《带钢缺陷检测关键技术研究.pdf》由会员分享，可在线阅读，更多相关《带钢缺陷检测关键技术研究.pdf（54页珍藏版）》请在三一文库上搜索。
1、硕士论文 带钢缺陷检测关键技术研究 摘要 I I T IIIII TIrlI I III I II II Y 2 0 6 16 2 6 表面质量的好坏是带钢质量的一项重要指标，带钢表面缺陷检测技术己成为钢铁生 产企业提高生产效率，向生产自动化与智能化方向发展的关键因素，同时也是国内外学 者研究的热点课题之一。 计算。 的选择， 关键词：表面缺陷 硕士论文 A b s t r a c t S u r f a c eq u a l i t yi so n eo ft h em o s ti m p o r t a n tq u a l i t yp a r a m e t e r sf o rs
2、t e e l s t r i p ，s t r i p s u r f a c ed e f e c td e t e c t i o nt e c h n o l o g yh a sb e c o m et h ei r o na n ds t e e lp r o d u c t i o ne n t e r p r i s e st o i m p r o v ep r o d u c t i o ne f f i c i e n c ya n dak e yf a c t o rf o rd e v e l o p m e n to f p r o d u c t i o na u
3、 t o m a t i o na n d i n t e l l i g e n td i r e c t i o n , s t r i ps u r f a c ed e f e c td e t e c t i o nt e c h n o l o g yh a sb e c o m eo n eo ft h eh o t t o p i c s I nt h i sp a p e r , b a s e do ni n d e p t hs t u d yo fe x i s t i n gs t r i pd e f e c td e t e c t i o nt e c h n
4、o l o g ya n d e q u i p m e n t , t h eu s eo fM a t l a b a sat o o lt o s t u d ys o m eo ft h ek e yt e c h n i c a l d e f e c t d e t e c t i o n F i r s t l y a c c o r d i n gt ot h er e q u i r e m e n t so ft h es t r i ps u r f a c ei n s p e c t i o ns y s t e m ，g i v et h e o v e r a l
5、 ls y s t e md e s i g n ，s o f t w a r ep r o c e s s e sa n dh a r d w a r ea r c h i t e c t u r e w h a t Sm o r e ，f o c u so n c o m p u t i n gt h ec a m e r a sp a r a m e t e r s T h e n ，t h i sp a p e rh a ss t u d yt h ea l g o r i t h mb a s e do ni m a g e v e l o c i m e t r yr e s e
