基于机器视觉的防火板表面质量检测技术研究
作者单位:山东理工大学
学位级别:硕士
导师姓名:李东兴
授予年度:2018年
学科分类:08[工学] 080203[工学-机械设计及理论] 081304[工学-建筑技术科学] 0805[工学-材料科学与工程(可授工学、理学学位)] 080502[工学-材料学] 0813[工学-建筑学] 0802[工学-机械工程]
摘 要:防火板作为表面装饰用耐火建材,被广泛应用于建筑工程、家居装饰等领域。随着防火板向着多样式、立体化、轻质型发展,其表面外观质量也备受关注。表面质量问题不仅会影响其表面美观程度,而且会进一步影响防火板使用,因此必须加强防火板表面质量检测。目前实际生产中,防火板表面质量检测主要是人工观察检测,具有很大的局限性,检测效率低,误检率高,所以研究高效准确的防火板表面质量检测技术成为防火板企业关注的重点。本文研究了一种基于机器视觉的防火板表面质量检测技术,利用山东蓬莱华升板业生产的防火板样板,分析了比较常见的边缘缺损、污斑、干花、纸裂四种防火板表面缺陷,可以看出防火板自身特性对缺陷识别的影响很大,鉴于此,本文提出了一种改进型PCNN(Pulse Coupled Neural Network)算法对图像进行分割,并优化BP(Back Propagation)神经网络对缺陷进行分类识别,能够准确实现缺陷的检测与分类。本文的具体研究内容包括:(1)对防火板表面缺陷检测系统进行设计。其中硬件系统主要包括工业相机、镜头、照明设备、照明方式的选取,软件系统主要包括软件配置、界面设计、图像预处理、图像分割、图像特征分析、图像分类与识别。(2)针对四种防火板表面缺陷图像特点,选用灰度直方图均衡化和中值滤波方法对图像进行预处理,有效增强了图像的对比度,保留了更多的有用信息。提出了基于最小Tsallis交叉熵和改进型PCNN图像分割方法,并与传统图像分割方法进行对比,实验结果表明,本文提出的算法提高了图像分割的自适应性,分割后图像的区域对比度参数和区域一致性参数较高,能够有效分割四种缺陷图像。(3)研究分析大量分割后的防火板表面质量图像,对其表面特征参数进行提取,包括5种几何特征参数,6种灰度特征参数和5种纹理特征参数。并列举了提取到的部分图像特征参数,可以看出选取的图像特征参数代表性强,能够有效反映防火板表面缺陷图像的特点。(4)针对传统BP神经网络容易陷入局部最小且收敛慢的问题,采用遗传算法(GA-Genetic Algorithm)优化BP神经网络,构建GA-BP神经网络,把提取的16个特征参数作为GA-BP神经网络的输入,并合理设置GA-BP神经网络参数,经过训练可以快速得到全局最优解,并且大大减少算法迭代次数,目标函数精度更高。最后通过实验验证,本文设计的GA-BP神经网络分类器对防火板表面缺陷图像的识别率可以达到90%以上,具有较高的实用价值。