导读:本文包含了带钢表面缺陷检测论文开题报告文献综述及选题提纲参考文献，主要关键词:带钢表面缺陷,图像预处理,特征选择,缺陷分类
带钢表面缺陷检测论文文献综述
易梦云[1]（2019）在《带钢表面质量缺陷检测与分类方法研究》一文中研究指出带钢作为在钢铁工业上的一种重要产品,现如今已被广泛应用在电子电气、机械制造、航空航天工业等领域,所以带钢表面质量的好坏是决定其产品品质的一个必要指标。但由于在带钢生产过程中,会受到生产线上的机械设备、每项加工手法、还有不同生产空间环境等多方面影响,所以带钢表面质量就会出现边浪、夹杂、孔洞、划伤、污渍等各种各样的缺陷,而这些缺陷会严重影响带钢产品的质量。因此,如何高效、准确的检测出钢板带表面出现的缺陷,成为提高钢板带产品质量所需解决的问题,并具有重要的理论研究价值。在此背景下,本文对处理带钢表面质量缺陷的图像所运用的预处理技术、特征提取和特征选择技术以及最后的分类方法进行了研究。主要工作如下:(1)本文对带钢表面缺陷图像预处理技术做出以下叁方面的研究:首先为了避免图像中噪声的干扰,通过对比四种常用的去噪方式,选定对缺陷保留效果更好的中值滤波来去噪。其次为让缺陷图像中缺陷目标与背景更好的区分,采取了图像增强的方式,选定了使像素分布更均匀的直方图均值化的方法。最后为使缺陷区域与图像分离,运用图像分割的方式,通过对比四种常用分割方式,选定分割效果最为明显的Canny算子进行图像分割。(2)本文为将图像可视信息转化为数据信息,所以采取了特征提取的方式,从预处理后的图像中提取了包含几何特征、灰度特征、纹理特征等154维特征。为避免过度拟合,也为提高分类的准确度,采用主成分分析法、Relief F算法及Relief F算法与PCA结合,共叁种方法来对特征数据集进行特征降维及特征选择,处理后的特征分别为25维、25维和22维,降低了后续的计算量。(3)本文对降维及选择后的叁种数据结果分别与支持向量机、K近邻算法、随机森林算法、BP神经网络和RBF神经网络共五种分类方式进行分类,通过对分类的准确度及时间长短的对比,分析得出准确度最高为PCA降维后结合SVM分类,准确度达到了96.25%。但综合准确度及时间来看,随机森林不仅分类准确度较高而且所用时间也较短。(本文来源于《湖北工业大学》期刊2019-06-01）
杨延西,赵梦[2]（2019）在《基于CNN的带钢表面缺陷检测》一文中研究指出随着工业4.0:智能制造理念的深入,推动工业生产制造进一步由自动化向智能化升级势不可挡。作为制造业的支柱性产业,实现钢铁行业的表面缺陷自主检测具有重要意义。针对现有带钢表面缺陷检测过程中识别率低,无法自主检测等问题,本文提出一种基于CNN的带钢表面缺陷检测算法,引入深度学习知识,通过建立CNN模型,制作数据集,实现了对带钢表面缺陷的自动提取与检测。通过实验验证了该算法的有效性,实验结果表明该算法的准确率在99.99%以上,实验过程中未出现误差,能够满足工业生产方面的要求。(本文来源于《重型机械》期刊2019年02期）
岳鹏飞,晏永飞,王楠[3]（2018）在《非接触式带钢表面缺陷检测纹理方向特征分析》一文中研究指出带钢表面缺陷图像纹理方向特征分析是否合理,关乎缺陷图像识别的正确率。针对带钢表面缺陷,提炼描述缺陷图像的纹理特征量,给出检测距离和检测方向角的关系以及缺陷图像纹理特征提取的基本方法。通过带钢表面无噪声和有噪声的裂纹缺陷图像实例分析,提出纹理方向的特征量取最小值,与纹理方向垂直的特征量取最大值;检测距离根据具体情况选取,不易过大或过小;夹杂噪声的缺陷图像分析时阈值取较小值。(本文来源于《辽宁石油化工大学学报》期刊2018年04期）
汤龙波,陈海,蔡国庆,韦志强[4]（2018）在《冷轧带钢表面缺陷检测系统的应用与优化》一文中研究指出介绍柳钢冷轧带钢表面检测系统和以此建立缺陷库及其应用情况。(本文来源于《柳钢科技》期刊2018年03期）
