基于机器视觉的钢材表面缺陷识别方法分析

详细信息    查看全文 | 推荐本文 |

	英文篇名：Recognition of Steel Surface Defects Based on Machine Vision 作者：刘亚楠 英文作者：Liu Yanan; 关键词：机器视觉 ; 钢材 ; 缺陷识别 ; 图像处理 英文关键词：machine vision;;steel;;defect recognition;;image processing 中文刊名：JLYS 英文刊名：Metrology & Measurement Technique 机构：自贡检验检测院; 出版日期：2018-12-30 出版单位：计量与测试技术 年：2018 期：v.45;No.319 语种：中文; 页：JLYS201812034 页数：3 CN：12 ISSN：51-1412/TB 分类号：103-104+108

摘要

分析了钢材表面缺陷的形成原因及其现有检测技术,针对钢材表面缺陷搭建机器视觉检测系统,介绍了钢材缺陷检测流程及相关元器件的选择和安装,以实现快速采集钢材表面图像要求。对采集的图像进行灰度化、图像增强、边缘检测、特征提取、缺陷识别等操作,实现了对钢材表面缺陷的快速提取。
        This paper analyzes the causes of steel surface defects and the existing detection technology,builds a machine vision inspection system for steel surface defects,introduces the steel defect detection process and the selection and installation of related components,in order to achieve the requirements of rapid acquisition of steel surface images. The grayscale image,image enhancement,edge detection,feature extraction,defect recognition and other operations are carried out to realize the rapid extraction of steel surface defects.

引文

[1]郑越.基于机器视觉的轴承内圈表面缺陷检测系统研究[D].沈阳工业大学,2017.
    [2]房敏.钢板表面缺陷图像检测与分类技术研究[D].大连海事大学,2017.
    [3]甘胜丰,雷维新,邓芳,袁荣奇.钢材表面缺陷图像感兴趣区域提取方法[J].机械设计与制造,2017(01):152~155.
    [4]孙斌.金属轴类零件表面缺陷成像与判识技术研究[D].南京理工大学,2017.
    [5]胡贵超.基于计算机视觉的钢材表面缺陷检测系统的研究[D].哈尔滨理工大学,2013.
    [6]朱华.钢坯表面裂纹的图像识别算法研究[D].武汉科技大学,2013.
    [7]唐飞.机器视觉圆钢坯轮廓与裂纹测量[D].电子科技大学,2013.
    [8]张建川.红钢棒材表面缺陷图像采集与检测系统研究[D].山东大学,2012.
    [9]漆随平,张宏建,骆志坚,周洪亮.虚拟多传感器信息融合的在线钢材视觉检测[J].浙江大学学报(工学版),2005(09):89~93.
    [10]孙雪晨,姜肖楠,傅瑶,韩诚山,文明.基于机器视觉的凸轮轴表面缺陷检测系统[J].红外与激光工程,2013,42(06):1647~1653.