带钢表面缺陷识别算法研究.doc

独创性声明 本人所呈交的学位论文是在导师指导下进行的研究工作及取得的成果。尽我所知， 除特别加以标注的地方外，论文中不包含其他人的研究成果。与我一同工作的同志对本 文的研究工作和成果的任何贡献均已在论文中作了明确的说明并已致谢。 本论文及其相关资料若有不实之处，由本人承担一切相关责任。 论文作者签名d薄JK丝L 加J年年月岁日 学位论文使用授权 本人作为学位论文作者了解并愿意遵守学校有关保留、使用学位论文的规定，即： 在导师的指导下创作完成的学位论文的知识产权归西安理工大学所有，本人今后在使用 或发表该论文涉及的研究内容时，会注明西安理工大学。西安理工大学拥有学位论文的 如下使用权，包括：学校可以保存学位论文：可以采用影印、缩印或其他复制手段保存 论文；可以查阅或借阅。本人授权西安理工大学对学位论文全部内容编入公开的数据库 进行检索。本学位论文全部或部分内容的公布(包括刊登)授权西安理工大学研究生学 院办理。 经过学校保密办公室确定密级的涉密学位论文，按照相关保密规定执行；需要进行 技术保密的学位论文，按照《西安理工大学学位论文技术保密申请表》内容进行保密(附 《西安理工大学学位论文技术保密申请表》)。 保密的学位论文在解密后，适用本授权。  论文作者签名；弧盎殓 导师签名i苤壁述 加，埠争月J，、日  ?蛳  ．， 摘要 论文题目：带钢表面缺陷识别算法研究 IIII I I II II I III I II I I III Y2 1 1 7552 学科专业：检测技术与自动化装置 研究生：陈小改 签名： 指导教师：郑岗教授 签名： 杨延西教授 签名： 监赴鲤 避避 摘要 钢铁生产中很重要的一项指标就是其表面质量的好坏。，tilth表面缺陷是影响其表面质 量的重要因素，进行带钢表面缺陷检测及识别对于提高其表面质量具有非常重要的作用。 带钢表面检测及识别技术已成为国内外研究的热点问题。传统的人工检测的方法已经不能 满足生产需求，因此研究和设计带钢表面缺陷自动检测识别系统已成为钢铁企Ⅱkn9共IJ{。 随着计算机技术的发展，模式识别技术也在近几年得到了快速的发展，并且成功运朋 于很多领域。模式识别技术汇聚了多个学科的知识与技术，如图像处理、智能控制、模式 识别、机器视觉等。而本文主要研究了带钢表面缺陷的识别，也属于模式识别类问题，由 于国内在带钢表面缺陷识别方面还存着一定的问题，因此本课题中主要在算法上针对此问 题做了进～步研究，以便使带钢表面缺陷识别的研究工作做的更好。 对于此问题，本文的主要目的在于能研究出对常见的带钢表面缺陷进行识别分类的系 统。主要研究内容如下： 首先，选取不同的方法对所得到的缺陷样本进行滤波降噪，并比较得出有利于带钢表 面缺陷降噪的方法。文中对缺陷样本进行不同角度的旋转及不同倍数的缩放变换，使得带 钢表面缺陷尽可能全面的被识别。 其次，对经过预处理的缺陷图像利用小波变换法进行特征提取，和常用的提取方法相 比较，利用小波变换法提取特征算法更简单。经过实验选取出有利于带钢表面缺陷识别分 类的小波基。 再次，对提取出的特征量利用主成分分析法进行降维处理，很大程度上减少了冗余量。 在此基础上比较了BP神经网络及支持向量机的识别方法。相较而言，支持向量机法更适 合于带钢表面缺陷的识别过程。 最后，选取了横折印、滑伤、平整斑、锈蚀等几种常见的带钢表面缺陷进行识别验证 算法。达到了比较好的效果。  关键词：表而缺陷；特征提取；特征降维；支持向量机；识别分类