《基于视觉检测的引水压力钢管缺陷检测技术研究及应用》由会员分享，可在线阅读，更多相关《基于视觉检测的引水压力钢管缺陷检测技术研究及应用（52页珍藏版）》请在金锄头文库上搜索。
1、合肥工业大学 硕士学位论文 基于视觉检测的引水压力钢管缺陷检测技术研究及应用 姓名：胡惠灵 申请学位级别：硕士 专业：计算机应用技术 指导教师：张建军 2011-04 基于视觉检测的引水压力钢管缺陷检测技术研究及应用基于视觉检测的引水压力钢管缺陷检测技术研究及应用 摘摘 要要 随着能源问题的日益严峻，水力发电作为一种清洁可再生的能源越发地受 到重视。压力钢管作为水电站的重要组成部分，在电站正常运行维护期，特别 是投产的初期和经过多年的运行后，都需要进行全面的安全检测，以消除各种 问题隐患。及时检测并识别缺陷对提高水电站安全具有重要意义。近年来，随 着图像检测技术的快速发展，视觉检测技术也得到了
2、长足发展。视觉检测是机 器视觉技术、通信技术、嵌入式技术、图像处理技术、计算机技术等多学科交 叉领域的研究。 本课题以大型引水压力钢管的缺陷检测为背景，对大型引水压力钢管的常 见缺陷进行分析，研究并设计了一种缺陷检测算法。 本文对目前常用的去除图片光照不均影响的方法进行了详细的分析和研 究，针对现存的方法在去除光照不均影响时亮度背景有突变、缺陷细节受损失 等缺点，提出了基于平均模板的线性滤波方法和基于小波变换的方法对缺陷图 片进行预处理。仿真实验表明，该算法较好的去除了光照不均影响，增强了缺 陷细节。 分析了常用的图像分割算法，根据大型引水压力钢管缺陷图片的特征提出 选择直方图双峰的阈值分割算
3、法作为本文所用的图像分割方法。 利用形态学滤波技术对分割后的图片进行了降噪处理，选择最小外接矩形 拟合作为特征提取的手段，提取了缺陷特征，并利用 K-means 算法对特征进行 分类，有效地从图片中提取了缺陷区域。 最后，对本文的部分算法进行了基于硬件平台 SEED-DVS6446 上的实现， 实验结果表明能准确的检测并标识缺陷，达到了预期目标。 关键词：关键词：压力钢管；视觉检测；光照不均；K-means 算法；SEED-DVS6446 Research and Application of Defects Detection of Large-scale Penstock Based on
4、 Visual Detection Abstract With the increasingly serious energy problems, hydropower as a clean renewable energy will be taken seriously more and more. Penstock as an integral part of the station, during the normal operation and maintenance of the power plant, especially the production of early and
5、after years of running, we need to conduct a comprehensive safety inspection in order to eliminate hidden problems. It is significant for station security to detect and identify defects timely. In recent years, with the rapid development of image detection technology, visual detection technology has
6、 also been considerably developed. Visual detection is an interdisciplinary research containing the machine vision technology, communications technology, embedded technology, image processing technology and computer technology. As the background of the defects detection of large-scale penstock, this
7、 subject analyzed the common defects of penstock, researched and designed a set of defect detection algorithm. This paper analyzed and researched the commonly used method of removal of uneven illumination from photos in detail, according to the shortcomings of mutations in background brightness and
8、the losses of defects details, it proposed a method based on the average template linear filtering and wavelet-based to preprocess image defects. Simulation results showed that the algorithm removed the uneven illumination of the image and enhance the defect details well. It described the commonly u
9、sed image segmentation algorithms, based on the characteristics of large-scale penstock defects image, it used threshold segmentation algorithm for image segmentation. With the use of morphological filtering to the segmented images, the noise was reduced well. According to the characteristics of def
10、ects of large-scale penstock, it selected minimum bounding rectangle to extract the defect feature, then K-means algorithm was used to classify image defects. Finally, it realized the proposed algorithm on the hardware platform SEED-DVS6446, the experimental results showed the expected goals were ac
11、hieved. Keywords: penstock; visual detection; uneven illumination; K-means algorithm; SEED-DVS6446 图表清单图表清单 图 2-1 裂纹缺陷图像. 6 图 2-2 形态学拟合背景光 . 8 图 2-3 同态滤波处理流程 . 9 图 2-4 同态滤波处理结果 . 10 图 2-5 裂纹缺陷处理前直方图. 11 图 2-6 直方图均衡化后裂纹. 11 图 2-7 均衡化后直方图 . 11 图 2-8 图像增强算法流程图. 12 图 2-9 不同模板尺寸拟合的背景光 . 13 图 2-10 本文算法处理结果 . 14 图 3-1 增强后裂纹图像直方图. 19 图 3-2 阈值分割后结果 . 20 图 4-1 含多个腐蚀坑和锈斑的缺陷图片 . 22 图 4-2 图 4-1 对应的直方图 . 22 图 4-3 处理流程图. 23 图 4-4 亮度分布图. 23 图 4-5 消除不均匀光照后 . 23 图 4-6 小波增强后图片 . 24 图 4-7 图 4-6 对应的直方图 . 2
