基于fpga的带钢表面缺陷检测

《基于fpga的带钢表面缺陷检测》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、摘要论文题目：基于FPGA的带钢表面缺陷检测学科专业：模式识别与智能系统研究生：宋玉芳指导教师：杨延西教授摘要签名：带钢表面的缺陷检测是钢铁行业需要解决的重要问题。然而随着现代工业的不断发展，对带钢表面缺陷检测提出了高速、实时检测的新要求，传统检测方法已经不能满足这些要求，在高速生产线中存在实时性差、识别率低的弊端，已经成为制约带钢等相关工业发展的瓶颈。但与此同时计算机技术的不断发展，高分辨率和高处理精度的数据采集器件的产生，人工智能、专家系统、神经网络等众多新算法的提出使得带钢表面缺陷检测技术有了新的发展研究方向。本文针对带钢现场高速、实时检测的特点设计了基于FPGA与USB2．0的线

2、阵CCD高速采集与处理平台。在FPGA内部通过模式识别算法设计了分类器，完成了缺陷数据的提取，并将缺陷数据通过USB2．0传送给上位机以便进行后续的处理和分类。这样很大程度的减少了需要传输处理的数据量，保证了检测系统的实时性要求。该平台包括了CCD信号采集模块、A／D模数转换模块、FPGA驱动及控制模块和USB接口模块。主要芯片采用东芝的线阵CCD传感器TCDl209D、ADI的专用CCD信号处理芯片AD9822、cycloneII系列FPGA芯片EP2C35F484C8和Cypress公司的USB接151控制芯片CY7C68013A。详细分析了各个模块的原理和具体的设计，并给出了各部分

3、的测试结果。本课题完成了基于FPGA和USB2．0硬件采集平台的制作和上位机应用程序的开发，达到了预期效果。同时完成了感知器算法的硬件实现和调试分析。并且提出了支持向量机缺陷分类方法，分析了其优点，进行了仿真实验。关键词：带钢表面缺陷检；FPGA；USB2．0；线阵CCD；模式识别算法本研究得到国家自然科学基金的资助(60805020)黜㈣嗍黜徽西安理工大学硕士学位论文——————————————————————————————————————————————————————————————～一AbstractTitle：Thestripsurfacedefectsdetectionba

4、sedonFPGAMajor：PatternRecognitionandIntelligentSystemsName：SongYufangSignature：Supervisor：YangYanxiSignature：AbstractThestripsurfacedefectsdetectionandsteelindustryisalwaysanimportantproblemtobesolvedin．However，withtherapiddevelopmentofindustrialtechnologyofthestripsurfacedefectsdetectiontechnolo

5、gyproposedhigh·speed，feal—timedetectionofnCWrequirements，thetraditionaltestmethodssuchashasfailedtomeettheserequirements，inhighspeedsteelproductionline，existinginbadreal-timerecognitionratelowerdrawbacks，haverestrictedstriprelatedindustrialdevelopmentbottleneck．Butatthesametimethecontinuousdevelo

6、pmentofthecomputertechnology,highresolutionandhighprocessingaccuracyofdataacquisitionpartsofgeneration，artificialintelligence，expertsystemandneuralnetworkalgorithmisputforwardmanytheorymakesthestripsurfacedefectsdetectiontechnologyisanewdevelopmentdirection．Thispaperforstripindustrialfield，thecha

7、racteristicsofhigh—speedreal—timedetectionbasedonFPGAdesignwithUSB2．0linearCCDhigh—speeddataacquisitionandprocessingplatform．IntheFPGAinternalthroughpattemrecognitionalgorithmdesigntheclassifier,completedthedefectdatae