帶鋼表面缺陷分級(jí)檢測(cè)相關(guān)技術(shù)的研究.pdf

1、隨著技術(shù)的發(fā)展，為了不斷的提高產(chǎn)品的質(zhì)量和生產(chǎn)效率，帶鋼表面缺陷在線檢測(cè)技術(shù)在生產(chǎn)過(guò)程中顯得日益重要，是一項(xiàng)具有重大研究?jī)r(jià)值的前沿技術(shù)領(lǐng)域。本文在對(duì)此領(lǐng)域國(guó)內(nèi)外發(fā)展?fàn)顩r進(jìn)行分析的基礎(chǔ)上，從檢測(cè)系統(tǒng)的設(shè)計(jì)出發(fā)，通過(guò)系統(tǒng)地分析傳統(tǒng)檢測(cè)系統(tǒng)組成結(jié)構(gòu)對(duì)系統(tǒng)實(shí)時(shí)處理性能的影響，提出新的分級(jí)檢測(cè)方案，深入研究了鋼板表面缺陷分級(jí)檢測(cè)的相關(guān)技術(shù)。主要包括：如何有效的提高初級(jí)檢測(cè)的自適應(yīng)性與實(shí)時(shí)性的問(wèn)題、低對(duì)比度缺陷圖像的邊緣提取問(wèn)題、自動(dòng)的獲得最具區(qū)分

2、力的多維融合特征向量的問(wèn)題、提高分類器的智能化水平等問(wèn)題進(jìn)行了深入的研究，提出了解決這些問(wèn)題的新方法。并通過(guò)理論上的分析和實(shí)驗(yàn)測(cè)試，進(jìn)行了的可行性和適用性的論證。
　　 主要研究?jī)?nèi)容與成果如下：
　　 (1)為了使帶鋼在線質(zhì)量監(jiān)測(cè)系統(tǒng)在實(shí)時(shí)處理性能上適應(yīng)帶鋼的軋制速度不斷提高這種變化，通過(guò)分析檢測(cè)系統(tǒng)組成結(jié)構(gòu)對(duì)系統(tǒng)實(shí)時(shí)處理性能的影響，搭建了新型帶鋼表面缺陷的分級(jí)檢測(cè)系統(tǒng)。針對(duì)初級(jí)檢測(cè)的對(duì)高速實(shí)時(shí)檢測(cè)的要求引入了先進(jìn)的TM

3、S320C6416 DSP圖像處理的硬件平臺(tái)。軟件方面提出了三維灰度特征對(duì)帶鋼缺陷的有無(wú)進(jìn)行信息描述，同時(shí)提出了對(duì)兩類問(wèn)題分類性能優(yōu)良的改進(jìn)的支持向量機(jī)分類器，對(duì)線性不可分的問(wèn)題做了核函數(shù)轉(zhuǎn)換。提高了初級(jí)檢測(cè)的實(shí)時(shí)性與自適應(yīng)性。
　　 (2)針對(duì)帶鋼缺陷圖像的質(zhì)量差，對(duì)比度低，灰度不均勻等特點(diǎn)，提出了基于圖像梯度信息的改進(jìn)的二維Otsu閾值分割方法，這種方法首先將原空間的問(wèn)題轉(zhuǎn)化為梯度空間的問(wèn)題后，能夠?qū)⒒叶茸兓瘎×业牡胤胶芎玫?/p>

4、表現(xiàn)出來(lái)，然后提出一個(gè)控制有效二維Otsu閾值的合理性函數(shù)結(jié)合了最大類間方差與最小類內(nèi)離散度來(lái)指導(dǎo)閾值的最優(yōu)確定，用此閾值對(duì)梯度圖像進(jìn)行二值化處理，可以將缺陷的邊緣輪廓從復(fù)雜背景圖像中自動(dòng)提取出來(lái)。
　　 (3)為了自動(dòng)的獲得最具區(qū)分力的多維融合特征向量，優(yōu)化特征子集。在提取初始的形狀以及結(jié)構(gòu)特征和紋理特征后，提出基于改進(jìn)的ReliefF評(píng)估選擇混合加權(quán)特征的算法，通過(guò)特征的權(quán)值對(duì)特征的質(zhì)量進(jìn)行評(píng)價(jià)，選擇出與分類相關(guān)性強(qiáng)的特征組

5、合；并針對(duì)ReliefF算法在計(jì)算特征的權(quán)值時(shí)獨(dú)立于其它特征，不能去除冗余特征的缺點(diǎn)，引入最大信息壓縮準(zhǔn)則去除冗余特征，將形成的最優(yōu)特征組合作為圖像缺陷分類識(shí)別的重要依據(jù)。
　　 (4)在研究傳統(tǒng)的BP網(wǎng)絡(luò)對(duì)帶鋼表面缺陷分類識(shí)別的基礎(chǔ)上，針對(duì)帶鋼缺陷圖像分類識(shí)別這種多類多特征的復(fù)雜問(wèn)題，初始權(quán)值閾值的選取具有很大的隨機(jī)性，使其分布在一個(gè)較好的局部解空間是非常困難的，為了克服這一缺點(diǎn)，提出了遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的融合算法，采用遺

6、傳算法可以自主地辨識(shí)最小的包含最優(yōu)解的搜索空間，在找到最優(yōu)搜索空間后，再由BP算法按負(fù)梯度方向進(jìn)行修正網(wǎng)絡(luò)權(quán)值及閾值。經(jīng)過(guò)試驗(yàn)表明：此算法是合理的、有效的、可行的、可以在滿足準(zhǔn)確性的前提下提高網(wǎng)絡(luò)識(shí)別缺陷的效率。
　　 (5)提出了PSOWFCM_OLS_RBF算法。該方法對(duì)樣本數(shù)量大、非線性強(qiáng)的帶鋼表面缺陷檢測(cè)分類有著很好的應(yīng)用。WFCM對(duì)帶鋼缺陷的特征數(shù)據(jù)出現(xiàn)的團(tuán)狀分布與同一類樣本數(shù)據(jù)相差可能很大的問(wèn)題能夠達(dá)到很好的聚類劃分