冷轧带钢表面缺陷在线检测技术的研究
论文的主要工作：在总结多种带钢表面缺陷监测技术的基础上，设计了采用面阵CCD的缺陷检测硬件系统。系统由八台CCD相机及八台并行处理计算机组成。并在对BP神经网络做了一定了解之后，对基于BP神经网络的缺陷识别技术做了简要论述。8628
关键词：图像处理 BP神经网络 特征提取
毕业设计说明书（论文）外文摘要
Title Cold-rolled strip surface defect detection technology
Abstract
Steel surface defects is an important factor in restricting the quality of steel and the steel surface defect images online testing has become an important issue for many domestic and foreign enterprises, academics, research. In this regard not only have adequate theoretical value. More important is that in actual industrial applications, has a very important prospect. On the basis of previous research, the design of a strip surface defect detection system.
Paper work: on the basis of summing up a variety of strip surface defects monitoring technology, design defect detection hardware system area array CCD. The system consists of eight CCD cameras and eight parallel processing computer. Defect identification based on BP neural network and BP neural network to do a certain understanding of the brief.
Keywords: image processing, feature extraction of the BP neural network
目次
1绪论 1
1.1课题研究的背景及价值 1
1.2国内外研究现状 1
1.3 本文的主要研究内容 3
2 冷轧带钢表面缺陷检测系统的设计 4
2.1系统检测的常见缺陷类型 4
2.4硬件选择 11
2.5本章小结 12
3 人工神经网络介绍 13
3.1人工神经网络概念及原理 14
3.2神经网络特点 15
3.3神经网络的分类 16
3.4本章小结 17
4 BP神经网络模式识别方式在钢材表面缺陷检测上的应用 18
4.1BP神经网络介绍 18
4.2BP神经网络应用流程 19
4.3本章小结 23
总结 24
致谢 25
参考文献 26
1绪论
1.1课题研究的背景及价值
钢材在现代工业生产中有着广泛的应用。因而钢材的质量也日益成为人们所关注的焦点。在许多特殊行业，特别是汽车、机械制造、航空航天等，对于带钢的质量要求非常高。带钢表面质量是带钢的主要指标，由于原材料、轧制工艺、系统控制等方面的因素，造成带钢表面出现裂纹、结疤、空洞、表皮分层、色斑等不同类型的缺陷。从而直接影响最终成品的质量与性能。因此对于钢材表面缺陷的检测，从而提高钢材产品的表面质量，越发成为各个企业十分重视的问题。而相比与国外业已取得显著成果的表面检测技术，国内针对于此方面的研究相对较少。要实现自动化检测表面缺陷都需要从国外进口设备。这不仅仅耗费很大一笔资金购置，同时对于设备的文护费用也远远高于正常水准。是以进行此项课题的研究颇具现实意义。
1.2国内外研究现状
1.3 本文的主要研究内容