钢板表面缺陷在线视觉检测系统关键技术研究

《钢板表面缺陷在线视觉检测系统关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、天津大学博士学位论文钢板表面缺陷在线视觉检测系统关键技术研究ResearchofKeyTechnologyonOn—lineSurfaceDefectsDetectionSystemforSteelPlateBasedonComputerVision国家科研院所专项基金资助项目(SY-01)学科专业：测试计量技术及仪器研究生：张洪涛指导教师：叶声华院士段发阶教授天津大学精密仪器与光电子工程学院二零零八年一月中文摘要钢板表面缺陷在线检测技术已成为钢铁生产企业向现代化制造业高效率、自动化与智能化方向发展的制约因素，同时也是国内外学者研

2、究的热点领域。本文依托科技部科研院所专项基金项目一‘钢板表面缺陷计算机视觉在线检测系统研制”，针对系统宽幅面、简单性、模块化、先进性等技术要求，结合国内外表面缺陷检测技术发展方向，确立了以计算机视觉检测技术线阵CCD扫描法为检测原理的钢板表面缺陷检测系统研制方案，并对检测系统关键技术进行讨论。本文主要研究内容与完成工作如下：1．设计了基于线阵CCD扫描、幅面分割的钢板表面缺陷在线视觉检测系统方案，以满足高速、宽幅面、高分辨率的检测要求，同时针对钢板表面缺陷特点，通过优化配置明、暗域成像模型，以检出各类形态缺陷；2．为解决高速运动场

3、景下光源照明问题，设计了狭缝式高频荧光灯光源，其具有亮度高、均匀性好、稳定性高及成本低等特点；·3．针对钢板表面缺陷特点及系统指标要求，充分讨论了钢板表面缺陷图像处理算法流程，并针对各处理步骤给出了实现算法。系统可检出钢板主要缺陷，如孔洞、夹杂、划痕、氧化铁皮、斑点等。通过算法优化及采用多线程程序结构，在满足精度指标要求情况下，其处理速度能满足钢板2m／s的运行速度要求；．4．在仔细分析钢板表面缺陷特点基础上，本文定义了缺陷特征参数空问，并’讨论了决策树、贝叶斯分类器和神经网络分类算法，重点讨论了BP神经网络算法，其缺陷识别率达到

4、90％。由于各种分类算法的局限性，本文也重点讨论了集成分类器，集成分类器通过各种分类器的优势互补，可有效分类各种缺陷；5．提出了整套软件系统框架结构设计方案，即采用多进程架构、基于流水线工作原理和实时采集+准实时处理融合的技术方案。采用优化的多线程程序结构设计采集应用进程，使其数据采集率达到100Mbps，完全满足系统检测要求。为减轻图像准实时处理系统的负荷，实时采集应用进程不仅完成图像数据采集，而且同时进行ROl(RegionofInterest)检测；准实时处理应用进程处理ROI图像文件，并提取各个缺陷的特征数据以进行模式分类

5、；6．设计并实现了两套实验样机系统：平动低速模拟系统与高速转动模拟系统，实验中运行的最高速度为1．5m／s。最后通过实验验证了系统方案的可行性。本课题在2007年1月顺利通过国家科技部专家组验收。关键词：钢板表面缺陷计算机视觉模式识别决策树BP神经网络ABSTRACTThetechniqueofon-linesurfacedefectsdetectionforsteelplatehasbecometherestrictionoftheSteelandIronproductionenterprisesdevelopingtothem

6、odernizedmanufacturingindustrywithhi【曲efficiency,intellectualizationandautomation，SOit’Sbeenahotfieldresearchedbyforeignanddomesticscholars．SponsoredbyscientificresearchacademespecificfundofNSTS，theprojectisdevelopedtOdetectsurfacedefectsforsteelplatebasedoncomputervi

7、sion．Inviewofsystematicspecifications，suchasbroadwidth，simplicity,modularization，advancementetc，andcombiningwiththelatestdevelopmentofrelevanttheoryandtechnology,、theschemeoflinearCCDscanningmethodbasedoncomputervisionisbroughtforwardtorealizeon—linenon-destructivesur

8、faceinspectionforsteelplate，andkeytechnologyofsystemisdiscussed．111emainworkincludedinthedissertationisshownasfollows：1．Inor