冷轧带钢表面质量自动检测系统的在线应用研究

介绍一套在精整线上使用的冷轧带表面质量自动检测系统,该系统用在于在线检测划痕,折印,锈斑,辊印等常见的冷轧带钢表面缺陷。系统采用多个面阵CCD摄像头同步采集图像的方式,并通过由LED光源构成的“暗场照明”方式实现对缺陷的检测,系统采用了并行计算机制和多线程机制,并对算法进行了优化,从而满足数据的实时处理要求。     

一种快速混合碰撞检测算法研究

为提高虚拟环境的临境感和真实感,对其中的关键技术碰撞检测进行研究,提出了一种快速碰撞检测算法。复合层次包围盒碰撞检测能发挥不同类型包围盒碰撞检测的优势进行检测,但不能充分利用当前图形硬件的快速并行计算的优势;基于流的碰撞检测算法可充分发挥后者的优势,但会造成许多冗余检测。提出的新算法将复合层次包围盒碰撞检测算法与基于流的碰撞检测算法相结合：在预处理阶段构造复合层次包围盒树,然后利用复合层次包围盒碰撞检测算法进行初步检测快速排除不可能相交的物体对,接着利用基于流的碰撞检测算法对得到的碰撞子集进行精确求交,得到碰撞检测的结果。实验通过与RAPID和原始的基于流的碰撞检测算法进行比较,证明该算法能有效进行实时碰撞检测。     

一种新的掌纹轮廓特征点提取算法

提出了一种对掌纹轮廓特征点进行提取的方法,该方法首先沿着掌纹边缘线做多个彼此相切的外切圆,然后通过判断外切圆与掌纹边缘线交点个数来定位角点的大致位置,最后结合轮廓线近似直线的性质,得到掌纹轮廓特征点的准确位置.在定位角点位置的基础上,为每一幅掌纹图像获得一个ROI(感兴趣区域),并通过计算每个区域的特征向量值对数据库中掌纹图像进行匹配.实验结果表明,该算法具有较高的效率和匹配精度.     

遗传算法在缺陷特征选择中的研究

由于冷轧带钢表面缺陷的类型多种多样,在所提取的特征集中,需要寻找出一组较优的特征集,使之可以更有效地表达缺陷的本质特征,从而提高缺陷识别的准确率。针对该问题,研究了遗传算法在缺陷特征选择中的应用,并在充分研究信息熵理论的基础上,以平均净分类信息为遗传算法的适应度函数,以弥补互信息熵作为适应度函数所导致的不足。实验表明,利用遗传算法得到的特征集,对现场的冷轧带钢表面缺陷进行分类时,能得到更高的分类准确率。     

基于人工免疫系统的带钢表面缺陷检测技术

针对传统的图像检测算法对具有噪声以及光照不足或不均匀的带钢表面图像检测时效果不理想的问题,提出了基于人工免疫系统的带钢表面缺陷检测技术。根据检测器和抗原之间的论域空间包含关系,以及自体在论域空间中的位置信息,引进了分块空间的方式,提出了检测器分块的生成算法,对缺陷图像表面灰度信息进行三维恢复,获得带钢表面缺陷的高度信息,实现其三维质量检测。实验表明,该方法无论是在对比度低、光照不均还是有噪声干扰的情况下相对于传统的图像检测算法具有较好的处理效果。     

基于B树的否定选择算法及其应用

针对传统的方法在带钢表面缺陷图像检测中存在的问题,提出了基于B树的否定选择算法.根据影响成熟检测器生成的因素,通过低频和高频变异生成初始检测器集合,改变检测器的表示方式,以数值型的检测数代替二进制字符串形式的检测器,提取自体数值、检测数值和待检数值,使用B树建立索引并构建自体信息树和检测信息树,来实现其质量检测.实验表明,该方法明显优于传统的图像检测算法,提高了检测效率.     

基于小样本的神经网络参数优化选择方法

提出了一种基于小样本的神经网络参数优化选择方法,并应用于冷轧带钢表面缺陷在线检测系统中。该方法利用小样本对神经网络的每一种可能的组合参数进行模拟训练及测试,通过直方图求取最优化的一组神经网络参数。实验表明,利用该方法选择出来的神经网络参数,可以实现对冷轧带钢表面缺陷的最优识别。     

基于小波变换的带钢表面缺陷图像增强算法

针对传统图像增强算法在处理有大量噪声、光照不足或不均匀的图像,尤其是实际现场的带钢表面图像时效果较差的问题,提出基于小波变换的图像增强算法,将其应用于冷轧带钢表面缺陷图像的增强中。对比实验结果表明,该方法的增强效果和抗噪性能明显优于传统算法。