机器视觉的铜带表面缺陷检测系统
铜带的表面质量是铜带质量的重要组成部分，也是铜带商业价值的重要保障。
表面缺陷是影响铜带质量的重要因素，进行铜带表面缺陷检测系统的研究具有重
要意义。机器视觉检测技术作为先进的产品质量监测手段，受到了生产企业越来
越多的重视。本文对表面缺陷检测的关键技术进行了较为系统的研究。
本文以表面缺陷检测的主要过程：图像获取、缺陷分割和缺陷判别为主线，
对图像处理流程和关键算法进行了设计和实验分析。提出一种基于动态调节学习
率的改进BP算法的铜带表面缺陷分类系统，建立了完整的硬件系统和软件流程。
本文采用改进的低通滤波算法对图像去噪，Canny算子提取边缘，并引入 Hu不
变矩和 Zernike 不变矩组成复合不变矩有效地表征缺陷图像的多阶特征信息。实
验证明，该方法能有效地检测出铜带表面缺陷，并具有较高的识别准确度和效率，
有较高的推广应用价值。20191110221342
关键字: : 铜带 BP 算法；Canny算子；Hu不变矩；缺陷检测
摘要  I
Abstract  II
第 第 1 章 绪论  1
1.1 课题研究意义和背景 1
1.2 国内外研究现状 1
1.3 铜带表面缺陷检测关键技术分析 2
1.4 论文主要研究内容 3
1.5 本章小结 3
第 第 2 章 铜带表面缺陷检测系统整体设计  5
2.1 系统的硬件框架 5
2.2 检测原理 6
2.3 图像采集与处理系统的设计 6
2.4 缺陷分类系统的设计 8
2.5 本章小结 8
第 第 3 章 铜带表面缺陷图像处理算法研究  10
3.1 图像处理算法流程分析 10
3.2 图像 ROI 检测 10
3.3 图像预处理及增强算法 11
3.3.1 图像去抖 11
3.3.2 图像去噪 12
3.3.3 图像增强 13
3.4 图像分割 15
3.4.1 阈值分割算法 15
3.4.2 图像边缘检测算法 17
3.5 本章小结 20
第 第 4 章 缺陷的判别  21
4.1 缺陷特征提取 21
4.1.1 几何特征提取 22
4.1.2 不变矩特征提取 23
4.2 BP 神经网络分类器设计 28
4.2.1 BP 神经网络 28
4.2.2 改进的 BP 算法 29
4.2.3 BP 网络的结构设计 30
4.2.4 结果分析 31
4.3 本章小结 32
第 第 5 章 全文总结与展望  33
参考文献 34
致谢  36
1.1 课题研究意义和背景
我国是世界生产大国，随着我国经济的蓬勃发展，全球制造业的中心逐步向
中国转移。在生产能力、制造能力不断扩大的同时，人们对产品质量的保证也提
出了越来越高的要求。随着生产力的发展和科学进步，铜合金制品的应用更为广
泛，主要集中于导电和热交换有关的两大方面，成为电力电子、汽车船舶、家电、
通讯、建筑等行业不可或缺的原材料，其表面质量的优劣将直接影响最终产品的
性能和质量。然而在加工过程中，由于原材料、轧制设备和工艺灯原因，会导致
铜带表面出现划痕、凹坑、油污、穿孔、缺口、毛边等不同类型的缺陷，这些缺
陷会直接造成铜带商业价值的贬值。这些缺陷往往人眼可见，人工检测法作为产
品的传统检测方法，在实际使用时存在很大的局限性。有研究表明，人眼对于尺
寸微小、灰度色差差距小的缺陷很难辨别，而且铜带一直是处于运动的，对于高
速运动的物体，人眼很难看清物体上的形态，再加上人具有主观意识，人工检测
会因人的情绪、思维等主观因素受到影响，工人劳动强度大、效率低。所以人工
检测法通常无法可靠地捕获缺陷信息并且加以记录，这样将导致大量的漏检和误
检，使得检测结果无法提供准确有效的信息，因此需要一种更先进更智能的方法
来进行表面缺陷检测
[1] 。近年来，随着电子技术、计算机技术的高速发展，机器
