基于Tetrolet变换的热轧钢板表面缺陷识别方法

doi:10.3901/JME.2016.04.013

机械工程学报 ›› 2016, Vol. 52 ›› Issue (4): 13-19.doi: 10.3901/JME.2016.04.013

基于Tetrolet变换的热轧钢板表面缺陷识别方法

徐科^{1, 2}, 王磊², 王璟瑜²

1. 北京科技大学钢铁共性技术协同创新中心北京 100083;
2. 北京科技大学高效轧制国家工程研究中心北京 100083

出版日期:2016-02-15 发布日期:2016-02-15
作者简介:徐科(通信作者),男,1972年出生,博士,研究员,博士研究生导师。主要研究方向为表面检测、图像识别、智能诊断等。E-mail：xuke@ustb.edu.cn;王磊,男,1987年出生,博士研究生。主要研究方向为表面检测、图像识别。E-mail：towanglei@163.com;王璟瑜,男,1987年出生,硕士研究生。主要研究方向为表面检测、图像识别、多尺度几何分析。E-mail：wanghehu3571@sina.com
基金资助:
“十二五”国家科技支撑计划(2012BAB19B06)和教育部博士点基金 (20120006110033)资助项目

Surface Defect Recognition of Hot-rolled Steel Plates Based on Tetrolet Transform

XU Ke^{1, 2}, WANG Lei², WANG Jingyu²

1. Collaborative Innovation Center of Steel Technology, University of Science and Technology Beijing, Beijing 100083;
2. National Engineering Research Center of Advanced Rolling Technology, University of Science and Technology Beijing, Beijing 100083

Online:2016-02-15 Published:2016-02-15

摘要/Abstract

摘要： 通过Tetrolet变换将热轧钢板表面图像分解成不同尺度和方向的子带,提取子带的Tetrolet高通系数矩阵特征,得到一个高维的特征矢量。利用核保局投影算法对高维特征矢量进行降维,将降维后的低维特征矢量输入支持向量机,从而实现热轧钢板表面缺陷的分类识别。对现场采集到的热轧钢板表面图像样本进行试验,包括横向裂纹、纵向裂纹、横向划伤、纵向划伤、结疤、麻点、网纹、压痕等8类常见热轧钢板表面缺陷,以及氧化铁皮和无缺陷等样本。试验结果表明基于Tetrolet变换方法对样本图像的识别率可达97.38%,比基于Curvelet变换、Contourlet变换等方法得到的识别率提高1%左右。

关键词: Tetrolet变换, 表面检测, 多尺度几何分析, 热轧钢板, 特征提取

Abstract: Sample images of hot-rolled steel plates are decomposed into multiple subbands with different scales and directions by Tetrolet transform. The high-pass Tetrolet coefficients of subbands are combined into a high-dimensional feature vector. Kernel locality preserving projection(KLPP) is applied to the high-dimensional feature vector for dimension reduction, which results in a low-dimensional feature vector. The low-dimensional feature vector is fed into support vector machine(SVM) for surface defect recognition of hot-rolled steel plates. The method is tested with sample images from an industrial production line, including transversal cracks, longitudinal cracks, transversal scratches, longitudinal scratches, scars, pimples, net cracks, impressions, scales and no defect. The results show that the recognition rate with Tetrolet transform is 97.38%, which is about 1% higher than that with Curvelet transform and Contourlet transform.

Key words: feature extraction, hot-rolled steel plates, multiscale geometric analysis, surface inspection, Tetrolet transform

中图分类号:

TP391

徐科, 王磊, 王璟瑜. 基于Tetrolet变换的热轧钢板表面缺陷识别方法[J]. 机械工程学报, 2016, 52(4): 13-19.

XU Ke, WANG Lei, WANG Jingyu. Surface Defect Recognition of Hot-rolled Steel Plates Based on Tetrolet Transform[J]. Journal of Mechanical Engineering, 2016, 52(4): 13-19.

