检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于支持向量机的钢板表面缺陷检测

东华大学学报（自然科学版） 2018年第4期44卷 635-639页

作者：郭慧徐威刘亚菲华东理工大学机械与动力工程学院上海200237

针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板... 详细信息

针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板表面各种缺陷的准确识别率达到90%及以上,为钢板表面缺陷检测技术提供了很好的支持。

关键词：支持向量机钢板表面缺陷检测图像处理

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的钢板表面缺陷检测研究

基于深度学习的钢板表面缺陷检测研究

作者：李雪露辽宁科技大学

学位级别：硕士

钢板的质量直接影响着钢板产品的等级与性能。钢板表面有无缺陷,对于发展钢板制造业至关重要。采用传统机器视觉的缺陷检测算法检测效率低,而且推理速度差。因此,本文使用基于改进Cascade R-CNN(cascade region-based convolutional neu... 详细信息

钢板的质量直接影响着钢板产品的等级与性能。钢板表面有无缺陷,对于发展钢板制造业至关重要。采用传统机器视觉的缺陷检测算法检测效率低,而且推理速度差。因此,本文使用基于改进Cascade R-CNN(cascade region-based convolutional neural network)的深度学习算法实现高效和准确的缺陷检测具有重要研究价值,其主要研究内容有以下几个方面:(1)针对钢板表面缺陷图像存在的光照不均、对比度低和光照不足等问题,提出了一种钢板表面缺陷图像增强算法。首先通过小波变换,将输入的表面缺陷分解成高、低频两部分分量;其次使用基于引导滤波的Retinex算法对低频部分进行增强;同时使用软、硬阈值去噪算法对高频部分进行增强;然后进行图像重构,并对重构的图像进行伽马变换。(2)针对六类钢板表面缺陷种类较杂、形状多变的问题,采用表格、直方图、扇形图等可视化方式分析其特点。采用YOLOv3(the third version of you only look once)、SSD(single shot multibox detector)、Faster R-CNN(faster region-based convolutional neural network)、Cascade R-CNN等几种模型对钢板表面缺陷数据集进行检测,比较各种模型的优缺点,选出最优的检测模型。通过各种实验性能指标及缺陷检测可视化结果的综合分析,可知Cascade R-CNN更适合作为基础的钢板缺陷检测模型。(3)针对钢板表面缺陷领域存在的检测精度低、小目标缺陷漏检率和误检率高的问题,提出一种基于改进Cascade R-CNN的检测算法。首先对数据集进行数据增强,并对原始Cascade R-CNN模型进行改进,使用Res Ne Xt-101-64×4d作为Cascade R-CNN模型的骨干网络,加强网络的特征提取能力;然后提出利用递归特征金字塔网络以反馈连接的方式进行特征优化,以更好地保留细节和语义信息;同时提出使用可切换的空洞卷积替换主干网络的卷积层,以改变感受野的方式提高检测性能;最后引入软化非极大值抑制算法,减低冗余框对网络模型的影响。

关键词：钢板表面缺陷检测深度学习递归特征金字塔可切换的空洞卷积软化非极大值抑制

基于机器视觉的热轧钢板表面缺陷检测系统关键技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的热轧钢板表面缺陷检测系统关键技术研究

作者：胡超东北大学

学位级别：硕士

我国虽然是钢铁生产大国,但国内钢板表面缺陷检测技术发展落后,大多数中小企业仍旧停留在人工目测阶段。因此,开发具有自主知识产权的表面缺陷检测系统势在必行。热轧钢板由于其恶劣的生产环境,使其受外界干扰程度加大,对基于机器视觉... 详细信息

