对于大型钢铁企业冷轧薄板的生产技术,冷轧薄板的板形质量是钢板轧制生产过程中的一个重要的控制指标,它直接影响和决定钢板的最终质量。因此,钢板板形识别技术在钢板轧制生产过程中占据非常重要的地位。从当前钢铁企业中钢板板形识别技术的实际应用情况来看,主要还是利用钢板轧制过程中钢板的内应力分布间接地得到钢板板形状况。该种方法的主要局限性在于设备昂贵、使用复杂、易于损坏、维修困难,另外,由于外界条件的变化因素和传感器自身的因素决定了这种检测技术的可靠性不能完全得到保证。因此主要钢铁生产强国都在研究新的板形检测方法,寻求结构简单、投资少、性能稳定、检测精度能满足生产要求的板形识别系统。依托重庆市自然科学基金项目“基于新计算智能理论的钢铁工业生产质量监控系统(项目编号:7369)”及“冷轧板板形控制人工智能系统”项目(横向科技项目,合同号:GK050121)。本文以冷轧薄板板形为研究对象,以建立结构简单、性能稳定、检测精度能满足生产要求的板形识别系统为目的,重点研究了在普通光源条件下的板形成像和数据采集、板形图像预处理方法、板形图像分割技术、基于形态学的板形图像处理,提出了基于神经网络、高帽变换和对比思想的板形识别算法。并在实际生产中进行了运行检验,结果表明这些方法能够有效识别常见的冷轧薄板板形。本文主要成果及内容如下:●第2章提出了在普通光源条件下的利用反光获得有效板形的方法,并给出板形识别系统的基本要求和参数;识别精度由图像采集系统决定;识别实时性受到轧制的速度和计算机运算速度的制约;识别准确度不仅与识别精度和实时性相关,而且和识别算法关系密切。本章建立了板形图像数据采集和成像系统的结构和软硬件设计框架。●第3章主要讨论了图像的预处理方法(直方图均衡化、直接灰度变换以及直方图规定化),给出了克服直方图均衡化导致的细节损失和亮度畸变的解决方案。讨论了板形图像噪声与平滑,给出了三种图像平滑方法(邻域平均法、梯度倒数加权法、中值滤波法)的实验结果及分析。●第4章提出了一种基于类均值的图像二值化算法,并证明了该算法和Otsu算法的等价性,随后给出了基于图像二值化的直方图均衡化算法和基于直方图均衡化的图像二值化算法。通过分析图像边缘检测技术中的一阶边缘检测算子(Roberts算子、Sobel算子、Prewitt算子)、二阶边缘检测算子(Laplacian算子、Kirsch算子)、Canny边缘检测算子对板形图像边缘的处理结果,得出采用Canny算法在本系统中的效果最佳。●第5章主要探讨了利用形态学方法进行二值图像去噪和灰度图像增强的基本准则和一般方法。利用二值形态学算法有效地解决了图像二值化后图像存在噪声的问题,利用灰度形态学的图像增强算法有效克服了直方图均衡化导致的图像细节损失的缺点,为图像分析和图像的特征提取奠定了基础。●第6章提出了3种可行的板形识别算法。基于高帽变换的板形识别算法利用高帽变换对板形图像进行增强,对增强后的图像进行二值化,生成缺陷图像,消除二值缺陷图像中的干扰信号,分析二值缺陷图像,判定板形的类别。该方法平均识别率为50%。基于神经网络的板形识别算法对图像进行直方图均衡化,使处理后的图像对比度、图像边界的清晰度有了很大的提高,并在此基础上再进行形态学增强,改善图像效果。对于处理后的图像利用canny算子提取其边缘,利用图像的均值、方差和对比度的统计特征作为人工神经网络分类器的输入进行特征分类。基于该方法设计的板形识别系统在某冷轧薄板厂板形检测中取得了很好的应用效果,平均识别率为92%。基于对比思想的板形识别算法以前一幅图像作为当前图像的“标准板形图像”,当前板形图像与标准板形图像相减生成缺陷图像,对缺陷图像进行二值化,消除二值缺陷图像的干扰信息,分析二值缺陷图像,判断板形的类别。该方法平均识别率为97%。基于图像处理的板形识别是一个较新的研究课题,国内外的相关资料较少。需要通过实践不断发现问题、分析问题、解决问题,使板形识别系统能更加有效地用于冷轧薄板生产,提高冷轧薄板的生产质量和效率。