收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

由粗到精的带钢表面缺陷快速检测算法

赵帅帅  
【摘要】:带钢产品表面质量的好坏,直接影响到相关产品的最终性能。本文针对带钢表面缺陷检测算法中存在的问题,提出了一种由粗到精的缺陷检测框架,可以有效解决现有缺陷检测方法中存在的检测速度慢、误检率高的问题,并能有效的去除噪声样本和剔除冗余特征。本文研究的具体内容与成果如下:(1)为了抑制背景图像中伪缺陷的产生,本文利用了基于各向异性扩散的方法对图像进行预处理。该方法可以在弱化图像的背景纹理的同时,保持缺陷的边缘信息。对于在边缘处梯度值较大的缺陷目标,所用的模型扩散系数较小;而在梯度值较小的图像背景处,使用的模型扩散系数较大。实验结果表明,该方法可以有效抑制背景纹理的干扰和伪缺陷的产生。(2)为了提高缺陷检测算法的速度,本文提出了一种基于E-BING框架的快速带钢表面缺陷预检测方法。针对传统的BING算法在带钢表面缺陷预检测中存在的问题,本文将熵特征融入到BING框架中,在二值梯度特征与熵特征的共同引导下选择缺陷的候选目标。实验结果表明,E-BING算法可以在保证候选目标质量的同时,有效降低了预测窗口的数量。(3)为了获得对缺陷目标的紧致特征表示,并解决训练样本中存在的噪声干扰问题,本文提出了一种基R-AdaBoost的缺陷特征选择方法,该方法可以在进行特征选择的同时,有效剔除训练样本中存在的噪声样本。该方法在AdaBoost集成算法的框架下,首先通过在每次循环中采用Relief特征选择算子进行特征筛选,选取有效紧致的特征向量;然后通过对所有训练样本在筛选特征上的类内类间差判断噪声样本,并更新训练样本库。本文算法在邯钢实际生产线上采集的的缺陷图像库上进行了验证。结果表明,相对于其它算法,本文算法准确率提高了2%左右,特征数减少了6.3%~9.4%,验证了方法的可行性。(4)为了解决检测效率与检测率之间的矛盾,本文提出了一种由粗到精的BING-R-AdaBoost缺陷检测方法,首先利用E-BING快速预测算法进行候选目标的预测,然后利用R-AdaBoost对候选窗口内的目标进行精确特征的提取与分析,最终获得图像内缺陷区域的精确位置。通过在邯钢缺陷库上的实验,验证了该算法不仅可以降低误检率,还可以有效地提高检测的速度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 徐晓强;;浅谈砼表面缺陷的防治[J];丹东海工;2010年00期
2 陈占杰;张全刚;杨晓奇;;冷镦钢加工表面缺陷特征分析[J];河南冶金;2016年03期
3 王巧丽;;膜池砼表面缺陷处理措施与质量控制[J];科技情报开发与经济;2008年19期
4 曹英;东华闸站结合工程表面缺陷处理[J];浙江水利水电专科学校学报;1999年01期
5 唐文泰;表面缺陷对钢缆寿命的影响[J];材料工程;1994年Z1期
6 王德卫;汽车发动机连杆表面缺陷分析[J];汽车工艺与材料;1994年10期
7 徐润源;表面缺陷及其表征[J];人工晶体;1985年Z1期
8 严谨;;镀锡钢卷表面缺陷检出装置[J];钢铁研究;1987年04期
9 李旭东;;含表面缺陷的转子的可靠性[J];汽轮机技术;1987年06期
10 章肖融;干昌明;郑乐奇;;用光声声表面波谱仪研究表面缺陷[J];应用激光;1987年06期
11 章肖融,干昌明;用光热偏转技术对金属亚表面缺陷成像[J];中国激光;1988年02期
12 张成龙;国外SMC开发动态[J];玻璃钢/复合材料;1988年05期
13 金以立,王兵,张柏顺;光热偏转法表面探伤初步[J];湖北大学学报(自然科学版);1988年02期
14 李玉山;;物体表面缺陷模型及检测方法的研究[J];西安电子科技大学学报;1988年04期
15 K.Nanbu;张文俊;;分子束外延生长的GaAs表面缺陷的分类[J];半导体情报;1988年01期
16 应世杰;;锁环管道密封联接技术在冰箱上的应用(续)[J];家用电器科技;1988年01期
17 陈文;;无需拆卸轮对的踏面检测[J];国外铁道车辆;1988年06期
18 豫新;国外动态[J];冶金自动化;1989年05期
19 刘岳臣;;电机外壳表面缺陷的熔化极点焊[J];微电机;1989年02期
20 杨康乐;王庆奎;;连铸热板坯表面缺陷的在线检测[J];炼钢;1989年04期
中国重要会议论文全文数据库 前10条
1 李涛;肖金华;吴建军;张永飞;;线材表面缺陷产生机理及解决措施[A];第二届钢材质量控制技术——形状、性能、尺寸精度、表面质量控制与改善学术研讨会文集[C];2012年