李志锋[5]（2018）在《基于图像识别的镀锌带钢表面缺陷检测系统》一文中研究指出随着现代工业化技术水平的不断发展,生产高质量、高附加值的工业产品必然对冷轧带钢的质量要求也越来越高,要求其化学成分均匀、机械性能一致、尺寸公差小、表面质量好等。同时近年来钢铁原材料涨价,产能过剩、行业各种重组等导致钢铁市场竞争更加激烈。各钢铁行业不同程度上都在从钢铁生产技术上找突破口,以求降低生产成本获取发展空间。冷轧镀锌带钢表面质量的好坏作为衡量镀锌带钢的一项重要指标,近年来已备受钢铁企业关注。冷轧镀锌带钢生产工艺复杂,影响其表面质量的因素众多,而如何及时检测出表面缺陷是关键。本文以鞍钢冷轧带钢表面质量控制研发课题为依托,在对国内外带钢表面检测理论研究现状及成果分析的基础上,结合镀锌生产现场实际情况,研究实现了一套基于图像识别的冷轧镀锌带钢表面缺陷检测系统。本文主要研究内容:(1)在分析冷轧镀锌带钢生产工艺特点的基础上,结合基于图像识别的缺陷检测系统的要求,从硬件系统设计(核心设备选型和现场部署方案确定)、系统通讯设计、软件系统设计叁个方面分别进行设计,形成系统的总体实现方案。(2)对系统实现过程中带钢表面图像采集方法进行研究。利用CCD相机(Charge Coupled Device Camara)连续采集生产过程中的带钢图像,同时着重研究了采集相机变频触发,采集图像的切边、拼接及压缩存储方法。(3)研究了采集图像预处理方法,包括图像滤波、图像特征提取、图像光照补偿等方法。同时针对预处理后的图像进行深度图像识别,初步判定疑似表面缺陷,然后再逐个排查进而对缺陷进行确认,存储缺陷图像,预报给生产操作工,最后经确认后更新基准缺陷图像库。在带钢缺陷识别后,根据一级生产线自动化系统PLC(Programmable Logic Controller)中带钢跟踪与同步信号得到缺陷位置信息。(4)利用VS2010集成开发平台,在C++编程环境下配合OpenCV(开源的计算机视觉库),进行带钢表面图像采集、图像识别、缺陷检测软件功能开发,最终系统交付现场使用。并就系统在线运行情况及自主设计实现本套镀锌带钢表面缺陷检测系统的优点进行说明。(本文来源于《大连理工大学》期刊2018-06-01）
王立中[6]（2018）在《基于深度学习的带钢表面缺陷检测》一文中研究指出随着“中国制造2025”的提出,制造与检测的智能化、自动化已经成为冶金制造企业发展的必然趋势。带钢作为传统钢铁制造企业的主要产品之一,其表面缺陷检测是带钢生产过程中质量监测的重要环节,然而往往受制于检测环境等因素以及带钢缺陷种类的多样性的影响,传统检测算法难以提取带钢缺陷图像的本质特征,从而导致缺陷的检测效果不能达到理想要求。随着计算机技术、互联网技术以及人工智能的发展,基于大数据自动提取特征的深度学习已成为解决带钢缺陷检测与识别关键技术。深度学习由传统的机器学习发展而来,从大数据吸取养分,不强调数据的先验特性。通过复杂的模型,学习到数据的内在规律特性,可应用范围广,准确度高。因此本文对用于图像处理的深度学习卷积神经网络的相关理论进行深入研究,在此基础上对深度学习的目标检测网络进行分析,提出以Faster R-CNN为框架的带钢表面缺陷检测网络。本文首先对训练数据集进行了扩充,并通过对数据集的分析,利用Resnet101作为图像的特征提取网络。然后使用迁移学习的方法训练网络,优化模型参数,从而避免网络训练过程中待优化参数陷入局部极小值,保证了网络训练过程的平稳性和收敛性,并且通过试验平台验证检测算法的有效性。最后通过对试验结果定量分析表明,试验中基于深度学习的带钢表面缺陷检测的总体准确率、召回率、特异性分别达到92.2%、98.8%和100%,并且具有较快的检测速度,完全满足了工业生产中对带钢自动化检测的要求。在文章的结尾部分,总结了本课题的主要工作内容、创新点及存在的不足,展望了带钢缺陷自动化检测技术的未来发展方向。(本文来源于《西安工程大学》期刊2018-05-25）
