針對(duì)鋁帶表面缺陷高精度檢測(cè)要求以及傳統(tǒng)算法識(shí)別率不佳的問(wèn)題,提出端到端的表面缺陷檢測(cè)與識(shí)別方法.從鋁帶表面初始圖像序列中快速計(jì)算出平均圖像,視為無(wú)缺陷背景圖像,用于初始化ViBe算法的背景模型.采用ViBe算法從當(dāng)前圖像中分割出缺陷區(qū)域,對(duì)缺陷區(qū)域二值圖像進(jìn)行中值濾波和形態(tài)學(xué)運(yùn)算,以去除噪聲點(diǎn)和修補(bǔ)邊緣,實(shí)現(xiàn)缺陷區(qū)域的準(zhǔn)確提取.利用當(dāng)前圖像實(shí)時(shí)更新ViBe背景模型,以增加對(duì)光照變化的適應(yīng)能力.提取缺陷外接矩形區(qū)域圖像,歸一化后輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行識(shí)別分類,得到分類結(jié)果.實(shí)驗(yàn)結(jié)果表明,提出方法的缺陷檢出率為93.02%,缺陷識(shí)別率為99.86%,具有較好的應(yīng)用價(jià)值. 

【文章來(lái)源】：浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2020,54(10)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]摩擦片表面缺陷的視覺(jué)顯著性檢測(cè)算法[J]. 秦鐘偉,陳捷,洪榮晶,吳偉偉.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(10)
[2]一種非線性擴(kuò)散與圖像差分的金屬表面缺陷檢測(cè)方法[J]. 安宗權(quán),王勻.  表面技術(shù). 2018(06)
[3]國(guó)內(nèi)外鋁加工行業(yè)狀況淺析[J]. 康軍偉,張建輝,曾宏凱.  有色金屬加工. 2017(06)
[4]深度卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在計(jì)算機(jī)視覺(jué)領(lǐng)域的應(yīng)用[J]. 張順,龔怡宏,王進(jìn)軍.  計(jì)算機(jī)學(xué)報(bào). 2019(03)
[5]面向運(yùn)動(dòng)目標(biāo)檢測(cè)的ViBe算法改進(jìn)[J]. 徐久強(qiáng),江萍萍,朱宏博,左偉.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(09)
[6]國(guó)內(nèi)鋁板帶箔加工行業(yè)的現(xiàn)狀分析[J]. 陳良.  有色金屬加工. 2014(03)
[7]基于Vibe的鬼影抑制算法[J]. 陳亮,陳曉竹,范振濤.  中國(guó)計(jì)量學(xué)院學(xué)報(bào). 2013(04)

碩士論文
[1]基于機(jī)器視覺(jué)的板材表面缺陷檢測(cè)與識(shí)別算法研究[D]. 陳凱華.華東交通大學(xué) 2012



本文編號(hào)：3373247