1、帶鋼表面缺陷是衡量帶鋼質(zhì)量的主要因素，由于原材料、軋制設(shè)備、加工工藝和系統(tǒng)控制等多方面原因，造成帶鋼表面出現(xiàn)多種缺陷，影響最終產(chǎn)品的性能和質(zhì)量。因此，帶鋼表面缺陷檢測(cè)算法的研究必將為企業(yè)帶來(lái)巨大的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義。本文對(duì)帶鋼表面缺陷圖像的處理和識(shí)別技術(shù)進(jìn)行了深入的研究，提出了檢測(cè)算法的總體方案，成功實(shí)現(xiàn)了帶鋼表面缺陷的實(shí)時(shí)檢測(cè)，提高了帶鋼生產(chǎn)的自動(dòng)化水平。
　　在預(yù)處理階段，采用自適應(yīng)濾波去除圖像中的噪聲，使圖像得到增強(qiáng)；根據(jù)缺

2、陷圖像的表現(xiàn)特性，提出了一種光照不均勻校正算法；針對(duì)傳統(tǒng)閾值選擇算法的不足，提出一種基于最大類(lèi)間類(lèi)內(nèi)距離比準(zhǔn)則的閾值選擇算法，成功實(shí)現(xiàn)了目標(biāo)缺陷區(qū)域與背景的分離。
　　根據(jù)特征向量的類(lèi)可分離性準(zhǔn)則和仿射不變性準(zhǔn)則，提出將對(duì)于目標(biāo)的旋轉(zhuǎn)、平移和尺度變化保持不變的不變矩描述子作為缺陷圖像的特征向量進(jìn)行提取；采用主成分分析法對(duì)特征向量進(jìn)行空間降維處理，將原始22維特征向量壓縮為15維特征向量，有效地提高了系統(tǒng)的運(yùn)行速度。
　　研究

3、了統(tǒng)計(jì)學(xué)習(xí)理論中的一類(lèi)支持向量機(jī)分類(lèi)方法；詳細(xì)討論了一類(lèi)支持向量機(jī)分類(lèi)器設(shè)計(jì)中核函數(shù)的選擇和參數(shù)的設(shè)置問(wèn)題；將一類(lèi)支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了性能比較，分析了一類(lèi)支持向量機(jī)在模式識(shí)別中的優(yōu)越性。
　　采用本文研究的算法，利用工業(yè)現(xiàn)場(chǎng)獲得的180幅帶鋼缺陷圖像進(jìn)行測(cè)試，對(duì)于乳液斑缺陷、孔洞缺陷、輥印缺陷、欠酸洗缺陷、劃傷缺陷和邊裂缺陷等六類(lèi)缺陷的正確識(shí)別率分別為90.00％、90.00%、90.00%、100.0%、93.33%和