發(fā)布時間：2021-03-01 15:17

　　鋁/銅板帶表面缺陷檢測一直是精密檢測領(lǐng)域的一個重要研究方向,隨著我國有色金屬工業(yè)的迅猛發(fā)展,鋁/銅板帶生產(chǎn)線工藝設(shè)施已在國際行業(yè)中處于領(lǐng)先水平。但是在汽車、飛機(jī)以及大量使用集成電路等相關(guān)領(lǐng)域,高端水平的板帶產(chǎn)品質(zhì)量和穩(wěn)定性仍然未能達(dá)到新興產(chǎn)業(yè)和國家重大工程的發(fā)展要求,因此提升高端板材的表面檢測技術(shù)水平是現(xiàn)代企業(yè)生產(chǎn)中急需攻克的難關(guān)。當(dāng)前,國內(nèi)鋁/銅板帶材進(jìn)行表面缺陷檢測時主要采用人工檢測的方法,這種檢測方法工作量大、效率低。為解決這一問題,本文采用機(jī)器視覺及圖像處理技術(shù),根據(jù)鋁/銅板帶實(shí)際生產(chǎn)線情況,研發(fā)了鋁/銅板帶材表面缺陷檢測系統(tǒng)。本文將鋁/銅板帶材表面缺陷檢測作為研究對象,對獲取的離線鋁/銅板帶表面缺陷圖像進(jìn)行深入研究,針對目前圖像表面缺陷識別存在的問題,提出改進(jìn)算法,并驗(yàn)證算法的正確性,具體工作如下:1.首先設(shè)計(jì)了表面缺陷檢測系統(tǒng)的整體方案,包括硬件的構(gòu)成和算法的改進(jìn),并提出了系統(tǒng)的主要技術(shù)指標(biāo)。2.自主搭建鋁/銅板帶材表面缺陷圖像獲取平臺,實(shí)現(xiàn)對帶材表面圖像的實(shí)時采集,并由圖像采集卡將圖像數(shù)據(jù)傳輸?shù)絇C端,實(shí)現(xiàn)對圖像的數(shù)字化處理。3.采用灰度修正、濾波去噪等算法對所獲得的圖像... 

