行計算機實驗研究研究結(jié)果表明，該方法能夠?qū)θ毕輬D像進(jìn)行有效的識別，具有良好的性能。 (4)提出了基于漸進(jìn)直推式學(xué)習(xí)和最近鄰法的改進(jìn)支持向量機的冷軋