收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于图像处理的钢板表面缺陷成像优化与深度信息提取方法研究

刘源泂  
【摘要】:本文针对机器视觉钢板表面缺陷检测技术中的成像优化和深度信息特征提取问题,以如何提高成像质量为切入点,深入研究了钢板生产工艺、表面光学性质及缺陷最优化成像的内在规律和相关理论,基于立体视觉的方法研究实现了钢板表面深度信息提取等关键技术,为提升机器视觉钢板表面检测系统性能提供了理论依据,拓宽了钢板表面自动化检测的思路和技术手段。本文主要研究内容和成果如下: 1)建立了一个准确描述钢板表面光散射性质的机器视觉表面光照模型。基于钢板生产工艺和表面光学特征,结合BRDF光照模型理论,对不同钢板表面光散射特征进行测试和实验,得到光源条件、光线入射角、表面粗糙度与光散射分布的关系。结果表明钢板表面散射光受入射角和表面粗糙度影响较大,镜向反射峰值明显,并呈现指数函数分布的规律,因此建立了基于粗糙度因子和微平面高斯分布的表面半经验散射模型,通过非线性拟合优化确定了模型中各参数。 2)以大量钢板表面典型缺陷样本的分析研究为基础,针对缺陷成像光路型式最优化问题,设计实验方案并开发专用平台进行成像实验,量化了成像光路中各参数对图像的影响;提出基于图像多特征的综合像质评价体系,得到各缺陷最佳成像方案,建立了钢板表面缺陷最优成像流程模型,对各子方案组合优化得出整个系统成像方案,作为钢板表面成像的理论研究平台,为提高整个检测系统性能提供依据。 3)针对工业应用中如何利用立体视觉提取钢板表面三维深度信息,研究了摄像机非线性标定方法。建立基于LENZ径向畸变模型的非线性针孔成像几何模型,分析了面阵和线阵摄像机的模型标定内外参数,利用HALCON的矩阵网格状圆靶平面标定板及机器视觉的函数库平台,基于两步法思想设计算法并实现了单台摄像机的非线性标定,以双面阵摄像机构架实现立体视觉系统的标定,通过误差和精度分析验证了算法准确性和灵活性,可有效应用于工业机器视觉系统中。 4)针对立体视觉中另一个核心技术即立体匹配算法进行研究。基于灰度相关的区域匹配方法能生成稠密视差图,实现了基于归一化互相关相似度量函数(NCC)的区域灰度相关的匹配算法,结合钢板表面深度提取的要求,分析优化算法参数提高算法精度;并与均值图像金字塔相结合,通过控制匹配窗口尺寸、最小特征值、视差范围阈值及相似度阈值等多个参数,提出一种灵活高效的分层区域匹配的优化NCC算法。 5)结合相关研究成果,针对实验系统进行成像参数分析与成像系统设计,以及设备选型和安装调试,模拟工业现场环境设计开发了基于机器视觉的钢板表面检测实验系统。该实验系统由小型带钢传输实验台、机器视觉成像系统及图像采集与处理平台三部分组成,是重要的理论和实验研究平台。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吴平川,路同浚,王炎;机器视觉与钢板表面缺陷的无损检测[J];无损检测;2000年01期
2 涂宏斌;周新建;;基于机器视觉的货车滚动轴承外圈麻点缺陷检测[J];铸造技术;2006年09期
3 廖水碧;肖明富;;金属制品表面质量缺陷无损检测的研究现状与展望[J];中国冶金;2007年03期
4 吴平川,路同浚,王炎;钢板表面缺陷的无损检测技术与应用[J];无损检测;2000年07期
5 张卫;张俊杰;;基于机器视觉的钢板表面缺陷检测系统[J];山西冶金;2011年04期
6 席欣;;检测钢材表面缺陷的新方法[J];云南冶金;1990年02期
7 杨国伟;;CVD法生长金刚石薄膜中基片表面形貌对成核密度的影响[J];功能材料;1991年02期
8 鲍文华;;汽车外覆盖件钢板表面缺陷及改进[J];轻型汽车技术;2004年08期
9 吴兴刚,苏晓,姜晓光;喷涂钼丝表面缺陷处理研究[J];中国钼业;2005年03期
10 车彦民;朱涛;章华明;董梅;陈其安;;CSP板卷及冷轧镀锌板表面缺陷分析[J];钢铁;2006年02期
11 谌智勇;兰岳光;张怀军;;大方坯连铸机管式结晶器的应用实践[J];连铸;2007年02期
12 沈开萍;李大勇;;红外热像探测方法在钢坯表面缺陷自动识别中的应用[J];中国铸造装备与技术;2008年02期
13 刘铸红;;基于机器视觉的纸张表面缺陷检测系统[J];中华纸业;2009年04期
14 张力行;热坯表面缺陷的光学检测法[J];冶金自动化;1987年04期
15 王坚伟;玻壳模表面缺陷的焊接[J];模具工业;1987年03期
16 刘惠民;;四辊热轧机支承辊表面裂纹的修复[J];重型机械;1988年02期
17 龙熙嘉;;剥皮模去除热轧线材表面缺陷的工艺和设备[J];上海金属;1990年03期
18 ;人造板表面缺陷的自动检测[J];人造板通讯;1995年Z1期
19 罗志勇,王斌,刘栋玉,吕新民,江涛;带钢表面缺陷检测系统的发展[J];钢铁;1996年S1期
20 葛琼;冷轧薄板表面缺陷分析[J];鞍钢技术;1997年01期
