基于改进支持向量机的冷轧带钢表面缺陷分类识别

针对冷轧带钢表面缺陷图像模式识别中存在的问题,提出了基于改进支持向量机的冷轧带钢典型表面缺陷分类识别方法.根据带钢表面缺陷图像识别的特点,对渐进直推式支持向量机在其基本原理基础上加以改进,设计了一种冷轧带钢表面缺陷图像模式识别的分类器.通过实验确定了分类器的结构,给出了相关参数选择的方法.对几种生产现场出现频率较高的典型缺陷图像进行了计算机实验研究.研究结果显示,这种分类器很好地克服了传统支持向量机中存在的推广性能差以及当类别距离过近时准确率下降的问题,具有更好的适应性和准确性.     

光纤缺陷实时检测与分类方法研究

针对人工检测高速运动光纤表面缺陷的效率低、准确性差、难以实时检测等问题,设计实现了一套基于机器视觉的快速光纤缺陷检测系统。定义光纤缺陷,建立分类数据库和分类标准;设计全方位数据采集系统自动连续获取光纤表面图像信息,输入工控机进行处理;提取光纤目标区域,获得光纤缺陷形态学特征数据;针对光纤缺陷特点和AdaBoost分类器的优缺点,设计了一种改进的基于形态特征的AdaBoost级联分类器用于光纤缺陷检测与分类,实现了光纤质量的实时监控。最后,将改进算法与标准AdaBoost算法在实际工业环境下进行对照实验,实验数据表明,改进算法的准确率达到99%以上,同时能大幅减少检测耗时,证明了所设计的检测系统具有很好的实时性和准确性。     

采用多分类器集成方法的带钢表面缺陷图像识别

现有带钢表面缺陷在线识别系统中单个分类器对部分缺陷识别率不高,并且对训练样本依赖性较大;针对这一问题,提出了一种基于并行多分类器集成技术的带钢缺陷图像识别方法.该方法选择LVQ神经网络、RBF神经网络和支持向量机作为基分类器,应用加权投票法对基分类器进行集成,从而实现基分类器能力互补.实验表明,采用多分类器集成的带钢表面缺陷图像识别方法可以更准确地对带钢常出现的边缘锯齿、焊缝、夹杂、抬头纹等缺陷进行识别,能够得到相当或优于任何单个分类器的分类精度,总体识别率达到96%以上.     

基于机器视觉的钢板表面缺陷在线实时检测系统

钢板表面缺陷将对钢的耐磨性、抗腐蚀性等带来一定的影响,本文提出一种基于机器视觉的钢板表面缺陷检测系统。设计了光学成像子系统、图像实时采集子系统、图像准实时处理子系统及缺陷分类子系统。采用模块化设计方便系统在硬件和软件上的扩展,最后采用多分类器集成方法对图像缺陷进行自动分类识别。     

基于神经网络的带钢表面孔洞检测系统研究

简要介绍了带钢表面孔洞实时检测中的图像处理系统 ,提出了一种应用边缘检测和聚类分析的图像分割算法对带钢表面孔洞进行准确快速的分割 ,同时采用改进的BP神经网络分类器对孔洞进行分类与识别 ,实验结果表明 ,该带钢表面孔洞实时检测系统具有较高的精度和较快的速度 .     

板带钢表面缺陷检测系统的多尺度边缘检测算法

针对冷轧带钢表面缺陷在在线检测过程中,无法准确地检测到图像中缺陷的边缘问题,提出了一种基于小波变换模极大值的板带钢表面缺陷多尺度边缘检测算法.该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取.实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面缺陷在线检测系统中的后续处理,如图像自动分割、缺陷识别等奠定了基础.     

