金屬板材作為金屬材料的常用形式之一,廣泛應(yīng)用于機(jī)械、汽車、建筑等領(lǐng)域。目前,各行業(yè)對(duì)其需求及品質(zhì)要求也在不斷增加。金屬板材在加工過(guò)程中表面會(huì)產(chǎn)生一些不可控的缺陷,表面缺陷的存在不僅影響成品的外觀還會(huì)對(duì)質(zhì)量造成一定的影響。為保證流入市場(chǎng)金屬板材的質(zhì)量同時(shí)也為提高企業(yè)的競(jìng)爭(zhēng)力金屬板材表面質(zhì)量的檢測(cè)也就成了一個(gè)必要環(huán)節(jié)。雖然已存在多種不同類型的表面缺陷檢測(cè)方式、方法,但聯(lián)系實(shí)際情況并結(jié)合金屬板材表面缺陷的多類別、分布不定等特點(diǎn)目前仍主要依靠人工目檢方式實(shí)現(xiàn)對(duì)金屬板材表面缺陷的檢測(cè)。由于人工目檢方式檢測(cè)效率低、精度差不能很好滿足企業(yè)的檢測(cè)需求,因此研究并設(shè)計(jì)一套能夠?qū)崿F(xiàn)對(duì)不同類型金屬板材表面缺陷精確檢測(cè)與識(shí)別的技術(shù)方案具有重要意義。通過(guò)對(duì)傳統(tǒng)視覺(jué)檢測(cè)、圖像處理及深度學(xué)習(xí)經(jīng)典模型、圖像分類等的相關(guān)的知識(shí)研究,設(shè)計(jì)了一種檢測(cè)精度較高、檢測(cè)速度較快的、成本較低的缺陷檢測(cè)系統(tǒng)。主要研究?jī)?nèi)容包括:缺陷檢測(cè)系統(tǒng)硬件模塊的設(shè)計(jì)。對(duì)檢測(cè)系統(tǒng)整體工作流程進(jìn)行說(shuō)明介紹并結(jié)合實(shí)際檢測(cè)需求對(duì)檢測(cè)系統(tǒng)的相機(jī)、鏡頭、光源等硬件部分進(jìn)行詳細(xì)設(shè)計(jì)選型。完成對(duì)硬件設(shè)計(jì)選型后進(jìn)行實(shí)驗(yàn)平臺(tái)的搭建及調(diào)試。缺陷檢測(cè)系統(tǒng)圖像預(yù)處理模塊的...

【文章頁(yè)數(shù)】：96 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1大腦認(rèn)知圖片過(guò)程

受當(dāng)時(shí)計(jì)算機(jī)計(jì)算能力無(wú)法滿足大型神經(jīng)網(wǎng)絡(luò)運(yùn)行需求，因此該線性神經(jīng)網(wǎng)絡(luò)并未引起重視。到了80年代由DavidRumelhar和GeofferyEHinton等人提出方向傳播算法[29]（BackPropagation）成功解決了神經(jīng)網(wǎng)絡(luò)不能解決異或問(wèn)題及神經(jīng)網(wǎng)絡(luò)計(jì)算能力問(wèn)題。但受制....

圖2-1漏底缺陷Fig.2-1exposedefect

基于深度學(xué)習(xí)的金屬板材表面缺陷檢測(cè)系統(tǒng)研究10金屬板材表面缺陷的精確檢測(cè)與識(shí)別，由于實(shí)際中收集到的缺陷種類及圖片數(shù)量限制選擇了五類實(shí)際生產(chǎn)中金屬板材較為常見(jiàn)的缺陷進(jìn)行檢測(cè)識(shí)別，這五類缺陷分別為：漏底、臟點(diǎn)、擦花、橘皮、碰傷。（1）漏底缺陷漏底缺陷最直接的表現(xiàn)為涂料層的未完全覆蓋金....

圖2-2臟點(diǎn)缺陷Fig.2-2spotdefect

青島科技大學(xué)研究生學(xué)位論文11圖2-2臟點(diǎn)缺陷Fig.2-2spotdefect（3）擦花擦花缺陷主要表現(xiàn)為金屬板材表面的擦傷或劃痕。該種類型缺陷主要由于運(yùn)輸搬運(yùn)過(guò)程中硬物刮擦造成，形狀多為長(zhǎng)條狀。擦花缺陷如圖2-3所示。圖2-3擦花Fig.2-3scratchdefect（4）....

圖2-3擦花Fig.2-3scratchdefect

青島科技大學(xué)研究生學(xué)位論文11圖2-2臟點(diǎn)缺陷Fig.2-2spotdefect（3）擦花擦花缺陷主要表現(xiàn)為金屬板材表面的擦傷或劃痕。該種類型缺陷主要由于運(yùn)輸搬運(yùn)過(guò)程中硬物刮擦造成，形狀多為長(zhǎng)條狀。擦花缺陷如圖2-3所示。圖2-3擦花Fig.2-3scratchdefect（4）....

本文編號(hào)：3997197