基于计算机视觉的墙地砖颜色分类和缺陷检测分析

《基于计算机视觉的墙地砖颜色分类和缺陷检测分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要本论文主要研究了利用计算机视觉对墙地砖进行表面质量检测(包括缺陷检测和花色分类)的理论方法和算法实现。通过深入的文献查阅、现场调研、算法分析与开发、实验验证等得到了以下结果：1．对视觉检测技术的发展和应用进行了综述，并就其在表面质量检测与控制中的应用作了介绍。对计算机视觉检测技术涉及到的相关研究领域也作了简单的说明。2．详细讨论了国内外已有的墙地砖缺陷检测和颜色分类的主要研究方法，指出由于没有考虑纹理和尺度信息，现有方法在处理某些情况时受到限制，提出了充分利用纹理分析技术的新思路。3，研究了墙地砖图像的采集条件和处理方法。讨论了照明系统的设计，对所提

2、出的三种方案进行了实验和分析比较。讨论了摄像系统的标定方法以及图像去噪和分割方法。4．针对微晶玻璃装饰砖的色斑缺陷无法用常规方法检测的问题．提出采用马尔可夫随机场纹理分析方法，并讨论了纹理特征的强化。实验证明，该方法对随机分布的不规则的斑点类缺陷检测效果良好。5．针对已有研究在对随机纹理多种颜色的墙地砖进行分类时效果不理想问题，本文提出结合纹理和颜色特征并利用尺度信息对产品进行花色分类的思想，采用彩色图像小波分析技术提取墙地砖表面关于颜色、纹理和尺度的融合信息。并对基于小波分解的特征集进行优化。实验结果表明，该方法为解决随机纹理多种颜色砖的分类问题提供了可行

3、而有效的解决方法。6．研究了无监督学习ART2网络在微晶玻璃颜色分类中的应用，并为改善其模式漂移现象，改进了传统ART2网络的学习算法。在解决无学习样本的微晶玻璃颜色分类实验中取得较好的分类效果。7．传统ART2网络的相似性度量没有考虑幅度信息．导致其在某些场合的应用受到限制。本论文提出一种基于幅度信息的新型ART2网络结构及其算法，新型网络在处理集群分布信息数据时，性能优于传统ART2网络。8．最后，为方便进行实验，编写了一套用于墙地砖缺陷检测和颜色分类的软件平台VICL。包括图像处理、图像分析和模式识别三大功能模块。关键词：墙地砖；缺陷检测；颜色分类；纹

4、理分析；ART2网络；视觉检测十本研究课题受到广东省科技攻关项目(2K2H00608G)基金的资助华南理工大学工学博士学位论文ABSTRACTInthispaper,theresearchismainlyfocusedonthetheoryandalgorithmsoffloor&walltiles’surfacequalityinspectionbasedoncomputervision．includingdefectdetectionandcolorgrading．Thefollowingresearchresultsandconclusionsareo

5、btainedafterlotsofworkconductedonreferencereviewing，investigationonfield，analysisanddevelopmentofalgorithmsandexperimentalstudy：1．Firstly,anoverallreviewonthedevelopmentandapplicationofvisualinspectiontechnologyispresented，andalsointroducedistheirapplicationtosurfacequalityinspecti

6、onandcontr01．Inaddition，somesubjectsinvolvedwithcomputervisualinspectionarediscussedbriefly．2．TheCurrentresearchmethodstosurfacedefectdetectionandcolorgradingoffloor&walltilesarediscussedindetail．anditispointedoutthattheirapplicationinsomesituationarelimitedbecauseofnottakingtextur

7、eandscaleintoaccount．Anewpointofviewisproposedtoutilizeadvancedtextureanalysistechnology．3．Imageacquisitionandpre·processingoftileisstudied，andthreeilluminatingdesignsareproposedandcompared．Alsostudiediscalibrationofcamera，denoiseandsegmentationofimage．4．Todetectspot·likedefectonce

8、ramic·glasssurface，whichco