李培玉
,
张志欣
,
董月
钢铁研究学报
通过对现有板坯表面裂纹检测方法的分析,提出了一种基于图像特征的板坯表面裂纹检测方法,阐述了运用该方法的系统架构及具体实现过程.该方法以网络摄像机和工控机为系统的核心硬件平台,由网络摄像机采集的数字图像经以太网发送给工控机.在工控机端用VS2008编写软件实现对板坯上表面及侧面状态的实时监视以及对每个板坯的录像,以人工在线标记缺陷为主,自动识别算法为辅,检测出板坯表面的缺陷；工控机端软件还可以对录下的历史板坯录像进行回放,重新进行缺陷的检测.自动识别算法采用与图像亮度信息无关的相位一致性算法.
关键词:
图像特征
,
图像处理
,
裂纹检测
,
人工识别
,
自动识别
,
相位一致性
李立新
,
黄英钢
,
张葵
,
吕肖元
,
李彬
,
吴晓冬
钢铁
doi:10.13228/j.boyuan.issn0449-749x.20140486
轧辊表面形貌直接影响板带钢产品的表面质量甚至其织构组成。为了定量研究轧辊磨损过程中其表面形貌特征的变化规律，采集了1个磨辊周期内不同轧制阶段的轧辊表面图像信息，基于MATLAB平台，利用图像处理方法对不同阶段的下机轧辊表面图像进行了预处理，提取样本图像的几何形状及纹理特征等17维图像特征参数和分形维数，经过对这些参数的属性约简建立了用于轧辊磨损形貌状态识别的BP神经网络模型。结果表明：等效面积圆半径、圆形度、纹理熵及二阶矩等轧辊形貌图像特征参数和分形维数可以作为描述轧辊表面形貌的定量指标，并可用BP网络模型对轧辊磨损形貌进行识别预测。为建立轧辊磨损形貌的定量评价体系提供了新途径。
关键词:
轧辊磨损
,
表面形貌
,
图像特征
,
分形