6、a r c h ，a n d u s es o f t w a r et o d e v e l o pt h ep h a s eo n l yc o r r e l a t i o ns p e e d m e a s u r e m e n t A f t e rt h a t , i ti ss u c c e s s f u lt or e s e a r c ha n di m p l e m e n t a t i o no nas e r i e so fi m a g e p r o c e s s i n ga l g o r i t h m s ，i n c l u d
7、i n gi m a g ef i l t e r i n g ，i m a g es e g m e n t a t i o na n dt h ec h o i c eo fd e f e c t c h a r a c t e r i s t i c s e m p h a s i s o n c o m p u t i n g t h ec h a r a c t e r i s t i c p a r a m e t e r s o ft h ed e f e c t i m a g e F i n a l l y , B Pn e u r a ln e t w o r ki sa
8、d o p t e dt or e c o g n i z et h es u r f a c ed e f e c t ，a n dc o m p l e t et h e i n i t i a lr e c o g n i t i o nf e a t u r e K e y w o r d ：S u r f a c ed e f e c ti n s p e c t i o n ，I m a g es e n s o r , P h a s eo n l yc o r r e l a t i o ns p e e dm e a s u r e - m e n t ，F e a t u
9、r e se x t r a c t i n ga n ds e l e c t i n g ，N e u r a ln e t w o r k 硕士论文带钢缺陷检测关键技术研究 目录 摘要。I A b s t r a c t I I l 弓I 言1 1 1 课题的背景及意义1 1 2 带钢表面缺陷检测的国内外发展状况1 1 2 1 整体发展概况1 1 2 2 国内外研究现状2 1 3 本论文所作的主要工作6 2 带钢表面缺陷系统方案研究7 2 1 系统要求7 2 2 系统结构7 2 3 本章小结1 1 3 基于C M O S 面阵图像传感器的测速算法研究1 2 3 1 传统的带钢在线测速方法
10、1 2 3 2 测速原理。1 2 3 3 相位相关算法的M a t l a b 实现1 5 3 4 本章小结1 7 4 带钢缺陷图像处理算法研究1 8 4 1 图像滤波1 8 4 1 1 缺陷图像噪声的描述1 8 4 1 2 缺陷图像的平滑2 0 4 1 3M a t l a b 对比分析2 1 4 2 图像分割2 3 4 2 1 基于边缘检测算子的缺陷目标检测的局限性2 3 4 2 2 基于背景差分算法的缺陷检测原理及M a f l a b 实现2 5 4 3 缺陷特征的选择2 7 4 3 1 样本空间的建立2 7 4 3 2 特征值的选择原则2 8 4 3 3 常见特征的描述和选择阱3 8
11、 1 2 8 4 4 本章小结3 5 5 带钢缺陷识别和分类方法的研究3 6 5 1 神经网络的基本概念3 6 5 1 1 神经元模型3 6 5 1 2 神经网络的学习3 7 l 目录 硕士论文 5 2B P 神经网络的结构3 7 5 2 1 输入层、输出层和隐含层节点数目的设置3 7 5 2 2B P 网络的训练过程3 8 5 2 3 改进的B P 网络的学习算法3 9 5 3B P 神经网络的分类结果一4 1 5 3 1 数据的归一化4 1 5 3 2 分类结果4 3 5 4 本章小结4 4 总结与展望4 5 鸳贮谢。4 6 参考文献4 7 I V 硕士论文 带钢缺陷检测关键技术研究 1
