带钢表面缺陷实时图像检测与识别关键技术研究

带钢表面缺陷不仅影响了产品外观，而且降低了产品性能。目前，国内外主要采用机器视觉技术进行带钢表面缺陷检测，多通过CCD摄像机在带钢上扫描成像，经过图像预处理、特征提取等操作，提取出图像几何、灰度、纹理等特征参数，然后进行图像识别判断。该技术不仅能够有效地检测出缺陷并进行分类，而且能够根据缺陷信息判定带钢的质量等级，是目前研究的热点方向。现有方法存在的主要不足有：数据量庞大不利于实时处理；现有图像特征提取方法精度低；基于单一分类器进行缺陷识别，识别率低。本项申请针对现有难题，就其关键技术展开研究：研究高效的检测方法，构建高速实时的海量数字图像信息处理的硬件平台；基于小波多分辨率分析和马尔可夫随机场研究高性能的缺陷特征提取方法；基于支持向量机研究多分类器融合的缺陷自动识别分类技术，实现检测、识别智能化。该项目中关键技术的攻克，将提高目前检测速度10倍以上，识别精度达到90％以上。