我国虽然是钢铁生产大国,但国内钢板表面缺陷检测技术发展落后,大多数中小企业仍旧停留在人工目测阶段。因此,开发具有自主知识产权的表面缺陷检测系统势在必行。热轧钢板由于其恶劣的生产环境,使其受外界干扰程度加大,对基于机器视觉的检测及识别的技术要求更高。在这个背景下,本文针对某钢铁企业的热轧生产线,对钢板表面缺陷检测系统的关键技术做了深入的研究。在图像预处理阶段,本文首先针对由线阵CCD得到的光照不均图像进行了灰度修正,使整幅缺陷图片的灰度达到同一范围,增强了缺陷对比度。其次,以峰值性噪比作为评判指标,研究了几种常用滤波算法在缺陷图像中的应用,并以平滑效果较好的高斯滤波作为预处理滤波算法。在图像分割阶段,本文分析了几种经典边缘检测算子和基于梯度阀值的方法,针对上述分割效果无法达到预期目标的问题,提出了改进的自适应小波边缘检测新方法。实验证明,该方法能够较好的检测缺陷边缘,而且对噪声有一定的抑制作用。针对钢板表面缺陷特征提取问题,本文首先提取了包括形态特征、灰度特征和纹理特征的43维特征,然后采用Fisher准则结合PCA主成分分析的方法对特征向量进行降维。依据Fisher比值选择33维特征,最终通过主成分分析选择累计贡献率达到95%的16维特征作为分类器的输入。BP神经网络和支持向量机(SVM)是模式识别领域的两种常用分类算法,本文首先设计了基于这两种方法的分类器用于钢板表面缺陷识别,为解决这两种方法分类准确度和分类时间无法达到要求的问题,本文将二叉树支持向量机(BT-SVM)引入热轧钢板表面缺陷检测系统,设计了基于类间距离和超球体半径的两种二叉树结构,同时进一步提出了基于模糊相关度的二叉树结构设计新方法,使分类准确度,尤其是分类速度得到了明显的提高。采用VC++6.0结合OpenCV开源图像处理算法库,开发了基于机器视觉的钢板表面缺陷检测系统,测试结果表明该系统的性能较好。

关键词：钢板表面缺陷检测小波边缘检测特征选择二叉树SVM 模糊相关度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOv5的钢板表面缺陷检测

电子科技 2024年

作者：沈庭铅鲁玉军辛昊吴涵超汪仕男浙江理工大学机械工程学院

为满足钢板表面缺陷检测在多数工业场景的需求，针对解决钢板表面缺陷检测准确率低及小目标缺陷检测不出等问题，文中提出了一种基于改进YOLOv5（You Only Look Once version 5）的钢板表面缺陷检测算法。在YOLOv5的基础上将CBAM（Convo... 详细信息

为满足钢板表面缺陷检测在多数工业场景的需求，针对解决钢板表面缺陷检测准确率低及小目标缺陷检测不出等问题，文中提出了一种基于改进YOLOv5（You Only Look Once version 5）的钢板表面缺陷检测算法。在YOLOv5的基础上将CBAM（Convolution Block Attention Module）注意力模块嵌入到主干网络中，提高网络检测精度。加入上下文增强模块，提高了算法对小目标的检测性能。使用NWD（Normalized Wasserstein Distance）度量标准代替原YOLOv5中的IoU（Intersection over Union）度量，使网络对裂纹缺陷的识别更精准。实验结果表明，钢板表面缺陷检测算法对裂纹、夹杂、斑块、麻点、压入氧化铁皮、划痕6类缺陷的平均检测精度达到了88.9%，每秒帧数达到110.4 frame·s-1，其中小目标裂纹准确率达到75%，提高了5.9个百分点。

关键词：钢板表面缺陷检测 YOLOv5 注意力模块上下文增强模块小目标位置偏差 NWD度量 IoU度量

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于重构网络的钢板缺陷实时检测方法研究

基于重构网络的钢板缺陷实时检测方法研究

作者：蹇越谋重庆理工大学

学位级别：硕士

现如今在新能源车企、芯片设备制造等领域对于钢材的运用必不可少,钢板的质量检查作为制造过程的一个重要组成部分可以预防残次品流入市场。基于深度学习的检测方法能够达到钢板检测高精度的要求,但需要卷积神经网络将深度的不断增加进... 详细信息

