表面質(zhì)量是評價鋼管質(zhì)量的重要指標(biāo),對產(chǎn)品的性能質(zhì)量具有至關(guān)重要的影響目前國內(nèi)外有關(guān)機(jī)器視覺檢測鋼管的研究較少,未有成熟的產(chǎn)品,在技術(shù)方面有待完善。本文以熱軋無縫鋼管為研究對象,設(shè)計并搭建鋼管表面缺陷圖像采集實驗平臺,獲取并構(gòu)建表面缺陷圖像樣本庫開展了檢測和識別分類研究,具體如下:（1）為獲取鋼管表面缺陷圖像,提出一種鋼管表面圖像采集方法,能適應(yīng)一定范圍外徑大小的鋼管。采用明場照明方式設(shè)計鋼管表面成像光路圖,以此為基礎(chǔ)進(jìn)行成像硬件參數(shù)設(shè)計。設(shè)定圖像采集參數(shù)獲取并構(gòu)建鋼管表面缺陷圖像樣本庫,可作為檢測和識別分類方法研究的圖像數(shù)據(jù)來源及性能評價依據(jù)。（2）基于圖像樣本庫,研究開發(fā)了鋼管表面缺陷檢測方法。針對鋼管弧形外表面易造成光照不均等問題,提出了一種基于改進(jìn)K-means灰度正反求和的檢測方法。首先以垂直投影法獲取鋼管區(qū)域圖像,計算得到其灰度反轉(zhuǎn)圖像,利用FMR算法分別對鋼管區(qū)域圖像及灰度反轉(zhuǎn)圖像增強(qiáng)處理,獲得各自背景均勻、高對比度圖像,再以改進(jìn)的K-means分割算法處理,獲取各自缺陷結(jié)果,并將二者結(jié)果求和,最后進(jìn)行圖像后處理優(yōu)化該結(jié)果,并定位提取缺陷區(qū)域。（3）在檢測基礎(chǔ)上,針對缺陷區(qū)... 

