發(fā)布時間：2024-06-29 04:54

　　金屬板材作為金屬材料的常用形式之一,廣泛應(yīng)用于機械、汽車、建筑等領(lǐng)域。目前,各行業(yè)對其需求及品質(zhì)要求也在不斷增加。金屬板材在加工過程中表面會產(chǎn)生一些不可控的缺陷,表面缺陷的存在不僅影響成品的外觀還會對質(zhì)量造成一定的影響。為保證流入市場金屬板材的質(zhì)量同時也為提高企業(yè)的競爭力金屬板材表面質(zhì)量的檢測也就成了一個必要環(huán)節(jié)。雖然已存在多種不同類型的表面缺陷檢測方式、方法,但聯(lián)系實際情況并結(jié)合金屬板材表面缺陷的多類別、分布不定等特點目前仍主要依靠人工目檢方式實現(xiàn)對金屬板材表面缺陷的檢測。由于人工目檢方式檢測效率低、精度差不能很好滿足企業(yè)的檢測需求,因此研究并設(shè)計一套能夠?qū)崿F(xiàn)對不同類型金屬板材表面缺陷精確檢測與識別的技術(shù)方案具有重要意義。通過對傳統(tǒng)視覺檢測、圖像處理及深度學習經(jīng)典模型、圖像分類等的相關(guān)的知識研究,設(shè)計了一種檢測精度較高、檢測速度較快的、成本較低的缺陷檢測系統(tǒng)。主要研究內(nèi)容包括:缺陷檢測系統(tǒng)硬件模塊的設(shè)計。對檢測系統(tǒng)整體工作流程進行說明介紹并結(jié)合實際檢測需求對檢測系統(tǒng)的相機、鏡頭、光源等硬件部分進行詳細設(shè)計選型。完成對硬件設(shè)計選型后進行實驗平臺的搭建及調(diào)試。缺陷檢測系統(tǒng)圖像預(yù)處理模塊的...

【文章頁數(shù)】：96 頁

【學位級別】：碩士

【部分圖文】：

圖1-1大腦認知圖片過程

受當時計算機計算能力無法滿足大型神經(jīng)網(wǎng)絡(luò)運行需求，因此該線性神經(jīng)網(wǎng)絡(luò)并未引起重視。到了80年代由DavidRumelhar和GeofferyEHinton等人提出方向傳播算法[29]（BackPropagation）成功解決了神經(jīng)網(wǎng)絡(luò)不能解決異或問題及神經(jīng)網(wǎng)絡(luò)計算能力問題。但受制....

圖2-1漏底缺陷Fig.2-1exposedefect

基于深度學習的金屬板材表面缺陷檢測系統(tǒng)研究10金屬板材表面缺陷的精確檢測與識別，由于實際中收集到的缺陷種類及圖片數(shù)量限制選擇了五類實際生產(chǎn)中金屬板材較為常見的缺陷進行檢測識別，這五類缺陷分別為：漏底、臟點、擦花、橘皮、碰傷。（1）漏底缺陷漏底缺陷最直接的表現(xiàn)為涂料層的未完全覆蓋金....

圖2-2臟點缺陷Fig.2-2spotdefect

青島科技大學研究生學位論文11圖2-2臟點缺陷Fig.2-2spotdefect（3）擦花擦花缺陷主要表現(xiàn)為金屬板材表面的擦傷或劃痕。該種類型缺陷主要由于運輸搬運過程中硬物刮擦造成，形狀多為長條狀。擦花缺陷如圖2-3所示。圖2-3擦花Fig.2-3scratchdefect（4）....

圖2-3擦花Fig.2-3scratchdefect

青島科技大學研究生學位論文11圖2-2臟點缺陷Fig.2-2spotdefect（3）擦花擦花缺陷主要表現(xiàn)為金屬板材表面的擦傷或劃痕。該種類型缺陷主要由于運輸搬運過程中硬物刮擦造成，形狀多為長條狀。擦花缺陷如圖2-3所示。圖2-3擦花Fig.2-3scratchdefect（4）....

本文編號：3997197