12、引言 1 1 课题的背景及意义 随着现代化进程的不断深入，生产机器化水平不断提高，人们的生活质量不断提高， 对消费品的质量也提出了更高的要求。带钢作为机械、电子、化工等多种行业的原材料， 起着极其重要的作用，它的质量直接影响到最终产品的质量。所以近年来许多行业在满 足自身带钢数量上的需求的同时，对其表面质量的要求日益严格。但在整个生产带钢的 过程中，由于原材料、设备和工艺等诸多原因，带钢表面出现裂纹、氧化、刮伤、孔洞 等缺陷的几率很大【l 】，这些缺陷不仅影响产品表面的平整度，而且还降低了产品的抗腐 蚀性、抗磨性等使用性能，使产品存在潜在的质量问题。由于钢铁生产企业无法保证在 生产过程中检测出
13、所有的缺陷，而质量问题只有在用户使用过程中被发现，造成用户向 企业提出索赔，使产品形象受到难以弥补的破坏，给企业带来了无法估量的无形损失。 因此，必须加大对带钢表面缺陷的在线检测和控制工作的投入，这对于及早发现残次品、 压缩原材料成本、改善一线工人的劳动环境和劳动强度等都有实际效益。而如何在线实 时的检测出带钢的表面缺陷，从而使带钢产品的质量有实质性的提高，这一直是现代钢 铁生产企业非常重视和关注的问题。 我国现有的无损检测技术、监测设备远远不能满足钢板表面缺陷检测中的高精度、 在线实时检测等普遍需要。在实际工业生产过程中，大型钢铁企业耗费大量的资金和人 力，引进国外先进的在线检测技术和仪器。
14、而大多数中小钢铁企业仍旧采取人工检测的 方式，然而人工检测的方法存在很多缺陷，如抽检效率低、实时性差，无法可靠地捕获 缺陷信息并加以识别和记录【2 】。而且检测者需要长时间工作在高温、粉尘、噪音、振动 等恶劣的生产环境之下，对其身心健康造成伤害。因此，开发带钢表面缺陷检测的新技 术和新的检测系统，使工厂能够准确评估出钢材的质量显得尤为迫切。总之，发展带钢 表面缺陷的在线实时检测技术有利于实现生产自动化，具有重大的经济、社会效益。 1 2 带钢表面缺陷检测的国内外发展状况 1 2 1 整体发展概况 带钢表面缺陷检测技术根据其发展时间划分，大致可分为三个阶段【3 J ： 第一阶段，非自动化检测阶段
15、，主要采用人工目测法和频闪光检测法两种。上世纪 5 0 年代至6 0 年代，冷轧带钢表面缺陷检测主要采用人工目视检测，检测者仅仅凭借肉 眼观察缺陷。但人眼的检测能力有限。若目标物速度高于1 5 m s 时，人眼就完全无法看 清带钢的表面缺陷了，这使得表面缺陷被大量误检、漏检。因此，人工目测的方法逐渐 1 引言硕士论文 就被淘汰了。在7 0 年代中期，许多欧美钢联企业普遍采用频闪光检测法。虽然这种方 法成本低，但是检测的可信度和自动化程度低。 第二阶段，以激光扫描和C C D 成像检测技术为代表。上世纪6 0 年代激光器的出现 使得光电检测技术有了举世瞩目的发展前景。激光作为一种新型光源显示出巨
16、大的优越 性。欧洲国家由于在光电技术上的传统优势，在带钢表面检测领域逐渐形成了以英国、 德国为领先发展的格局。从激光器的出现到使用激光检测带钢表面缺陷系统的成功应 用，英国仅用了4 年多的时间。7 0 年代初，美国贝尔实验室研制出首片C C D 器件，随 后逐渐被推广使用并占有了绝大部分的市场。在8 0 年代初推出了以固体摄像器件C C D 作为探测器的带钢表面缺陷检测的实用系统。 第三阶段，信息化发展阶段。计算机技术的飞速发展，带来了与其相关的机器视觉 技术、人工智能技术、模式识别技术的飞速发展，再加上神经网络理论，贝叶斯决策理 论以及遗传算法等新兴理论的深化以及实用化，使得机器视觉技术融入
17、传统的钢板检测 技术成为一种趋势。 。 目前，在实际中得到广泛使用的表面缺陷检测方法主要有超声波扫描法、漏磁检测 技术、红外检测技术、涡流检测技术，这些方法可以根据实际情况应用于不同场合，但 系统结构复杂、不利于维护【4 】。而在钢板表面缺陷的在线无损检测领域应用最为广泛的 是以计算机机器视觉技术为基础的检测方法，包括激光扫描法和C C D 成像检测法。 激光扫描检N t 5 】增强了检测的灵敏度、实时性和数字信号处理系统的通用性，然而随 着应用研究的进一步深入，国内外学者逐渐发现激光扫描检测技术的局限性一对于微小 的或对比度较低的缺陷的分辨能力不足；同时其专用的光学系统的结构复杂，可维护性