【文章來源】：武漢科技大學(xué)湖北省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外現(xiàn)狀
        1.2.1 鋼管表面缺陷檢測特點(diǎn)
        1.2.2 相關(guān)行業(yè)檢測方法
        1.2.3 平面與曲面缺陷檢測常見成像方法
    1.3 關(guān)鍵技術(shù)難點(diǎn)
    1.4 本文主要研究內(nèi)容
    1.5 本章小結(jié)
第2章 鋼管表面圖像采集實驗平臺設(shè)計
    2.1 實驗臺方案設(shè)計
    2.2 成像光路與硬件參數(shù)設(shè)計
        2.2.1 成像光路設(shè)計
        2.2.2 硬件參數(shù)設(shè)計
    2.3 實驗臺搭建
    2.4 圖像采集參數(shù)設(shè)定
    2.5 本章小結(jié)
第3章 鋼管表面缺陷檢測算法研究
    3.1 鋼管區(qū)域定位提取
        3.1.1 二值圖像垂直投影法
        3.1.2 鋼管區(qū)域定位提取實現(xiàn)
    3.2 圖像增強(qiáng)
        3.2.1 Frankle-Mc Cann Retinex算法
        3.2.2 各種算法增強(qiáng)效果對比
        3.2.3 不同缺陷圖像增強(qiáng)效果
    3.3 圖像分割
        3.3.1 K-means算法
        3.3.2 改進(jìn)K-means圖像分割算法
        3.3.3 基于改進(jìn)K-means灰度正反求和分割
    3.4 圖像后處理
        3.4.1 圖像濾波
        3.4.2 形態(tài)學(xué)膨脹
        3.4.3 孔洞填充
        3.4.4 形態(tài)學(xué)腐蝕
        3.4.5 偽缺陷判別
    3.5 缺陷區(qū)域定位提取
    3.6 本章小結(jié)
第4章 鋼管表面缺陷圖像識別方法研究
    4.1 特征選擇
    4.2 特征提取
    4.3 基于支持向量機(jī)原理的缺陷識別
        4.3.1 支持向量機(jī)原理簡介
        4.3.2 核函數(shù)選擇與分類器設(shè)計
    4.4 本章小結(jié)
第5章 實驗結(jié)果及分析
    5.1 檢測結(jié)果分析
    5.2 識別結(jié)果分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]鋰電池極片軋機(jī)軋輥表面缺陷檢測與識別[J]. 肖艷軍,齊浩,周圍,彭凱,孟召宗,張雪輝.  電子測量與儀器學(xué)報. 2019(10)
[2]An improved binarization algorithm of wood image defect segmentation based on non-uniform background[J]. Wei Luo,Liping Sun.  Journal of Forestry Research. 2019(04)
[3]復(fù)雜異形曲面自動建模圖像矩視覺伺服定位控制[J]. 彭偉星,王耀南,曾凱,吳昊天.  機(jī)械工程學(xué)報. 2019(14)
[4]基于K-CV參數(shù)優(yōu)化支持向量機(jī)的LIBS燃煤熱值定量分析[J]. 董美蓉,韋麗萍,陸繼東,黎文兵,陸盛資,黃健偉,李詩詩,駱發(fā)勝,聶嘉朗.  光譜學(xué)與光譜分析. 2019(07)
[5]基于多通道均衡化的水下彩色圖像增強(qiáng)算法[J]. 李昌利,孫亞偉,閆敬文,樊棠懷.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[6]電機(jī)銅排表面毛刺缺陷檢測技術(shù)研究[J]. 范劍英,劉力源,趙首博.  儀器儀表學(xué)報. 2019(03)
[7]機(jī)器視覺在厚壁鋼管端面缺陷檢測中的應(yīng)用[J]. 王柯賽,張洪.  機(jī)電工程技術(shù). 2019(02)
[8]一種高魯棒性的鋼軌表面缺陷檢測算法[J]. 彭方進(jìn).  中國機(jī)械工程. 2019(03)
[9]改進(jìn)的Gabor濾波器帶鋼表面缺陷顯著性檢測[J]. 屈爾慶,崔月姣,徐森,孫鶴旭.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2017(10)
[10]基于K均值聚類和開閉交替濾波的黃瓜葉片水滴熒光圖像分割[J]. 楊信廷,孫文娟,李明,陳梅香,明楠,韓佳偉,李文勇,陳明.  農(nóng)業(yè)工程學(xué)報. 2016(17)

博士論文
[1]基于機(jī)器視覺的半導(dǎo)體芯片表面缺陷在線檢測關(guān)鍵技術(shù)研究[D]. 巢淵.東南大學(xué) 2017

碩士論文
[1]基于機(jī)器視覺的缺陷檢測與識別方法研究[D]. 馬天嬌.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所) 2018
[2]基于偏振成像的肺癌細(xì)胞檢測系統(tǒng)設(shè)計[D]. 趙勁松.大連海事大學(xué) 2018
[3]鍋爐用小徑無縫鋼管缺陷的視覺檢測系統(tǒng)設(shè)計與實現(xiàn)[D]. 宋智文.黑龍江大學(xué) 2017
[4]機(jī)器視覺軌道缺陷檢測成像系統(tǒng)的研究[D]. 張叢.南昌大學(xué) 2017
[5]基于Retinex理論的彩色圖像增強(qiáng)技術(shù)研究[D]. 劉軍.中國科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所) 2015
[6]高鐵軌道表面缺陷的機(jī)器視覺檢測算法研究[D]. 尹遜帥.湖南大學(xué) 2015
[7]鐵軌表面缺陷的視覺檢測算法研究[D]. 唐湘娜.湖南大學(xué) 2013
[8]基于機(jī)器視覺的鋼管表面缺陷檢測技術(shù)研究[D]. 周文歡.華僑大學(xué) 2012
[9]基于機(jī)器視覺的帶鋼表面缺陷檢測系統(tǒng)的研究[D]. 陳永勝.武漢科技大學(xué) 2010



本文編號：3036575