现如今在新能源车企、芯片设备制造等领域对于钢材的运用必不可少,钢板的质量检查作为制造过程的一个重要组成部分可以预防残次品流入市场。基于深度学习的检测方法能够达到钢板检测高精度的要求,但需要卷积神经网络将深度的不断增加进一步提高网络的学习性能。然而当卷积神经网络的深度增加的时候,网络的计算开销也会增大,在硬件端进行算子推理时会消耗更多的时间导致检测速度变慢,实际生产部署也提高了硬件的成本。论文基于以上的挑战,对钢板表面缺陷实时检测的方法进行了研究,主要贡献和创新点如下:针对实际生产环境下由于设备的抖动或环境的影响导致采集到的图像出现旋转偏差的问题,分析旋转角度对模型预测的影响。为了在外部扰动的情况下让模型仍然能够保证高精度的识别,需要对数据做相应的处理,保证模型对干扰下的采集图像识别有很好的鲁棒性。针对钢板表面图像小目标缺陷难识别的问题,基于重构网络提出了一种具有多分支树结构的卷积神经网络,每个分支通过结构重新参数化来实现训练时间和推理时间结构的解耦,分支中均采用了3×3的卷积,在特殊硬件设备或Cu DNN中对3×3的卷积有着深度优化,也优化了神经网络推理时的参数冗余问题,在此基础上提出双树注意力机制抑制无用通道,加强有益通道的学习。将多分支信息与跨通道交互相结合,获得加权缺陷特征并增强缺陷区域的特征信息。随后,我们使用了基于Transformer的特征融合方法,解决卷积神经网络局部感受野受限的问题。为了平衡检测时的正负样本,引入Focal Loss损失函数,减少信息的丢失。在NEU和DAGM数据集上进行了实验验证,我们的方法实现了精度和检测速度的平衡,能实时有效地检测钢板表面缺陷。针对钢板表面缺陷检测精度和检测速度相互矛盾的问题,提出了基于参数重构化的自动化剪枝方法。该方法第一阶段是权重生成网络的训练,接着是对于剪枝网络的结构重参数化,在推理过程中将分支连接路径重参数化为卷积层,这样剪枝时每一层都可以具有任意宽度而不受维度匹配的约束,最后对最优化网络进行搜索。实验中对结构重参数化方法的有效性进行了探讨,对比了不同的剪枝算法,不同模型剪枝后的通道数目、权重数量及FLOPs的对比,分别在NEU和DAGM两个数据集上进行实验验证。从实验结果观测,在钢板缺陷表面的检测中基于参数重构化的自动化剪枝方法很好的平衡了检测速度与精度。

关键词：钢板表面缺陷检测重构网络参数重构化注意力机制 Transformer

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的钢板表面缺陷识别研究

基于机器视觉的钢板表面缺陷识别研究

作者：胡联亭武汉科技大学

学位级别：硕士

近年来我国钢铁工业虽然注重化解过剩产能和淘汰落后产能,但带钢产品产量整体上还是呈现出上升趋势。我国的钢铁产量常年位居世界第一,同时钢铁行业在装备水平、产品的种类和质量等都取得了巨大的进步,但目前市场对钢铁产品的质量要求... 详细信息

近年来我国钢铁工业虽然注重化解过剩产能和淘汰落后产能,但带钢产品产量整体上还是呈现出上升趋势。我国的钢铁产量常年位居世界第一,同时钢铁行业在装备水平、产品的种类和质量等都取得了巨大的进步,但目前市场对钢铁产品的质量要求越来越高,以往的粗狂型生产方式已经无法适应市场的发展,因此开展对钢板表面缺陷检测系统的研究势在必行。在次背景下,本文针对热轧钢板表面缺陷检测系统中的图像预处理技术、特征提取与选择技术以及缺陷识别算法进行了研究。(1)钢板表面缺陷图像预处理技术的选择与应用。对图像的预处理技术做了以下三个方面的工作:○1利用峰值信噪比对几种常见滤波算法在钢板表面缺陷图像上的效果进行了对比;○2利用直方图均衡化对图像进行增强,提升了图像清晰度;○3分析了几种经典边缘检测算子,并以运行效率为标准选择了Sobel算子作为图像的分割算子。(2)钢板表面缺陷特征的提取与选择。图像本身是一组高维数据,因此需要抓住主要信息,剔除冗余信息。首先从预处理之后的图像中提取出了包含几何特征、灰度特征、投影特征以及纹理特征的70维特征,随后采用Fisher判别准则,以0.15为阈值从中选取出了对类别可分离性贡献度最大的42维特征。(3)一种高精度、高稳定性缺陷识别算法的提出。传统AdaBoost算法由于弱分类器错误率的限制,使得能够组合的弱分类器数量不足,无法精确的识别钢板表面缺陷类别。针对这一问题,在AdaBoost.M1的基础上提出了迭代筛选“合适”弱分类器的***算法。(4)钢板表面缺陷识别算法的建模与验证。对包含6种钢板表面缺陷、1800张图像的钢板表面缺陷数据集先后进行了图像预处理、特征的提取与选择,并使用BP神经网络、传统AdaBoost算法以及本文提出的***算法对特征和缺陷标签进行了学习和测试。实验验证表明,相比于其他的传统方法,***算法取得了最高的85.89%的分类精度,同时稳定性也显著提高。

关键词：钢板表面缺陷检测图像预处理特征提取 AdaBoost.BK 缺陷识别