视觉的软硬件技术也得到飞速发展，为产品表面缺陷的检测提供了一种最佳方案。
用“机器”代替人眼，来进行表面缺陷检测，已成为现代工业发展的一个重要趋
势。
1.2 国内外研究现状
机器视觉技术
[2] 的发展主要依赖于三方面的技术发展，即成像技术、计算机
技术和图像处理技术。
最早的机器视觉系统出现于1967年，采用闭路电视成像，将视频信号传输到
电子电路中，实现工件检测。采用视频信号是因为那是当时唯一可以获得物体图
像的途径，尽管隔行扫描、模拟信号、固定的分辨率对视觉检测存在着很多的不
便。如今，半导体技术不仅使人们更容易看到图像，同时也让系统拥有了会思考
的“大脑”。
机器视觉起源于欧美国家和日本这些发达国家，在这些国家中的应用已经非
常普及。一方面生产自动化程度高，人力成本占整个产品成本的比例较大；另一
方面，其设备制造业比较发达，高科技产品所占比例较大，消费者对产品质量和
一致性的要求也很高。这些因素使得机器视觉技术得到广泛应用。
近年来，我国机器视觉已经成为工业现代化和智能化的趋势，政府正在大力
地装备制造业，这些领域是我们和欧美、日韩等发达国家差距最大的领域。从长
远来说，中国的工业化、现代化和城市化还刚刚起步，图像和机器视觉技术的应
用也刚刚开始。国内从事视觉检测技术开发的公司不断增加，如北京大恒图像、
北京凌云光视、北京微视凌志、深圳赛克数码、上海法视特、北京和利时、深圳
视觉龙，以及国内大多数高校科研院所等都在从事视觉检测技术的研发工作。国
内的研究工作无论在检测系统设计还是理论算法研究上，都取得了众多成果。另
外，国家对国防和科研的投入不断加大，我国科学研究水平也在不断进步，相信
图像和机器视觉技术必将在我国各领域谱写新的篇章。
1.3 铜带表面缺陷检测关键技术分析
表面缺陷的有效检出需要检测系统能够有效的“发现”缺陷、“分析”缺陷、
“判别”缺陷。综合目前表面缺陷视觉在线检测领域研究的热点问题，总结归纳
该方向的关键技术有以下几个方面 [3] ：
（1） 适合的成像装置的设计是高质量图像获取的保证。对于机器视觉系
统来说，成像装置主要包括光源的选择、光照方式的设计。缺陷在不同的光源、
照明方式、图像采集方式下会有不同的图像特征体现。因此，如何根据被测物的
特点，根据检测目标需求，选择合适的光源及光照方式，获得有利于图像分析的
高质量图像，是表面缺陷视觉检测的关键问题之一。
（2） 有了高质量的图像，下一步的任务就是缺陷目标的分割，只有有效
的分割出目标缺陷，才能够进行后续的特征提取和缺陷分类。合理有效的缺陷分
割算法设计，是表面缺陷视觉检测的又一关键问题。
（3） 对于表面缺陷检测，在把缺陷有效地分割出来之后，就要对缺陷进行判别。如何根据检测的需求，根据缺陷特征，设计精确、快速的模式分类器，
是表面缺陷检测的至关重要的问题。
1.4 论文主要研究内容
通过文献综述和关键问题的分析，并结合国内外研究现状，本系统以视觉检
测原理为基础，重点研究基于线阵 CCD 扫描的铜带表面缺陷检测方法。本着开
发高效、实用的检测系统的设计思想，本文主要完成以下几项具体工作：
（1）讨论铜带表面缺陷检测系统的总体框架结构，通过工业摄像机的比较
和光源布置方案，建立图像获取模型。
（2）对缺陷图像处理算法的流程进行分析，讨论了图像预处理的几种算法
和实用有效的边缘提取算法，可成功分割缺陷目标。
（3）依据铜带表面缺陷的特点，特征提取过程中选用Hu不变矩作为特征参
量，作为模式分类的输入。
（4）讨论了BP神经网络分类算法的特点和结构，并对BP算法做了简单的改
进，最终完成铜带表面缺陷的分类。
论文整体结构安排如图11所示：
原文链接：http://www.jxszl.com/dzxx/txgc/721.html