钢板表面质量在线监测技术

书籍简介:

虽然钢板表面质量在线监测系统得到了越来越广泛的应用，同时钢板表面质量在线监测技术也得到了不断地发展，但是目前还存在着许多关键技术问题没有得到有效解决，如：低对比度缺陷检出率低，多缺陷类型条件下缺陷识别准确率明显降低，数据实时处理能力不足。本著作从生产线上采集了大量的钢板表面缺陷样本，并建立了一个相对完整的样本库，对一些常见缺陷的产生原因进行了深入分析，在此基础上，提出了解决这些问题的新方法。这些技术在实际的工程应用中已得到验证，并投入工业应用。该著作的主要内容及成果如下：1)提出了一种速度快、准确度高的边界局部搜索算法，比传统的梯度阈值搜索算法速度上提高了一个数量级以上。该算法通过扩展还可用于检测一些对比度比较高的缺陷，平均速度比现有的缺陷检测算法提高了10倍。2)提出了一种基于形态小波的缺陷检测方法，该方法可以有效地检测具有特定几何形状的缺陷，检测效果比传统滤波方法理想。对于低对比度的缺陷，基于形态小波方法的检测效果比形态滤波方法更为理想。3)提出了基于图像幅值谱的”四分之一”十字形区域的频域特征提取新方法，通过该方法提取的特征值明显地反映出缺陷本身的内在属性，因此可以有效地用于缺陷的分类。4)研究了基于遗传算法的特征优化选择方法，以平均净分类信息为遗传算法的适应度函数。采用该方法对缺陷的特征进行优化选择，比直接利用互信息熵作为类别可分离性判据更优，缺陷的识别率提高了近10%。5)研究了关于钢板三维缺陷的提取方法，设计了相关的三维缺陷检测系统，从三维标定、激光线提取及缺陷检测等方面对钢板三维缺陷进行研究，并利用实际现场的图像数据验证了方法的正确性。研究了一些新的缺陷分类方法。采用基于LVQ3网络的分类器进行缺陷的分类，并用基于小样本的神经网络参数优化选择方法，提高了分类器的精度。在多特征值输入以及多缺陷类型的条件下，该分类器的识别率可以达到90%，比基于BP神经网络的分类器高10%以上，且对输入维数以及输出类别的增加不敏感，具有更好的稳定性和鲁棒性。同时，本文还研究了基于“一对一”决策方法的支持向量机（SVM）的缺陷分类方法，实验表明，该方法可用于对高维特征的缺陷进行直接分类。

书籍规格:

书籍信息归属:

钢板表面质量在线监测技术是科学出版社于2010.5出版的中图分类号为 TG335.5 的主题关于 钢板－表面－质量管理 的书籍。