18、较差。以上这些不足限制了激光扫描检测技术在带钢表面在线检测领域的进一步推广使 用。 随着C C D 和图像处理技术的成熟化，采用电子扫描的C C D 检测技术代替采用机械 扫描的激光扫描技术已经成为必然。C C D 检测系统的构成较简易，并可随环境作升级 改造，灵活性强，成本低廉，而且C C D 检测方法能够很好的同数字图像处理方法及缺 陷分类器结合。同时以前的C M O S 图像传感器由于图像质量差、分辨率低等固有缺点， 所以基于C C D 的检测系统一直主导着市场。目前采用主动像敏单元结构的C M O S 图像 传感器的性能参数已与C C D 图像传感器接近，而在功能、功耗、尺寸和价格方面
19、都要 优于C C D 图像传感器，所以国内外研究人员尝试使用C M O S 图像传感器代替原有的 C C D 图像传感器来构成缺陷检测系统。 1 2 2 国内外研究现状 1 2 2 1 基于激光扫描的机器视觉检测方法 1 9 7 1 年，英国钢铁公司、伦敦C I T Y 大学和S L A P 工学院联合开发出以5 r o w 的H e - N e 2 硕士论文 带钢缺陷检测关键技术研究 激光器作为扫描光源、用1 2 面柱面镜和反射棱镜作为光学系统，并使用光电倍增管接 收的检测系统【6 1 。该系统的设计思想和结构体系成为此后激光扫描表面检测技术发展的 基础。上世纪7 0 年代中期，日本川崎公司
20、着手研制镀锡板在线检测装置，相继采用了 斜交激光扫描系统和平行激光扫描系统进行钢板表面缺陷监测，并针对特定缺陷的信号 处理问题采用了F r a c t a l 分析方法和自相关技术【7 J 。1 9 8 8 年美国S i c k 公司推出了平行激 光扫描检测装置，该系统可检测出4 0 多种表面缺陷【8 】。与西方发达国家相比，国内带钢 表面缺陷检测的研究及应用起步较晚，整体水平存在较大差距。1 9 9 0 年华中理工大学罗 志勇教授等采用激光扫描方法测量冷轧钢板宽度以及检测孔洞缺陷【9 】，并开发了配套的 信号处理电路。宝钢是国内最早将激光自动检测系统投入使用的企业，宝钢1 4 2 0 m m
21、 电 镀锡机组出口装配了在线激光表面检测仪，在带钢高速运行的情况下，可对带钢正反面 同时进行检测，能识别出直径为0 1 m m 以上的多种缺陷，综合识别能力达到9 5 以上。 1 2 2 2 基于C C D 的机器视觉的检测方法 基于C C D 成像的检测方法主要分为：线阵C C D 扫描法、面阵C C D 图像拼接法和 “线阵C C D + 面阵C C D 的多传感器融合技术。 1 9 8 0 年美国A r m o c 公司研制的线阵C C D 检测系统，采用柱型透镜进行X 、Y 方向 的放大倍数分离，以达到扩大视场的效果；照明采用4 0 k H z 的高频荧光灯作为光源，从 而削弱了光源周
22、期性变化对系统的影响；摄像器件采用当时最先进的2 0 4 8 像元线阵 C C D 1 0 】。1 9 8 3 年美国H o n e w y e l l 公司采用线阵C C D 器件完成了连铸板坯表面在线检测 装置的研究【I l 】。该研究工作对于带钢表面检测系统的意义在于确立了以线阵C C D 作为 摄像器件配合专用图像阵列处理机的系统结构、基于句法模式识别和树分类器的分类器 设计思想以及离线数字仿真等技术的主流地位。1 9 8 6 年，W e s t i n g h O U S e 公司在美国钢铁 协会( A I S I ) 的资助下，研制出具有0 7 m m x 2 3 m m 缺陷分辨