中国重要会议论文全文数据库 前10条
1 罗明智;杜家政;;机器视觉苹果自动分级系统图像处理方案设计[A];北京力学会第17届学术年会论文集[C];2011年
2 贡雪南;;宝钢1420镀锡板表面质量检测与控制技术[A];薄钢板质量研讨会论文集[C];2000年
3 史文;孟猛;;浅谈冷轧钢带表面缺陷[A];2007年河北省轧钢技术与学术年会论文集(上册)[C];2007年
4 张同洁;;汽车紧固件螺栓常见表面缺陷[A];陕西省机械工程学会理化检验分会第八届年会论文集[C];2009年
5 刘乐东;;连轧材表面缺陷的成因分析[A];连铸坯质量技术研讨会论文汇编[C];2005年
6 陈方;;大型土木结构目视检测新方法SCANSITES[A];第十届全国建设工程无损检测技术学术会议论文集[C];2008年
7 高瑞;刘刚;司永胜;刘兆祥;;苹果采摘机器人视觉系统研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
8 李建华;陈士华;陈方玉;;含Cu钢表面“富集相”与表面缺陷研究[A];第十一届中国体视学与图像分析学术会议论文集[C];2006年
9 徐海卫;李飞;王全礼;胡志远;李金宝;李瑞;安冬阳;;热轧薄板表面氧化铁皮类缺陷的形成机理与控制[A];2009年全国高品质热轧板带材控轧控冷与在线、离线热处理生产技术交流研讨会文集[C];2009年
10 郑川川;;钢丝表面缺陷和钢丝断裂分析[A];2011金属制品行业技术信息交流会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 刘源泂;基于图像处理的钢板表面缺陷成像优化与深度信息提取方法研究[D];武汉科技大学;2011年
2 李长乐;冷轧带钢表面缺陷图像检测关键技术的研究[D];哈尔滨工业大学;2009年
3 张建川;红钢棒材表面缺陷图像采集与检测系统研究[D];山东大学;2012年
4 韩芳芳;表面缺陷视觉在线检测关键技术研究[D];天津大学;2012年
5 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
6 戴永;基于激光超声检测金属材料表面缺陷的数值模拟[D];江苏大学;2011年
7 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年
8 丁菁汀;立体视觉在实际应用中的若干问题研究[D];浙江大学;2012年
9 张方明;田间路径识别算法和基于立体视觉的车辆自动导航方法研究[D];浙江大学;2006年
10 单红梅;基于立体视觉汽车轴距左右差检测系统研究[D];吉林大学;2011年
中国硕士学位论文全文数据库 前10条
1 许志立;热态重轨表面缺陷机器视觉检测系统的设计与应用[D];重庆大学;2010年
2 刘江春;带钢表面缺陷智能化辨识方法的研究[D];西安理工大学;2004年
3 程现彬;基于机器视觉的小直径工件检测系统的研究[D];合肥工业大学;2010年
4 杨丽丽;基于机器视觉的强化木地板表面瑕疵检测方法研究[D];北京林业大学;2010年
5 尹承添;基于机器视觉的钢板表面缺陷图像处理算法研究[D];南昌大学;2010年
6 丁金明;金属镀层工件表面缺陷自动检测系统的研究[D];天津大学;2004年
7 郑健峰;带钢表面缺陷检测方法研究[D];西安建筑科技大学;2006年
8 李哲;基于DSP的表面缺陷无损检测系统设计[D];重庆大学;2010年
9 张玉华;金属平板表面缺陷扰动的磁场量分布研究[D];国防科学技术大学;2003年
10 杨宝成;铝合金轮毂复杂曲面砂带磨削方法研究[D];华中科技大学;2007年
中国重要报纸全文数据库 前10条
1 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
2 ;八种立体视觉技术各有千秋[N];中国电子报;2009年
3 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年
4 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
5 北京武警总队医院眼科 副主任医师 陶海;立体视觉怎么检查[N];家庭医生报;2006年
6 袁中;邦纳机器视觉在食品及医药包装行业中的应用[N];中国包装报;2009年
7 猛犸;《冰川时代3》背后的3D奥秘[N];电脑报;2009年
8 本报记者 李剑琦;西门子成功并购RVSI Acuity CiMatrix 意欲扩充机器视觉版图[N];机电商报;2005年
9 齐齐哈尔大学计算机系讲师 赵鑫;新技术在数字娱乐和动漫领域的应用[N];齐齐哈尔日报;2008年
10 陈蕾;康耐视向中国多所大学捐赠机器视觉产品加强与高校合作[N];中国包装报;2010年
 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