孙光民,刘鹏,李子博[7]（2018）在《基于图像处理的带钢表面缺陷检测改进算法的研究》一文中研究指出由于在带钢的生产过程中会出现多种表面缺陷,因此本文中研究了一种基于图像处理的带钢表面缺陷检测改进算法对表面缺陷进行有效检测。算法中对边缘检测、图像分块、连通域分析等过程进行了改进,并提出了一种针对带钢图像的图像二值化算法,相较于传统的缺陷检测算法,本文中的检测算法在保证处理速度的同时,可以使处理的图像细节更完整清晰,缺陷定位更准确,且总体的检测正确率在90%以上,为后续缺陷分类提供更加准确的数据支持,可有效解决带钢表面缺陷检测问题,对企业生产过程中的技术改善起到至关重要的作用。(本文来源于《软件工程》期刊2018年04期）
张命令,罗宏[8]（2018）在《基于PLC的叁轴十字滑台带钢表面缺陷检测系统设计》一文中研究指出为快速准确地检测出带钢表面缺陷,对带钢表面缺陷自动检测控制系统进行分析,提出并设计了基于PLC的叁轴十字滑台带钢检测系统方案。确定了系统硬件十字滑台的结构尺寸,完成了系统装配,机械部件计算、选型,PLC软件编程,等;利用有限元软件对结构检测系统进行力学计算和仿真分析。结果表明,此设计可为企业节约生产成本及劳动力,该系统具有可控可操作性,符合实际工程实验环境要求,具有重大的工程实际意义和经济效益,应用前景广阔。(本文来源于《自动化与仪表》期刊2018年02期）
王合英[9]（2017）在《基于单幅图像及结合非缺陷图像统计特性的带钢表面缺陷检测》一文中研究指出带钢表面缺陷会对相关产品的外观造成影响,并且降低产品的抗腐蚀性、抗疲劳强度等各方面性能。基于计算机视觉的带钢表面质量检测技术对于提升产品质量、提高钢铁行业的智能化制造水平具有重要的意义。但现有的表面质量检测技术在样本训练集规模、缺陷检测精度及抗干扰性能等方面依然存在很多问题。由于实际生产线上很难获得完备、分布均衡的缺陷数据库,因此,本文分别从利用单幅图像内部特征及结合非缺陷样本库统计特征的角度,研究设计了叁种相关带钢表面缺陷检测算法,具体研究内容与贡献如下:(1)提出一种用于描述局部图像块纹理的哈尔-韦伯-方差(Haar-Weibull-Variance,HWV)模型,并利用单幅图像内部特征对带钢表面缺陷进行检测。算法首先利用各项异性扩散预处理待测图像;然后建立HWV模型,利用模型二参数描述局部分块的纹理特征,并根据HWV空间下的参数分布形式对待测图像中若干可靠背景区域块进行定位,并进一步优化HWV模型参数;最后利用自适应阈值实现对带钢表面缺陷的检测与定位。实验结果表明,本文所提基于HWV模型的算法可实现对各种不同类型带钢表面缺陷的准确检测,且检测效果优于现有方法。(2)提出一种基于引导模板的带钢表面缺陷检测算法。算法假设非缺陷图像亮度服从高斯分布,针对每幅待测图像,利用非缺陷图像的统计特性以及待测图像本身的灰度分布情况生成与该待测图像唯一对应的引导模板;然后,通过差分操作,利用自适应阈值定位缺陷。本文所提基于引导模板的算法可实现对带钢表面缺陷的像素级检测与定位。同时,由于仅利用了简单的排序、模板生成及差分操作,该算法具有很高的计算效率。最后,通过调整非缺陷样本的先验分布规律,其还可被推广到其它纹理表面的缺陷检测领域中。(3)提出一种基于模糊度量的带钢表面缺陷检测算法。算法假设待测图像的背景亮度服从高斯分布,利用非缺陷图像的统计亮度范围从待测图像直方图中拟合背景的高斯曲线,定义隶属度函数及模糊性指标函数,估算各像素点属于缺陷的程度,并结合像素点位置之间的连通性完成带钢表面缺陷的检测。本文所提基于模糊度量的算法可以准确地检测不同类型缺陷,甚至微小的及与背景亮度差异小的缺陷。通过改变对待测图像背景中亮度分布规律的估计,该方法也可应用于对其他纹理表面的缺陷检测。(本文来源于《河北工业大学》期刊2017-12-01）