基于U型残差编解码网络的带钢缺陷检测算法

工业生产中带钢表面缺陷具有缺陷类型多变、背景杂乱和对比度低等特点，现有的缺陷检测方法无法检测出完整的缺陷对象。针对上述问题，提出一种基于U型残差编解码网络的带钢缺陷检测算法。在编码阶段，算法利用全卷积神经网络提取丰富的多尺度缺陷特征，并结合注意力机制加速模型收敛。在解码阶段，使用所提出的U型残差解码网络恢复编码阶段编码的显著性信息。此外，设计了一个残差细化网络，用以进一步优化粗糙的显著图。实验结果表明，所提出的算法具有较强的鲁棒性。     

冷轧带钢表面缺陷检测的信号处理

冷轧带钢的表面质量是一项重要的管理项目.随着现代化的发展,对冷轧带钢表面质量的要求越来越高.目前国内检测冷轧带钢表面缺陷的方法,是带钢在低速传送下,由人目视检测,因而生产效率很低.本文研究了一种适用于高速传送带钢的生产线上的由激光扫描器和信号处理系统组成的自动表面缺陷检测系统.     

图像处理技术在纺织品瑕癖检验中的应用

本论文提供了一种基于图像处理的纺织品缺陷快速，实时检测方法，从而替代传统的人工检测方法，弥补了现有技术方法的不足和缺陷。本系统已在实验室生产线做了初步测试，实验结果表明，本系统的平均识别率达到83％以上。系统识别率较高，可以满足绝大多数生产线的质量监控要求。该系统具有较好的自学习能力，利用SVM作为分类器，效率高。实验表明论文提出的方法是快速，有效的。     

基于线型激光的热轧带钢表面在线检测系统

针对基于面阵CCD摄像机的热轧带钢表面缺陷检测系统所存在的问题,提出采用线阵CCD摄像机作为热轧带钢的表面图像采集装置,将激光线光源作为照明光源,解决了高温环境下的远距离均匀照明问题.采用这种图像采集方式可以使系统的精度达到0.5mm以上.针对热轧带钢表面存在的氧化铁皮、水及光照不均等问题,提出了对于不同缺陷类型建立单独的缺陷检测算法的思想.目前已经建立了纵裂与边裂的检测算法,对这两类缺陷的检出率达95%以上.     

高斯差分空间的多尺度改进CLBP对带钢表面缺陷的分类

提出一种引入高斯差分空间的改进多尺度完全局部二值模式对带钢表面进行分类,解决由于带钢表面缺陷纹理存在复杂性和多样性,导致对带钢表面缺陷进行分类难度大的问题.首先,根据人类的视觉注意机制,采用高斯差分空间对带钢表面缺陷进行预处理.然后,采用多尺度改进的完全局部二值模式对预处理之后的图片进行特征提取.最后,采用非线性流行学习的方式对特征进行降维,并导入分类器中进行分类.实验结果表明:该方法具有较好的区分性;针对常见的冲孔、污渍、刮边、黑氧化条、结疤等带钢表面缺陷,其最终的分类精度能达到95.7%,优于目前传统的方式.     

基于机器视觉的薄带铸轧熔池液位识别方法

为解决薄带铸轧熔池液位难检测的问题,研发机器视觉识别熔池钢水液位的方法.利用线阵CCD下熔池钢水与铸轧辊灰度值有明显差别的图像特征,建立熔池液位的机器视觉检测系统.利用所选线阵相机采集图像速度快的特性,提出基于时间建立熔池液位图像原型的方法,建立了以滤波处理、二值化处理和边界识别为核心的熔池液位视觉识别模型.使用建立的系统和模型在实验室铸轧机和感应加热炉上进行了测试实验,结果表明:所建的熔池液位视觉检测系统和识别方法具备可行性,具有较高的检测精度和较快的检测速度,能够满足工业生产需要.     

结合邻域信息的带钢表面明暗域缺陷图像配准

为解决带钢表面明暗域缺陷图像检测方式采集到的同一位置处的图片之间存在位移及旋转问题,同时考虑到因板带振动及现场生产环境造成的噪声影响,提出采用结合邻域内像素间空间与灰度信息的互信息配准方法.在互信息配准计算中图像中每个像素的灰度值由其邻域内像素的灰度值按照距离及灰度变化关系分配不同的权值共同得到.实验证明,该方法的配准精度完全可满足带钢缺陷检测需求,有效减弱了噪声对配准精度的影响,为带钢表面缺陷识别及质量评价奠定了基础.     