【文章來源】：河南科技大學(xué)河南省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究的背景及意義
    1.2 檢測技術(shù)發(fā)展
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 存在的問題及發(fā)展趨勢
    1.5 本文的主要章節(jié)
第2章 鋁/銅板帶表面缺陷檢測系統(tǒng)
    2.1 檢測系統(tǒng)的組成
    2.2 檢測系統(tǒng)硬件
        2.2.1 照明方案設(shè)計(jì)
        2.2.2 圖像傳感器
    2.3 系統(tǒng)軟件流程
    2.4 系統(tǒng)主要技術(shù)要求
    2.5 小結(jié)
第3章 鋁/銅板帶表面缺陷圖像的預(yù)處理
    3.1 鋁/銅板帶材表面常見典型缺陷
    3.2 圖象的預(yù)處理
        3.2.1 圖像灰度修正
        3.2.2 圖像濾波去噪
        3.2.3 三種方法比較
    3.3 圖像分割
        3.3.1 經(jīng)典邊緣檢測方法比較
        3.3.2 閾值分割算法研究
        3.3.3 基于形態(tài)學(xué)邊緣檢測
    3.4 小結(jié)
第4章 鋁/銅板帶缺陷圖像特征提取及模式識別
    4.1 圖像特征參數(shù)的提取
    4.2 模式識別理論
    4.3 基于BP神經(jīng)網(wǎng)絡(luò)的分類器
    4.4 BP算法的改進(jìn)
    4.5 改進(jìn)后BP算法的應(yīng)用
        4.5.1 分類器的初始參數(shù)的設(shè)定
        4.5.2 樣本缺陷的訓(xùn)練結(jié)果
    4.6 小結(jié)
第5章 鋁/銅板帶表面缺陷檢測系統(tǒng)驗(yàn)證
    5.1 試驗(yàn)平臺搭建
    5.2 軟件系統(tǒng)操作界面及識別結(jié)果
    5.3 小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]鋼板表面缺陷在線視覺檢測系統(tǒng)[J]. 張翔宇,王燕霜,張仕海.  機(jī)床與液壓. 2019(04)
[2]基于小波變換的金屬表面缺陷檢測算法[J]. 馮國勇.  世界有色金屬. 2018(20)
[3]基于機(jī)器視覺的冷軋板表面質(zhì)量缺陷在線檢測裝備的系統(tǒng)集成及實(shí)現(xiàn)[J]. 黃正煌.  裝備維修技術(shù). 2018(04)
[4]基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的圖像邊緣分割技術(shù)[J]. 衛(wèi)洪春.  現(xiàn)代電子技術(shù). 2018(16)
[5]基于改進(jìn)BP算法在深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的研究[J]. 黃培.  機(jī)械強(qiáng)度. 2018(04)
[6]基于差分進(jìn)化優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)圖像復(fù)原方法[J]. 張勇,何澤裕,趙東寧,張席.  深圳大學(xué)學(xué)報(理工版). 2018(04)
[7]基于形態(tài)學(xué)特征的機(jī)械零件表面劃痕檢測[J]. 李克斌,余厚云,周申江.  光學(xué)學(xué)報. 2018(08)
[8]渦流陣列檢測技術(shù)的研究進(jìn)展現(xiàn)狀分析[J]. 張衛(wèi)民,岳明明,龐煒涵,徐民東,陳國龍.  機(jī)械制造與自動化. 2018(01)
[9]基于機(jī)器視覺的滑動軸承內(nèi)表面缺陷自動檢測系統(tǒng)設(shè)計(jì)[J]. 杜克飛.  機(jī)械工程師. 2018(01)
[10]基于機(jī)器視覺的零部件表面缺陷檢測方法研究[J]. 劉曉杰,羅印升,張旻,范洪輝.  現(xiàn)代電子技術(shù). 2017(24)

博士論文
[1]帶鋼表面缺陷圖像檢測與分類方法研究[D]. 甘勝豐.中國地質(zhì)大學(xué) 2013
[2]鋼板表面缺陷在線視覺檢測系統(tǒng)關(guān)鍵技術(shù)研究[D]. 張洪濤.天津大學(xué) 2008

碩士論文
[1]基于機(jī)器視覺的手機(jī)金屬板表面缺陷檢測技術(shù)研究[D]. 張劉赟.浙江大學(xué) 2018
[2]復(fù)雜背景下光滑物體表面的缺陷檢測技術(shù)研究[D]. 喬爽.華中科技大學(xué) 2016
[3]帶鋼表面缺陷檢測及識別關(guān)鍵技術(shù)研究[D]. 熊鷹.重慶大學(xué) 2016
[4]基于機(jī)器視覺的汽車車身零部件表面劃痕檢測的研究[D]. 范偉.南京理工大學(xué) 2016
[5]板帶材表面缺陷檢測技術(shù)的研究[D]. 謝光偉.蘇州大學(xué) 2014
[6]基于機(jī)器視覺的零件輪廓尺寸精密測量系統(tǒng)研究[D]. 董富強(qiáng).天津科技大學(xué) 2014
[7]基于改進(jìn)SPIHT算法的鋼板表面缺陷漏磁檢測海量數(shù)據(jù)壓縮方法研究[D]. 潘晨燕.東北大學(xué) 2013
[8]基于機(jī)器視覺的表面缺陷檢測算法研究[D]. 李玉寶.中南大學(xué) 2013
[9]基于機(jī)器視覺的熱軋鋼板表面缺陷檢測系統(tǒng)關(guān)鍵技術(shù)研究[D]. 胡超.東北大學(xué) 2012
[10]基于機(jī)器視覺的帶鋼表面缺陷檢測系統(tǒng)研究[D]. 高雪梅.河北大學(xué) 2011



本文編號：3057666