欢迎来到天天文库
浏览记录
ID:33865181
大小:5.91 MB
页数:56页
时间:2019-03-01
《钢芯传送皮带x射线图像的缺陷检测方法研究》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、隶劫大·粤硕士学位论文万方数据钢芯传送皮带X射线图像的缺陷检测方法研究万方数据DEFECTDETECTIONMETHODSFORX.RAYIMAGEOFSTEER—COREDCONVEYORBEl月AThesisSubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofEngineeringBYZhengYuzhouSupervisedbyAssociateProf.WangShijieSchoolofComputerScienceandEngineeringSoutheastUniversit
2、yMay16,2014万方数据东南大学学位论文独创性声明lIIIIIIIIUIIIIIlilIIIIlY2708738本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谓}的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名:盗缝豆嗍趋陋乙13东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的
3、复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布(包括以电子信息形式刊登)论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电子信息形式刊登)授权东南大学研究生院办理。~龇毕翩签名单嗍万方数据摘要缺陷检测(DefectDetection)技术属于计算机视觉(ComputationalVision,CV)技术在工业中的应用。缺陷检测技术的实现需要对图像进行多方面的处理,通常包括图像去噪、图像增强、图像分割、特征提取以及目标识别等。到目前为止,
4、缺陷检测技术的发展仍然没有很好的满足实际应用中对于准确性和高效性的要求,研究的主要方向在于设计有针对性的识别方法以在特定应用场景中达到理想的效果。本文中缺陷检测的研究对象是钢芯传送皮带的数字图像。传送皮带广泛应用在各种工业生产线上,是自动化和规模化生产中必不可少的部件。为确保生产线的安全,需要定期对传送皮带进行质量检测。以往采用的人工检测方法成本高、效率低,并且存在可靠性风险。引入x射线成像技术并设计自动化检测方法可以节约成本、提高检测质量和效率,尤其能够更准确的发现肉眼看不见的内部损伤。本文首先介绍了x射线成像的理论基础,然后分析了图像中需要重点检测的目
5、标,最后结合图像的特点,通过图像校正、图像分割、边缘检测、特征提取和目标识别,实现了对所研究图像进行的缺陷检测。在图像处理的过程中,首先使用成像设备的本底和满度数据对传送皮带的原始图像进行灰度校正,同时通过灰度压缩的方法提高图像处理的空间和时间效率。然后,采用一种改进后的基于局部阈值的图像分割方法,将皮带图像中对应的不同材质区分开来。根据分割后的图像,提取出皮带截面方向上的边缘信息并将其参数化。在特征提取阶段,基于白适应滑动窗口的方法,较为准确地采集了钢:签中断处对应的局部纹理信息。最后,对需要检测的不同类型的目标分别设计判定条件,从而得到参数化的识别结果
6、并在图像中分类标记。在得到实验结果的同时,本文对实验涉及的各处理环节进行了分析和总结,通过不同方法之间的对比和方法改进前后的对比,可以看出,图像处理的任何环节都没有通用的方法,在解决问题时应当从具体的图像特点出发,找到最适合的方法以达到理想的效果。关键词:计算机视觉,传送皮带,X射线图像,缺陷检测万方数据—————————————————竺!竺!!AbstractDefectdetectionistheapplicationofcomputervisioninindustry.DefectdetectlonISrelaedtovariousrespects
7、ofimageprocessing.includingimagedenoising,imageenhancement,imagesegmentation,featureextractionandobjectrecognition.Sofar,thetechniqueofdefectdetectionisstillnotefficientoraccurateenoughfortheimplementinindustry,themaindirectionofreseal.chistofindthemostappropriatemethodagainstthes
8、pecificapplication.Theresearchofd
此文档下载收益归作者所有