23、力的带钢表面缺陷在线检测系 统【1 2 】。 9 0 年代以来，由于线阵C C D 工艺的不断提高，图像处理技术等相关技术的发展， 许多国家相继研发出功能更强大，检测结果更可靠的系统。最具代表性的是美国C o g n e x 公司i S 2 0 0 0 系统，该系统提出了从光学系统、视频信号接口部件、数字图像预处理部 件到软件算法的一整套系统性的解决方案，使系统的检测精度达N o 2 3 r a m 0 7 0 r a m ， 同时提出了一个先进的自动分类系统i L e a m ，系统框图如图1 1 【5 】。 德国P a r s y t C C 公司开发了采用面阵C C D 摄像头的H T
24、S 2 和H T S 一2 W 系统被分别用 于冷轧和热轧带钢表面缺陷检测【”】。该系统在传送带速为5 m s 的情况下，检测的带钢 表面缺陷的最小尺寸为0 5 r a m ，且系统运行可靠，是采用面阵C C D 图像拼接法实现表 面缺陷检测的最为成功的例子，系统框图如图1 2 。H T S 2 系统采用半导体L E D 做光源， 通过高灵敏度摄像头成像，多个摄像头搭建的视场使得获取的图像覆盖整个带钢表面。 此系统对本课题的研究具有很高的参考价值。 3 l 引言硕士论文 图1 1i S 2 0 0 0 系统框图 检测控制台 图1 2F I T S 2 系统框图 近年来，P a r s y t
25、e C 公司创新性的提出了一种基于”线阵C C D + 面阵C C D ”的多传感器 融合的方案，如图1 3 。针对钢板表面检测中几个难点：( 1 ) 钢板表面的纹理化；( 2 ) 钢 板表面粗糙度；( 3 ) 材料等级的变化；( 4 ) 震动和厚度变化的不确定性【1 4 】。P a r s y t c c 公司 为了解决这些问题，充分利用面阵C C D 检测与线阵C C D 检测各自的优点，创造性的将 两者结合，并在照明技术、传感器实现等方面做了改进，P a r s y t e c 公司为钢板表面检测 技术开创了一条新的发展道路。 4 硕士论文 带钢缺陷检测关键技术研究 可见光 扫接检测 图
26、1 3 线阵+ 面阵系统 上世纪9 0 年代初，华中理工大学采用激光扫描的方法测量冷轧钢板宽度和进行孔 洞缺陷的检测，并开发了配套的信号处理电路。此后，又开展了线阵C C D 和面阵C C D 检测技术的研究工作，跨出了国内在基于C C D 的钢板在线检测领域的第一步。1 9 9 5 年， 他们又进一步研制出了采用多台面阵C C D 作为成像器件，基于P C 环境的D S P 系统作 为图象处理平台，进行冷轧带钢表面孔洞、重皮和边裂等缺陷的检测以及最小带宽测量 的实验系统【9 1 。2 0 0 2 年，北京科技大学采用多个面阵C C D 同时采集钢板表面图像，由 多台客户机和一台服务器组成计算
27、机处理系统，一台服务器对应一台C C D 摄像机的图 像信息处理，最后交给服务器进行信息的汇总，很好的实现了对钢板表面的在线检测u 引。 2 0 0 3 年，上海宝钢研究所和冷轧厂共同启动了孔洞检测项目。制造出国内冶金行业第一 台孔洞缺陷检测装置，并实现了设备一次性上线成功。2 0 0 5 年，西安建筑科技大学研制 出了带钢表面缺陷检测装置，该装置能检测出数十种钢板表面缺陷，检出率在8 5 以上 【1 6 】。2 0 0 7 年，天津大学承担的“钢板表面缺陷计算机视觉在线检测系统的研制“ 项目 成功验收，其中包括开发一套基于线阵C C D 钢板表面缺陷的机器视觉在线检测样机系 绀卯。 总之，西
28、方国家由于传统的技术优势，正在对带钢在线检测领域进行更深入的探索， 寻求新的描述方式和解决方案。国内的带钢表面缺陷检测研究虽然起步较晚，但是由于 巨大经济和社会效益，吸引了众多的钢铁企业以及高校纷纷投入资金进行研发，致力于 开发出一套功能完善、检测可靠性强的在线实时检测系统。根据以上对国内外发展现状 的深入了解，得出实现带钢缺陷在线视觉检测的难点和关键技术如下： ( 1 ) 光源及光学系统设计。随着卤素灯、半导体L E D 光源和光纤光源等新型高功率 光源的出现，光源在强度、均匀性、方向性等方面均能满足检测系统的要求：对带钢反 5 l 引言硕士论文 射、散射模型进行研究，结合光源和带钢运行速度
