当前位置:首页 > 工业技术
钢板表面质量在线监测技术
钢板表面质量在线监测技术

钢板表面质量在线监测技术PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:吴贵芳编著
  • 出 版 社:北京:科学出版社
  • 出版年份:2010
  • ISBN:9787030273239
  • 页数:229 页
图书介绍:虽然钢板表面质量在线监测系统得到了越来越广泛的应用,同时钢板表面质量在线监测技术也得到了不断地发展,但是目前还存在着许多关键技术问题没有得到有效解决,如:低对比度缺陷检出率低,多缺陷类型条件下缺陷识别准确率明显降低,数据实时处理能力不足。本著作从生产线上采集了大量的钢板表面缺陷样本,并建立了一个相对完整的样本库,对一些常见缺陷的产生原因进行了深入分析,在此基础上,提出了解决这些问题的新方法。这些技术在实际的工程应用中已得到验证,并投入工业应用。该著作的主要内容及成果如下:1)提出了一种速度快、准确度高的边界局部搜索算法,比传统的梯度阈值搜索算法速度上提高了一个数量级以上。该算法通过扩展还可用于检测一些对比度比较高的缺陷,平均速度比现有的缺陷检测算法提高了10倍。2)提出了一种基于形态小波的缺陷检测方法,该方法可以有效地检测具有特定几何形状的缺陷,检测效果比传统滤波方法理想。对于低对比度的缺陷,基于形态小波方法的检测效果比形态滤波方法更为理想。3)提出了基于图像幅值谱的”四分之一”十字形区域的频域特征提取新方法,通过该方法提取的特征值明显地反映出缺陷本身的内在属性,因此可以有效地用于缺陷
《钢板表面质量在线监测技术》目录

第1章 绪论 1

1.1 表面监测技术概述 2

1.1.1 表面监测技术的含义 2

1.1.2 表面监测技术的发展及研究现状 2

1.1.3 表面监测技术的意义 9

1.2 钢板分类及检测现状 10

1.2.1 钢板的分类 10

1.2.2 我国钢板生产及质量检测现状 11

1.3 本书的主要内容和基本结构 12

第2章 钢板表面缺陷图像及成因分析 13

2.1 冷轧钢板典型缺陷 13

2.2 热轧钢板典型缺陷 19

2.2.1 冶炼缺陷 19

2.2.2 轧制缺陷 25

第3章 钢板表面质量在线监测系统的设计 31

3.1 钢板表面质量在线监测系统的分类 31

3.2 系统的性能需求分析 32

3.2.1 冷轧钢板表面质量在线监测系统性能需求 32

3.2.2 热轧钢板表面质量在线监测系统性能需求 32

3.3 系统的硬结构设计 33

3.3.1 整体结构设计 33

3.3.2 计算机硬件系统 34

3.3.3 摄像系统的确定 34

3.3.4 照明方式 41

3.3.5 其他辅助装置 45

3.4 系统的软件结构设计 47

3.4.1 客户机软件系统 48

3.4.2 服务器软件系统 49

3.4.3 控制台软件 50

第4章 缺陷图像预处理技术 52

4.1 钢板表面边界图像 52

4.1.1 钢板表面图像有效区域的定义 52

4.1.2 钢板边界检测的意义 54

4.1.3 钢板边界检测的作用 55

4.2 简易边界搜索算法 55

4.3 灰度梯度阈值搜索算法 56

4.3.1 灰度梯度阈值搜索算法原理 56

4.3.2 实验验证 58

4.4 边界局部搜索算法 59

4.4.1 边界局部搜索算法原理及实现步骤 59

4.4.2 边界局部搜索算法实例解析 64

4.4.3 边界局部搜索算法在冷轧钢板有效区域提取中的应用 65

4.4.4 边界局部搜索算法的讨论 67

4.4.5 边界局部搜索扩展算法 69

4.5 钢板表面缺陷图像增强算法 74

4.5.1 邻域增强算法 75

4.5.2 中值滤波 76

4.5.3 直方图均衡化 77

4.5.4 频域图像增强 80

4.5.5 基于小波变换的图像增强算法 83

第5章 钢板表面缺陷区域检测技术 91

5.1 区域检测的主要过程 91

5.1.1 区域检测的流程 91

5.1.2 可疑点检测的方法 91

5.1.3 ROI搜索 98

5.1.4 ROI合并 105

5.1.5 钢板表面缺陷区域检测实验 109

5.2 基于数学形态学的区域检测方法 112

5.2.1 数学形态学基本理论 112

5.2.2 形态滤波及其在钢板表面缺陷检测中的应用 117

5.3 基于形态小波的区域检测方法 121

5.3.1 形态小波理论 121

5.3.2 基于形态小波的钢板表面缺陷检测 125

第6章 缺陷特征提取与选择技术 133

6.1 钢板表面图像模式识别基础 133

6.1.1 模式识别的基本概念 133

6.1.2 模式空间、特征空间和类型空间 134

6.1.3 特征提取和特征选择 134

6.2 典型特征的提取 136

6.2.1 空域特征的提取 136

6.2.2 频域特征的提取 146

6.3 钢板表面缺陷特征选择方法 160

6.3.1 类别可分离性判据 161

6.3.2 常见的特征选择方法的简介与分析 172

6.3.3 基于遗传算法的特征选择方法 174

第7章 钢板表面缺陷识别技术 181

7.1 表面缺陷识别概述 181

7.1.1 模式识别主要方法简介 181

7.1.2 分类器的设计 183

7.1.3  BP神经网络与LVQ神经网络 184

7.2 基于BP神经网络的分类器设计 187

7.2.1 BP网络分类器设计时应考虑的问题 187

7.2.2 缺陷识别过程 187

7.2.3 实验验证 189

7.2.4 BP神经网络识别的不足 200

7.3 多缺陷类型下样本库的建立与特征集确定 201

7.3.1 样本库的建立 201

7.3.2 特征集的确定及实验验证 201

7.4 多缺陷类型的分类器研究 203

7.4.1 基于小样本的神经网络参数优化选择方法 203

7.4.2 基于LVQ3神经网络的表面缺陷识别与分析 209

7.4.3 基于支持向量机的表面缺陷识别算法研究 217

7.4.4 多缺陷类型的识别总结 222

参考文献 224

返回顶部