钢板表面质量在线监测技术【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

钢板表面质量在线监测技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1　表面监测技术概述2

1.1.1　表面监测技术的含义2

1.1.2　表面监测技术的发展及研究现状2

1.1.3　表面监测技术的意义9

1.2　钢板分类及检测现状10

1.2.1　钢板的分类10

1.2.2　我国钢板生产及质量检测现状11

1.3　本书的主要内容和基本结构12

第2章　钢板表面缺陷图像及成因分析13

2.1　冷轧钢板典型缺陷13

2.2　热轧钢板典型缺陷19

2.2.1　冶炼缺陷19

2.2.2　轧制缺陷25

第3章　钢板表面质量在线监测系统的设计31

3.1　钢板表面质量在线监测系统的分类31

3.2　系统的性能需求分析32

3.2.1　冷轧钢板表面质量在线监测系统性能需求32

3.2.2　热轧钢板表面质量在线监测系统性能需求32

3.3　系统的硬结构设计33

3.3.1　整体结构设计33

3.3.2　计算机硬件系统34

3.3.3　摄像系统的确定34

3.3.4　照明方式41

3.3.5　其他辅助装置45

3.4　系统的软件结构设计47

3.4.1　客户机软件系统48

3.4.2　服务器软件系统49

3.4.3　控制台软件50

第4章　缺陷图像预处理技术52

4.1　钢板表面边界图像52

4.1.1　钢板表面图像有效区域的定义52

4.1.2　钢板边界检测的意义54

4.1.3　钢板边界检测的作用55

4.2　简易边界搜索算法55

4.3　灰度梯度阈值搜索算法56

4.3.1　灰度梯度阈值搜索算法原理56

4.3.2　实验验证58

4.4　边界局部搜索算法59

4.4.1　边界局部搜索算法原理及实现步骤59

4.4.2　边界局部搜索算法实例解析64

4.4.3　边界局部搜索算法在冷轧钢板有效区域提取中的应用65

4.4.4　边界局部搜索算法的讨论67

4.4.5　边界局部搜索扩展算法69

4.5　钢板表面缺陷图像增强算法74

4.5.1　邻域增强算法75

4.5.2　中值滤波76

4.5.3　直方图均衡化77

4.5.4　频域图像增强80

4.5.5　基于小波变换的图像增强算法83

第5章　钢板表面缺陷区域检测技术91

5.1　区域检测的主要过程91

5.1.1　区域检测的流程91

5.1.2　可疑点检测的方法91

5.1.3　ROI搜索98

5.1.4　ROI合并105

5.1.5　钢板表面缺陷区域检测实验109

5.2　基于数学形态学的区域检测方法112

5.2.1　数学形态学基本理论112

5.2.2　形态滤波及其在钢板表面缺陷检测中的应用117

5.3　基于形态小波的区域检测方法121

5.3.1　形态小波理论121

5.3.2　基于形态小波的钢板表面缺陷检测125

第6章　缺陷特征提取与选择技术133

6.1　钢板表面图像模式识别基础133

6.1.1　模式识别的基本概念133

6.1.2　模式空间、特征空间和类型空间134

6.1.3　特征提取和特征选择134

6.2　典型特征的提取136

6.2.1　空域特征的提取136

6.2.2　频域特征的提取146

6.3　钢板表面缺陷特征选择方法160

6.3.1　类别可分离性判据161

6.3.2　常见的特征选择方法的简介与分析172

6.3.3　基于遗传算法的特征选择方法174

第7章　钢板表面缺陷识别技术181

7.1　表面缺陷识别概述181

7.1.1　模式识别主要方法简介181

7.1.2　分类器的设计183

7.1.3 　BP神经网络与LVQ神经网络184

7.2　基于BP神经网络的分类器设计187

7.2.1　BP网络分类器设计时应考虑的问题187

7.2.2　缺陷识别过程187

7.2.3　实验验证189

7.2.4　BP神经网络识别的不足200

7.3　多缺陷类型下样本库的建立与特征集确定201

7.3.1　样本库的建立201

7.3.2　特征集的确定及实验验证201

7.4　多缺陷类型的分类器研究203

7.4.1　基于小样本的神经网络参数优化选择方法203

7.4.2　基于LVQ3神经网络的表面缺陷识别与分析209

7.4.3　基于支持向量机的表面缺陷识别算法研究217

7.4.4　多缺陷类型的识别总结222

参考文献224