小波包-BP神经网络结合的热轧带钢缺陷识别

基于热轧带钢的表面往往存在着很多缺陷,目前的识别方法存在着误识率高的问题,提出一种基于小波包分解的提取图像特征的方法,将提取的图像的能量特征向量输入BP神经网络分类器,对麻点、夹杂和结疤3种缺陷进行识别,仿真结果表明这种方法有着较高的识别率,并具有稳健的抗噪性和良好的扩展性.     

基于小波提升分解的带钢表面缺陷检测

针对带钢表面缺陷的特点,提出了一种基于图像处理的快速检测方法.首先,通过分析小波的提升格式,确定了带钢图像的小波提升分解方法.其次,利用DB2小波对带钢图像进行二层提升分解.然后,选取二层水平细节和垂直细节子图进行图像融合.在此基础上,对融合图像进行标准化和维纳滤波.最后通过oust方差法进行分割从而实现对带钢表面缺陷的检测.实验表明,采用此方法能够有效抑制图像背景干扰,实现带钢缺陷的快速检测.     

一种基于灰度投影的带钢表面缺陷检测算法

根据带钢表面缺陷图像的特点提出了一种利用带钢图像的灰度投影进行带钢表面缺陷目标检测的一种算法.该算法首先是把带钢图像分别进行向下和向左的灰度投影,然后在此基础上计算出向下投影与向左投影的投影均值并分别找出其中的最大值与最小值,之后分别把它们做差,如果向下投影均值的差值和向左投影均值的差值中至少有一个超过了给定的阈值则认为图像存在缺陷,否则无缺陷.该算法在多次实验中都能够很成功地完成带钢表面缺陷目标检测的功能.     

基于DSP的带钢表面缺陷实时检测系统的研究

为了有效地解决在线高速实时检测这个关键性问题,本研究主要从软、硬件两个方面进行,将制约系统实时性的缺陷图像的识别过程分离出来,交由DSP芯片进行专门的处理,同时采用了兼顾识别效率及识别准确性的支持向量机的二级分类器对带钢的缺陷图像进行识别.在该硬件检测系统下对缺陷图像的正确识别率达到98%,缺陷图像的识别时间可控制在10 ms以下.通过理论上的分析和试验的测试证明所搭建的先进的TMS320C6416 DSP图像处理平台能够很好地满足实际生产线上的带钢表面缺陷的实时检测系统在处理速度和精度上的要求.     

冷轧带钢表面质量评价模型构造方法

冷轧带钢表面质量评价是一个与多种影响因素相关的十分复杂的问题,其中表面缺陷种类繁多,其成因复杂,与之相关的数量、等级、位置、分布特性等不同程度地影响着表面质量.将带钢表面质量抽象成多因素、多层次和多方案情况下的系统,从而将质量评价问题转化成了分析决策问题.通过各层次对质量影响因素权值的确定,提供了一个比较完善的表面质量评价指标体系.该方法保证了带钢表面质量评价的科学性与精确性,给出了应用实例,验证了该方法的实用性和有效性.     

带钢表面缺陷图像小波融合方法

采用两个CCD图像传感器在多种采集方式下获得不同缺陷图像,运用小波变换法对缺陷图像进行融合,结合带钢表面缺陷特征对融合算法和规则进行了探讨,并对融合后的缺陷图像质量进行评价.实验结果显示了小波融合方法的优越性,该方法能更全面、更准确、更大限度地获得缺陷图像信息,解决了单一CCD缺陷采集模式下存在的缺陷特征丢失问题,为后续的缺陷识别与分类提供有效、可靠的数据支持.     

带钢表面缺陷图像的小波阈值降噪研究

以典型带钢表面缺陷图像为例,采用小波阈值降噪方法研究带钢表面缺陷图像的小波阈值降噪规律,并论述了带钢表面缺陷图像阈值的选择和小波基的选取.结果表明,图像经过小波变换后具有低熵性、多分辨率和选基灵活性等特点,使得小波阈值降噪提高了图像的信噪比、改善图像的质量,并且增强图像的清晰度.