形态小波在中厚板表面裂纹缺陷检测中的应用

中厚板表面裂纹缺陷在图像中容易受背景噪声和氧化铁皮的影响,传统的图像处理方法很难将裂纹缺陷从图像中检测出来.提出了将形态小波变换应用于中厚板表面裂纹缺陷检测的方法.该方法利用小波分解对突变信号的检测能力,结合裂纹缺陷在形态上近似于直线的性质,将裂纹缺陷从图像中准确提取出来.实验证明形态小波用来检测中厚板表面裂纹缺陷比用其他方法更有效.     

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.     

基于SIFT的中厚板表面缺陷识别方法

中厚板在生产过程中,由于各种因素难免会产生压痕、辊印、划伤等缺陷,严重的缺陷会对下一道轧制工艺产生不良的影响,因此在包含氧化铁皮背景中准确识别出真实缺陷对提高钢铁企业的产品质量至关重要。该文采用尺度不变特征转换(scale-invariant feature transform,SIFT)算子来提取具有尺度旋转不变性的特征向量,并采用Euclidean距离相似性判定度量实现图像匹配,进而识别出中厚板表面缺陷。该文通过大量实验分析并确定各参数取值,最终将SIFT算法应用到中厚板表面缺陷识别,实验结果表明:该算法对辊印、压痕等缺陷的识别率较高,能够达到95%,尤其是对连续出现的缺陷检测效果明显,从而验证了SIFT方法较好的光照不变性、旋转不变性和仿射不变性。     

基于Contourlet变换的连铸坯表面缺陷识别

根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法.     

基于线型激光的连铸板坯表面裂纹在线检测技术

采用光学检测法对高温铸坯进行表面裂纹在线检测,将高亮度绿色激光线光源照射到铸坯表面,利用激光的单色性在摄像机镜头前加装窄带滤色镜去除高温铸坯表面辐射光的影响,从而提高图像的对比度. 通过非抽样小波对铸坯表面图像进行分解,计算分解后得到的低频分量和原始图像的尺度共生矩阵,以及高频分量的灰度共生矩阵,作为图像的纹理特征,并输入基于AdaBoosting算法的分类器进行分类. 利用该方法对表面裂纹、水痕、渣痕、氧化铁皮和振痕等五种缺陷和伪缺陷样本进行识别,表面裂纹的识别率达86.75%,总体识别率达87.16%.