29、，优化光学系统结构，这为系统前端 的图像采集工作打下良好基础。 ( 2 ) 图像传感器的选型。当前C C D 和C M O S 器件的发展，使得检测系统突破了运行 速度的制约。 ( 3 ) 带钢生产线运行环境信息的反馈。采取有效措施对生产线的运行环境状况( 如生 产线的运行速度、光照等情况) 进行准确、实时的反馈，以便进行调整和控制。 ( 4 ) 大数据量的采集及在线处理。高速A D 转换器件、D S P 等器件处理速度的不断 提高，能很好的解决这一问题。 ( 5 ) 适应性较强的缺陷分类器的开发。模式识别理论的不断完善，使得带钢表面缺陷 智能分类成为可能。 1 3 本论文所作的主要工作 课题
30、对以上关键技术中的( 2 ) 、( 3 ) 、( 5 ) 进行了研究，主要进行了以下工作： 1 ) 带钢表面缺陷检测系统的整体框架设计。重点对图像采集系统所使用的图像传 感器进行了研究，选择了符合课题要求的图像传感器。 2 1 研究了基于C M O S 面阵图像传感器的测速方法。采用相位相关算法实现通过图 像来计算带钢运动的速度。 3 ) 研究了带钢表面缺陷的图像处理过程。包括图像滤波，图像分割，缺陷特征的 选择与提取。通过在M a t l a b 中进行实验，最终选取了中值滤波以及基于背景差分算法 的缺陷检测方法。最终把从缺陷图像中提取出来的合适的特征值作为神经网络分类器的 输入，并采用B
31、P 神经网络完成了对带钢表面缺陷的初步分类。 6 硕士论文带钢缺陷检测关键技术研究 2 带钢表面缺陷系统方案研究 2 1 系统要求 基于机器视觉的带钢表面缺陷检测系统一般认为是利用图像采集装置获取带钢表 面的图像信息，通过缺陷图像的表面特性和完好模板图像的表面特性之间的差异来判断 是否出现缺陷及缺陷的类别。本课题要检测的钢板表面缺陷主要有：擦伤、孔洞和飞边。 带钢表面缺陷检测系统主要分为硬件部分与软件部分，其中系统硬件部分主要负责 生产线的启动停止信号，控制摄像机对带钢表面进行无遗漏、无重复的扫描以便采集带 钢表面图像数据。系统软件部分主要负责对采集到的带钢表面图像进行处理，提取生产 线的运行
32、速度信息，对表面缺陷进行提取、分类及记录。由于系统软件部分涉及数字图 像处理，模式识别，数值分析，计算机网络，数据库系统，程序设计语言等方面，具有 很强的综合性，是系统研究的重要方面。 检测系统的要求如下： ( 1 ) 带钢的最高运动速度约为3 0 m s ； ( 2 ) 带钢的宽度为1 6 0 0 m m ； ( 3 ) 横纵向的检测精度为0 1 m m x 0 1 m m ； ( 4 ) 通过摄像机采集的前后两帧图像来判断带钢的运动速度，代替传统的通过旋转 编码器来间接测量带钢运动速度的方法。 2 2 系统结构 市场上的带钢表面缺陷检测系统可以按结构分为两大类：基于P C 的带钢表面缺陷
33、检测系统和基于嵌入式的带钢表面缺陷检测系统。前者的硬件包括C C D 相机、图像采 集卡、P C 等，目前居于市场的主导地位。后者将所需要的大部分硬件( 如C C D 、内存、 处理器以及通信接口等) 压缩在一个“黑箱”式的模块中，又称之为智能相机，其优点 是结构紧凑、性价比高、使用方便、对环境的适应性强。随着半导体和电子技术的不断 发展，后者将成为带钢表面缺陷检测硬件系统发展的趋势。 硬件系统位于整个系统的最底层，主要完成图像的采集工作。操作员可以通过人机 接口对系统硬件进行参数设置、重启系统等操作，通过监视器查看生产线运行状态。硬 件系统根据生产线的运行状况控制摄像机对带钢表面进行成像，并