徐森[10]（2016）在《基于视觉注意机制的带钢表面缺陷检测研究》一文中研究指出带钢作为钢铁产业一种重要产品,是现代工业发展过程中必备的原材料之一,其表面缺陷会严重影响带钢产品的最终性能。因此,带钢表面缺陷的快速、准确检测具有重大研究意义和价值。基于机器视觉的表面缺陷检测作为一种高效、可靠的无损检测技术,引起了研究者的广泛关注。本文针对传统带钢表面缺陷检测方法在实际应用中检测精度低、实时性差的问题,引入视觉注意机制模型,提出了一种优化Gabor滤波器缺陷检测方法和基于频谱分析的缺陷快速检测方法。本文研究的内容与成果如下:(1)首先,本文阐述了视觉注意机制模型,在传统视觉注意模型的启发下,提出了带钢表面缺陷检测的视觉注意机制模型。然后,利用Gabor滤波器具有良好的方向选择和尺度选择特性,而且符合人类视觉注意机理。本文提出了基于Gabor小波带钢表面缺陷显着性检测方法,并针对传统Gabor滤波器参数较多,检测实时性差的问题,提出了基于复合差分进化的Gabor滤波器优化方法,检测效率有较大提升。(2)为了进一步提升检测算法的实时性和可靠性,从算法复杂度入手,提取图像幅值与相位信息构建了基于频谱分析的带钢表面缺陷显着性检测方法。由于利用了傅里叶变换高效特性,检测效率较高,对于快速运动带钢表面缺陷检测有较好的实时性能。(3)由于外界光照不均匀等因素的影响,相机采集到的图像易出现局部反光现象,本文提出了改进的同态滤波方法去除反光区域的影响;针对显着图像缺陷特征不明显的问题,在传统马氏距离阈值化的基础上,引入像素点加权的方法,提出了基于加权马氏距离阈值化方法,缺陷检测精度上有相应的提高。(4)构建实验室模拟检测平台,设计了交互软件界面。实验结果表明,优化后的Gabor小波检测方法缺陷检测率较高,适用于精密器件、航天材料等对带钢质量要求较高的行业;基于频谱分析的检测方法实时性较高,适用于带钢表面缺陷的快速检测。(本文来源于《河北工业大学》期刊2016-12-01）
带钢表面缺陷检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着工业4.0:智能制造理念的深入,推动工业生产制造进一步由自动化向智能化升级势不可挡。作为制造业的支柱性产业,实现钢铁行业的表面缺陷自主检测具有重要意义。针对现有带钢表面缺陷检测过程中识别率低,无法自主检测等问题,本文提出一种基于CNN的带钢表面缺陷检测算法,引入深度学习知识,通过建立CNN模型,制作数据集,实现了对带钢表面缺陷的自动提取与检测。通过实验验证了该算法的有效性,实验结果表明该算法的准确率在99.99%以上,实验过程中未出现误差,能够满足工业生产方面的要求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
带钢表面缺陷检测论文参考文献
[1].易梦云.带钢表面质量缺陷检测与分类方法研究[D].湖北工业大学.2019
[2].杨延西,赵梦.基于CNN的带钢表面缺陷检测[J].重型机械.2019
[3].岳鹏飞,晏永飞,王楠.非接触式带钢表面缺陷检测纹理方向特征分析[J].辽宁石油化工大学学报.2018
[4].汤龙波,陈海,蔡国庆,韦志强.冷轧带钢表面缺陷检测系统的应用与优化[J].柳钢科技.2018
[5].李志锋.基于图像识别的镀锌带钢表面缺陷检测系统[D].大连理工大学.2018
[6].王立中.基于深度学习的带钢表面缺陷检测[D].西安工程大学.2018
[7].孙光民,刘鹏,李子博.基于图像处理的带钢表面缺陷检测改进算法的研究[J].软件工程.2018
[8].张命令,罗宏.基于PLC的叁轴十字滑台带钢表面缺陷检测系统设计[J].自动化与仪表.2018
[9].王合英.基于单幅图像及结合非缺陷图像统计特性的带钢表面缺陷检测[D].河北工业大学.2017
[10].徐森.基于视觉注意机制的带钢表面缺陷检测研究[D].河北工业大学.2016