2 刘伍;李涛;肖金华;吴建军;;线材表面缺陷产生机理及解决措施[A];2012年河北省轧钢技术暨学术年会论文集(上)[C];2012年
3 马茹凤;郭雅芳;;镁单晶中不同表面缺陷对塑性变形机制的影响[A];中国力学大会-2015论文摘要集[C];2015年
4 ;金属工业中表面缺陷检查的视觉先锋[A];2010钢材质量控制技术、形状、尺寸精度、表面质量控制与改善学术研讨会文集[C];2010年
5 李丹;;高纯铝箔表面缺陷分析[A];2010'全国铝板带箔技术交流会论文集[C];2010年
6 吴建永;;琼州大桥T梁表面缺陷的预防及处理[A];海南省公路学会2003年学术交流会论文集[C];2003年
7 郑永瑞;;轧制过程中线材表面缺陷深度变化规律的推测[A];2008年河北省轧钢技术与学术年会论文集(上)[C];2008年
8 李阳;李成;马景秋;;表面缺陷检测仪在镀锌线上的应用[A];2018年全国冷轧板带生产技术交流会、2018年全国热轧板带生产技术交流会论文集[C];2018年
9 许逸轩;李建欣;柏财勋;袁恒;刘杰;;光学亚表面缺陷子图像强度的非均匀性校正方法[A];第十七届全国光学测试学术交流会摘要集[C];2018年
10 赵宪海;马立爽;常宏伟;郭大勇;;高碳钢丝表面缺陷对扭转性能的影响[A];纪念全国金属制品信息网建网40周年暨2014金属制品行业技术信息交流会论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 尹国恒;基于金属氧化物表面缺陷调控二氧化碳催化能源化研究[D];中国科学院大学(中国科学院上海硅酸盐研究所);2018年
2 周诗洋;基于视觉显著性和稀疏表示的钢板表面缺陷图像检测方法研究[D];华中科技大学;2017年
3 程玉华;探测亚表面缺陷的磁—光显微成像检测技术研究[D];四川大学;2007年
4 杨铁滨;基于机器视觉的陶瓷球表面缺陷自动检测技术研究[D];哈尔滨工业大学;2007年
5 杨水山;冷轧带钢表面缺陷机器视觉自动检测技术研究[D];哈尔滨工业大学;2009年
6 李江波;脐橙表面缺陷的快速检测方法研究[D];浙江大学;2012年
7 陈立君;基于流形支持向量机的木材表面缺陷识别方法的研究[D];东北林业大学;2015年
8 何志勇;基于改进Otsu法和显著性分析的表面缺陷高效视觉检测方法研究[D];苏州大学;2015年
9 简川霞;手机玻璃屏表面缺陷机器视觉检测与分类方法研究[D];广东工业大学;2017年
10 李武斌;热轧圆钢表面缺陷视觉在线检测算法研究[D];山东大学;2013年
中国硕士学位论文全文数据库 前10条
1 易秋吉;基于激光超声技术的材料表面缺陷的定量评价研究以及应用[D];南京航空航天大学;2018年
2 王武;手机壳体表面缺陷视觉检测技术研究[D];南京航空航天大学;2018年
3 赵帅帅;由粗到精的带钢表面缺陷快速检测算法[D];河北工业大学;2016年
4 宋佳平;纳米颗粒表面缺陷对PEO:ZnO器件电双稳特性的影响[D];北京交通大学;2018年
5 朱蕊;雪糕棒表面缺陷在线视觉检测方法研究[D];沈阳工业大学;2018年
6 刘凯斌;高亮回转表面缺陷检测光照方法的研究及系统设计[D];西安理工大学;2018年
7 何小凡;陶瓷阀芯表面缺陷视觉检测方法的研究[D];湖北工业大学;2018年
8 甘文东;基于红外热波的承压设备缺陷检测技术研究[D];电子科技大学;2018年
9 张刘赟;基于机器视觉的手机金属板表面缺陷检测技术研究[D];浙江大学;2018年
10 刘遵;基于机器视觉的玻璃表面缺陷检测技术研究[D];河南理工大学;2017年
中国重要报纸全文数据库 前10条
1 全荣;钢坯表面缺陷自动磁粉探伤装置及分析系统[N];世界金属导报;2017年
2 全荣;锻钢件表面缺陷产生机理[N];世界金属导报;2016年
3 高宏适;钢板表面缺陷产生机制研究[N];世界金属导报;2013年
4 道哥拉斯·斯塔海姆;消除表面缺陷 提高连铸坯质量[N];中国冶金报;2010年
5 廖建国;线材表面缺陷发生原因及改进措施[N];世界金属导报;2011年
6 康建国 摘译;加强工艺研究 消除连铸表面缺陷[N];中国冶金报;2011年
7 肖湘涛 武元元;冷轧硅钢表面缺陷成因分析与改进[N];世界金属导报;2011年
8 钟;超低碳冷轧薄板钢表面缺陷的消除[N];世界金属导报;2005年
9 周鹏;金属板带材表面缺陷在线检测技术[N];世界金属导报;2016年
10 清晨;超低碳冷轧薄钢板中表面缺陷的消除[N];世界金属导报;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978