34、把图像数据传送给软 件系统。当系统检测出缺陷时，硬件系统向质检员发出鸣笛等报警信号。 目前，常用的摄像器件基于C C D 的摄像器件和基于C M O S 的摄像器件，两者在构 造和动作方式等方面存在差异，但都存在优缺点，在不同场合都得到了广泛应用。在制 7 2 带钢表面缺陷系统方案研究 硕士论文 造方面，C C D 和C M O S 的主要区别是C C D 是集成在半导体单晶材料上，而C M O S 是 集成在金属氧化物半导体材料上。它们的工作原理都是利用光敏二极管进行转换，而主 要差别是在数据的传递方式的不同，如图2 1 。C C D 的电荷传输原理是移动储存电荷的 电势阱，信号电荷不经过放
35、大，直接利用C C D 具有的电荷转移功能运送到输出电路。 而C M O S 的各个像素具有电荷信号放大功能，将信号电荷放大后，再利用X Y 地址译码 器进行选择，最后取出信号电压或电流。在性能方面，如表2 1 ，C M O S 较C C D 也具有 明显优势，但是C M O S 存在低灵敏度、高噪声、暗电流等缺点，随着工艺和技术的不 断发展，近年来许多学者针对C M O S 存在的问题提出了改进和解决的办法【l 。 8 o o 口 移 位 寄 存 器 ( a ) C C D 的组成结构 模拟放大器 ( b ) C M O S 的组成结构 图2 1C C D 和C M O S 的组成结构 硕士
36、论文带钢缺陷检测关键技术研究 表2 1C C D 与C M O S 图像传感器的性能比较 性能参数 C C DC M O S 灵敏度 优良 噪声优良 光晕有无 电源多电极单一电极 集成状况低，需外接器件单片高集成度 系统功耗两 低 电路结构复杂简单 抗辐射弱强 动态范围大于7 0 d B大于7 0 d B 模块体积大小 彩色编码片外片内 A D C 模块片外 片内 时序及控制电路片外片内 自动增益控制片外片内 根据系统给出的要求：带钢的运动速度约为3 0 m s ，宽度为1 6 m ；检测的精度为 O 1 m m x 0 1 m m 。在带钢的运动方向上取检测精度的一半O 0 5 m m ，计
37、算曝光时间： 0 1 m m x 0 5 + 3 0 r n s = 5 3 u s ( 2 1 ) 在这样的短的曝光时间下，最好选择C M O S 类的工业相机，假设采用面阵C M O S 相机的分辨率约为2 0 0 0 x 2 0 0 0 ，对相机参数进行估算。那么帧速为： 3 0 m s + 0 1 m m + 2 0 0 0 = - 1 5 0 f p s( 2 2 ) 满足要求的器件有D A L S A 公司的C M O S 工业相机F a l c o n 2 4 M ，此相机分辨率达到 2 4 3 2 x 1 7 2 8 ，最大帧速达到1 6 8 f p s ，详细参数及实物图见图
38、2 2 。使用F a l c o n 2 4 M 的参数 进行计算： 3 0 m s ：- - 0 1 m m + 2 4 3 2 - - 1 2 3 5 f p s 田s 1 4 l 图3得出的、值4m a t l a bM A XRS 田R m ) _ 一、7 b - - 0 ( 4 3 2 ) 熵( E n t r o p y ) 的计算公式为： 型 E n t r o p y = 一P ( b ) l 0 9 2 P ( b ) 】 ( 4 3 3 ) ( 3 ) 纹理特征 纹理是图像的一个重要特性，在各类图像中纹理现象几乎无处不在。纹理是物体表 面灰度或颜色的某种变化，这种变化与物体
39、固有属性有关，是某种纹理基元的重复【4 3 1 。 H a w k i n s 曾对纹理做过比较详细的描述，他认为纹理有下面的3 项基本要素4 4 】： 1 ) 某种局部的纹理在比该纹理更大的区域内不断重复。 2 ) 纹理是由基本部分非随机排列组成的。 3 ) 纹理区域任何地方都有大致相同的结构尺寸，是一个均匀的统一体。 纹理可分为确定性纹理和随机性纹理，因此在对纹理的分析中，要针对纹理的类型，采 用适当的方法分析其变化规律【4 5 1 。提取纹理特征的方法很多，大体上可分为两类：统计 分析方法和结构分析方法。本文选用了统计分析方法中基于灰度共生矩阵的纹理特征提 取法。 纹理描述的共生矩阵方法
