天天操操-一二三四视频在线观看日本-艳妇荡女欲乱双飞两中年熟妇-水蜜桃av无码一区二区-国产精品99久久免费黑人人妻-久久婷婷五月综合色99啪

當前國內外對厚壁鋼管的表面檢測方式主要有：人工檢測、紅外檢測、超聲波檢測、磁粉檢測和機器視覺檢測等。機器視覺檢測技術是一種無接觸無損傷檢測，憑借其速度快、精度高、穩定性強等優點，很好的滿足了當今工業自動化的需求。因此國內外學者對利用機器視覺檢測產品表面缺陷方面開展了大量的研究。

機器視覺技術發展最早、最快、使用最多的國家主要集中在歐美和日本，早在20世紀70年代中期，日本的川崎公司開發了鍍錫板在線機器視覺檢測裝置;1983年B.V.Suresh等研究出了基于機器視覺的冷軋鋼表面缺陷檢測系統；1988年，德國的SICK公司在冷軋廠的生產線上安裝了五臺基于機器視覺的表面缺陷檢測設備（ASIS）;美國在1966年，由Connex公司研制了一種基于機器學習的表面檢測系統，實現了表面缺陷的分類；進入90年代，伴隨著計算機技術領域人工智能、神經網絡等學科的完善，機器視覺技術得到了進一步的發展，并使之逐漸走向了智能化。Kerr.D等人將機器視覺應用于數控機床中的刀具磨損情況的檢測，并研究了基于神經網絡的模型，實現了刀具磨損程度的精確測量。B.M.Kumar等人研究了旋轉工件表面粗糙度的測量，依據機器視覺相關處理方法，得到了不同粗糙度表面的一些特征信息，最終設計出一套基于機器視覺的厚壁鋼管表面粗糙程度的檢測系統。G.Krummeanacher[6]等利用支持向量機（SVM）分類器對有缺陷的火車車輪圖像進行學習訓練，完成了對車輪是否有缺陷的判斷并對缺陷進行了分類識別。CTikhe等針對金屬表面存在的難以被人工目視檢測到的孔洞、劃痕等缺陷，提出了一種改進的Gabor濾波器進行缺陷的自動檢測和分類的技術，以保證生產過程中金屬的質量和生產率。

相較于國外，國內對于機器視覺領域的研究相對滯后，直至20世紀90年代才開始了相關的研究，但隨著我國經濟實力和地位的不斷提升，國內企業也更加注重工業自動化的發展，機器視覺也得到了長足的發展。1991年重慶大學的先武等設計了基于機器視覺的滾子表面缺陷檢測的實驗裝置，并實現了對直徑為10-20毫米的圓柱滾子表面的缺陷檢測；1996年，王斌等分析了厚壁鋼管表面重皮缺陷的特征，提出了一種基于機器視覺的高速在線重皮缺陷圖像識別算法，測量精度達到10mm，且無漏檢、誤檢等情況；2003年，李煒等研究出了一種基于機器視覺的厚壁鋼管表面缺陷檢實時檢測系統，并將模糊算法及人工神經網絡結合起來，設計了一種多級分類器，完成了對帶鋼表面缺陷的檢測。2010年，朱錚濤等通過斑點分析工具及斑點特征參數，完成了薄壁鋼管端面的凹坑、倒角斜面變弧面等缺陷的檢測；駱騰斌等通過對軸承端面圖像灰度直方圖的計算實現了Canny算子閾值的自適應，且通過聯通域的特征與大小完成了軸承端面缺陷的判斷；虞佳佳等通過提取磁環缺陷的形態特征參數并利用支持向量機實現了對磁環端面的缺陷檢測及分類；2017年浙江大學的劉子豪以南美白對蝦為研究對象，探究了機器視覺對南美白對蝦進行分類的可行性，并提出一種新穎的分割算法以處理成對蝦粘連的現象，最后識別率達到了94.34%。雖然前述學者們對基于機器視覺的表面缺陷檢測進行了大量的研究，但是針對厚壁鋼管端面的缺陷檢測的研究較少，上述的研究對于厚壁鋼管端面缺陷檢測有一定的參考價值，但不完全適用于對厚壁鋼管端面的缺陷檢測及分類。因此，本文提出一種基機器視覺的厚壁鋼管端面的缺陷檢測及分類的方法。