鋼板表面質(zhì)量在線監(jiān)測(cè)技術(shù)

序
前言
第1章 緒論
1.1 表面監(jiān)測(cè)技術(shù)概述
1.1.1 表面監(jiān)測(cè)技術(shù)的含義
1.1.2 表面監(jiān)測(cè)技術(shù)的發(fā)展及研究現(xiàn)狀
1.1.3 表面監(jiān)測(cè)技術(shù)的意義
1.2 鋼板分類及檢測(cè)現(xiàn)狀
1.2.1 鋼板的分類
1.2.2 我國(guó)鋼板生產(chǎn)及質(zhì)量檢測(cè)現(xiàn)狀
1.3 本書的主要內(nèi)容和基本結(jié)構(gòu)
第2章 鋼板表面缺陷圖像及成因分析
2.1 冷軋鋼板典型缺陷
2.2 熱軋鋼板典型缺陷
2.2.1 冶煉缺陷
2.2.2 軋制缺陷
第3章 鋼板表面質(zhì)量在線監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)
3.1 鋼板表面質(zhì)量在線監(jiān)測(cè)系統(tǒng)的分類
3.2 系統(tǒng)的性能需求分析
3.2.1 冷軋鋼板表面質(zhì)量在線監(jiān)測(cè)系統(tǒng)性能需求
3.2.2 熱軋鋼板表面質(zhì)量在線監(jiān)測(cè)系統(tǒng)性能需求
3.3 系統(tǒng)的硬結(jié)構(gòu)設(shè)計(jì)
3.3.1 整體結(jié)構(gòu)設(shè)計(jì)
3.3.2 計(jì)算機(jī)硬件系統(tǒng)
3.3.3 攝像系統(tǒng)的確定
3.3.4 照明方式
3.3.5 其他輔助裝置
3.4 系統(tǒng)的軟件結(jié)構(gòu)設(shè)計(jì)
3.4.1 客戶機(jī)軟件系統(tǒng)
3.4.2 服務(wù)器軟件系統(tǒng)
3.4.3 控制臺(tái)軟件
第4章 缺陷圖像預(yù)處理技術(shù)
4.1 鋼板表面邊界圖像
4.1.1 鋼板表面圖像有效區(qū)域的定義
4.1.2 鋼板邊界檢測(cè)的意義
4.1.3 鋼板邊界檢測(cè)的作用
4.2 簡(jiǎn)易邊界搜索算法
4.3 灰度梯度閾值搜索算法
4.3.1 灰度梯度閾值搜索算法原理
4.3.2 實(shí)驗(yàn)驗(yàn)證
4.4 邊界局部搜索算法
4.4.1 邊界局部搜索算法原理及實(shí)現(xiàn)步驟
4.4.2 邊界局部搜索算法實(shí)例解析
4.4.3 邊界局部搜索算法在冷軋鋼板有效區(qū)域提取中的應(yīng)用
4.4.4 邊界局部搜索算法的討論
4.4.5 邊界局部搜索擴(kuò)展算法
4.5 鋼板表面缺陷圖像增強(qiáng)算法
4.5.1 鄰域增強(qiáng)算法
4.5.2 中值濾波
4.5.3 直方圖均衡化“
4.5.4 頻域圖像增強(qiáng)
4.5.5 基于小波變換的圖像增強(qiáng)算法
第5章 鋼板表面缺陷區(qū)域檢測(cè)技術(shù)
5.1 區(qū)域檢測(cè)的主要過(guò)程
5.1.1 區(qū)域檢測(cè)的流程
5.1.2 可疑點(diǎn)檢測(cè)的方法
5.1.3 ROI搜索
5.1.4 ROI合并
5.1.5 鋼板表面缺陷區(qū)域檢測(cè)實(shí)驗(yàn)
5.2 基于數(shù)學(xué)形態(tài)學(xué)的區(qū)域檢測(cè)方法
5.2.1 數(shù)學(xué)形態(tài)學(xué)基本理論
5.2.2 形態(tài)濾波及其在鋼板表面缺陷檢測(cè)中的應(yīng)用
5.3 基于形態(tài)小波的區(qū)域檢測(cè)方法
5.3.1 形態(tài)小波理論
5.3.2 基于形態(tài)小波的鋼板表面缺陷檢測(cè)
第6章 缺陷特征提取與選擇技術(shù)
6.1 鋼板表面圖像模式識(shí)別基礎(chǔ)
6.1.1 模式識(shí)別的基本概念
6.1.2 模式空間、特征空間和類型空間
6.1.3 特征提取和特征選擇
6.2 典型特征的提取
6.2.1 空域特征的提取
6.2.2 頻域特征的提取
6.3 鋼板表面缺陷特征選擇方法
6.3.1 類別可分離性判據(jù)
6.3.2 常見的特征選擇方法的簡(jiǎn)介與分析
6.3.3 基于遺傳算法的特征選擇方法
第7章 鋼板表面缺陷識(shí)別技術(shù)
7.1 表面缺陷識(shí)別概述
7.1.1 模式識(shí)別主要方法簡(jiǎn)介
7.1.2 分類器的設(shè)計(jì)
7.1.3 BP神經(jīng)網(wǎng)絡(luò)與LVQ神經(jīng)網(wǎng)絡(luò)
7.2 基于BP神經(jīng)網(wǎng)絡(luò)的分類器設(shè)計(jì)
7.2.1 BP網(wǎng)絡(luò)分類器設(shè)計(jì)時(shí)應(yīng)考慮的問題
7.2.2 缺陷識(shí)別過(guò)程
7.2.3 實(shí)驗(yàn)驗(yàn)證
7.2.4 BP神經(jīng)網(wǎng)絡(luò)識(shí)別的不足
7.3 多缺陷類型下樣本庫(kù)的建立與特征集確定
7.3.1 樣本庫(kù)的建立
7.3.2 特征集的確定及實(shí)驗(yàn)驗(yàn)證
7.4 多缺陷類型的分類器研究
7.4.1 基于小樣本的神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化選擇方法
7.4.2 基于LVQ3神經(jīng)網(wǎng)絡(luò)的表面缺陷識(shí)別與分析
7.4.3 基于支持向量機(jī)的表面缺陷識(shí)別算法研究
7.4.4 多缺陷類型的識(shí)別總結(jié)
參考文獻(xiàn)