40、【删是基于在纹理中某一灰度级结构重复出现的情况。这个 结构在精细纹理中随着距离的变化而迅速的变化，而在粗糙纹理中则缓慢的变化。假设 分析的纹理图像的一个部分是一个M x N 的窗口。某一灰度级结构的出现情况可以由相 对的频率P ( i ，j ，d , 0 ) 的矩阵来描述，它描绘了具有灰度级i ，J 的两个像素，在方向0 上间 隔距离为d ，以多大的概率出现在窗口中。概率分布P ( i ，J ，d , 0 ) 的表达式为： P ( i ，j ，也o ) = ( x ，y ) I f ( x ，y ) = i ，f ( x + d 。，y + d y ) = j ；x ，y = o ，1 ，N
41、- 1 ( 4 3 4 ) 式中i ，j = o ，1 ，2 L 1 ；x ，Y 是图像中像素的坐标；L 为灰度级的数目。这样，两个 像素同时发生的概率就成以( i j ) 的灰度对来描述。其中像素对的距离和灰度级不变。共 生矩阵像素对的转换关系如图4 1 1 。这里的0 方向，一般取O 。，4 5 。，9 0 。，1 3 5 。四 个方向。对于固定的d ，相应有一个角度0 。通常，灰度共生矩阵需要做如下的归一化： 嘲，= 半肚 器竺蓑0 3 5 4 带钢缺陷图像处理算法研究 硕士论文 Y X 图4 1 l 共生矩阵像素对的转换关系 以上经过一系列的处理，得到了一个合理的灰度共生矩阵，基于该灰
42、度共生矩阵提 取以下以下特征： 能量或角二阶矩( A 1 ) 反映图像的粗糙度，它是图像均匀性的测度。当P d ( i ，j ) 的值在 图像中各处都相同时，A l 的值最小；若P d ( i ，j c I 的值在图像的一些地方的值很大，而在另 一些地方的值又很小时，A I 的值就变大。其计算公式为： L l L I 2 A I = P d ( i ，j ) 】 ( 4 3 6 ) i = 0j = o 纹理熵( A 9 反映图像的纹理熵，图像越不均匀，熵值越小；图像越均匀，则熵值就 越大。其计算公式如下： L 一1 L l A 2 = P d ( i ，j ) l o g P d ( i ，
43、j ) ( 4 3 7 ) i = 0j = o 相关度A 3 是表示纹理灰度相关性的统计量，它反映了矩阵中行间和列间的相关程 度。若在某一方向的线性结构少，则该方向的相关值就小，反之相关值就大；其中d ，、 l 。分别是共生矩阵中水平方向的行标准差和行均值，d ；、p ；分别是列标准差和列均值。 它们的计算公式如下： L lL - I A 3 = Y Z E i J P d ( i ，j ) 一p 。p y d 。d y ( 4 3 8 ) ( 4 3 9 ) ( 4 4 0 ) D 一 “U 匕 置 瑚 l I X d D 一 疗U 匕 瑚 H 砷 l l y d 带钢缺陷检测关键技术研究
44、 1 L l 2L 一1 s ：= ( i p ，) P a ( i - j ) l i = Oi - 0 1L - I L - I s ；= ( i p 。) P d ( i - j ) J i = 0i = 0 ( 4 4 1 ) ( 4 4 2 ) 取了3 1 个特征参数，包括6 个灰度特征：平均值、方差、歪度、能量、 形态特征：区域面积、重心坐标X 、重心坐标Y 、周长、紧凑性、线度、 1 2 个纹理特征：0 。、4 5 。、9 0 。、1 3 5 。四个方向的粗糙度、纹理熵、 数将通过M a t l a b 进行计算，根据特征空间的选择原则挑选出合适的特 的输入。下面是使用M a t l a b 对3 种缺陷图像进行上述3 1 个特征值计算 的结果，如表4 1 所示。再将3 种缺陷图像的原图像旋转1 8 0 。，然后同样计算以上3 1 个特征值，见表4 2 所示。 表4 13 种缺陷图像特征参数的计算 缺陷类型 特征参数 飞边孔洞擦伤 均值 O 7 1 6 30 5 4 0 00 3 9 1 8 方差的平方 0 0 0 3 l 0 0 0 5 9 O