参考文献

[1] 毕昕, 丁汉. TFT-LCD Mura缺陷机器视觉检测方法[J]. 机械工程学报, 2010, 46(12)：13-19.
BI Xin, DING Han. Machine vision inspection method of Muradefect for TFT-LCD[J]. J. Mech. Eng., 2010, 46(12)：13-19.
[2] 徐科, 艾永好, 周鹏, 等. 基于Contourlet 变换的连铸坯表面缺陷识别[J]. 北京科技大学学报, 2013, 35(9)：1195-1200.
XU Ke, AI Yonghao, ZHOU Peng, et al. Recognition of surface defects in continuous casting slabs based on Contourlet transform[J]. J. Univ. Sci. Technol. Beijing, 2013, 35(9)：1195-1200.
[3] 徐科, 孙浩, 杨朝霖, 等. 形态滤波在中厚板表面裂纹在线检测中的应用[J]. 仪器仪表学报,2006, 9(9)：27-31.
XU Ke, SUN Hao, YANG Chaolin, et al. Application of morphological filtering to on-line detection of surface crack of medium and heavy steel plate[J]. Chinese Journal of Scientific Instrument, 2006, 9(9)：27-31.
[4] 宋克臣, 颜云辉, 李骏, 等. 基于邻域信息评估的热轧钢板表面缺陷图像识别方法：中国,201310210470.6[P]. 2013-05-30.
SONG Kechen, YAN Yunhui, LI Jun, et al. Recognition of surface defects on Hot-rolled Steel Plates based on neighborhood information evaluation：China, 201310210470.6[P]. 2013-05-30.
[5] 宋强, 徐科, 徐金梧. 基于结构谱的中厚板表面缺陷识别方法[J]. 北京科技大学学报, 2007, 29(3)：342-345.
SONG Qiang, XU Ke, XU Jinwu. Recognition of surface defects on medium and heavy plates based on structure spectrum[J]. Journal of University of Science and Technology Beijing, 2007, 29(3)：342-345.
[6] DO M N, VETTERLI M. The contourlet transform：an efficient directional multiresolution image representation[J]. IEEE Trans. Image Process, 2005, 14(12)：2091-2106.
[7] 李财莲, 孙即祥, 康耀红. 基于Tetrolet变换的图像降噪新算法[J]. 计算机应用研究, 2011(11)：4373-4375.
LI Cailian, SUN Jixiang, KANG Yaohong. New image denoising approach based on Tetrolet transform[J]. Application Research of Computers, 2011(11)：4373-4375.
[8] 延翔, 秦翰林, 刘上乾, 等. 基于Tetrolet变换的图像融合[J]. 光电子•激光, 2013(8)：1629-1633.
YAN Xiang, QIN Hanlin, LIU Shangqian, et al. Image fusion based on Tetrolet transform[J]. Journal of Optoelectronics·Laser, 2013(8)：1629-1633.
[9] 陈原, 张荣, 尹东. 基于Tetrolet Packet变换的SAR图像稀疏表示[J]. 电子与信息学报, 2012(2)：261-267.
CHEN Yuan, ZHANG Rong, YIN Dong. SAR image sparse representation based on Tetrolet packet transform[J]. Journal of Electronics & Information Technology, 2012(2)：261-267.
[10] 吴秀永. 多尺度子空间分析及其在板带表面缺陷识别中的应用[D]. 北京：北京科技大学, 2009.
WU Xiuyong. Multiscale subspace analysis and its application to surface defect recognition[D]. Beijing：University of Science and Technology Beijing, 2009.
[11] JENS K．Tetrolet transform：A new adaptive Haar wavelet algorithm for sparse image representation[J]. VisCommun Image R, 2010, 21(4)：364-374.
[12] ROWEIS S T, SAUL L K. Nonlinear dimensionality reduction by loacally linear embedding[J]. Science, 2000, 290(5500)：2323-2326.
[13] BELKIN M, MIKHAIL P. Laplacian eigenmaps and spectral techniques for embedding and clustering[M]. Cambridge：MIT Press, 2002.
[14] HE X, CAI D, MIN W. Statistical and computational analysis of locality preserving projection[C]//Proceedings of the 22nd International Conference on Machine Learning, 2005：281-288.

[1]	崔玲丽, 王鑫, 王华庆, 胥永刚, 张建宇. 基于改进开关卡尔曼滤波的轴承故障特征提取方法[J]. 机械工程学报, 2019, 55(7): 44-51.
[2]	王华庆, 任帮月, 宋浏阳, 董方, 王梦阳. 基于终止准则改进K-SVD字典学习的稀疏表示特征增强方法[J]. 机械工程学报, 2019, 55(7): 35-43.
[3]	顾晓辉, 杨绍普, 刘永强, 任彬, 张建超. 基于多目标交叉熵优化的轮对轴承故障特征提取方法[J]. 机械工程学报, 2018, 54(4): 285-292.
[4]	董玉德, 张荣团, 宋忠辉, 房玉强, 白苏诚, 张方亮. 胎面花纹边界特征提取及重构方法研究[J]. 机械工程学报, 2018, 54(3): 137-147.
[5]	黎敏, 杨孟瑶, 陈泽, 赵启东. 基于局部特征提取的有监督的流形学习方法[J]. 机械工程学报, 2017, 53(24): 211-220.
[6]	孙健, 李洪儒. 一种基于复合谱与关联熵融合的特征提取方法[J]. 机械工程学报, 2017, 53(24): 96-103.
[7]	马萍, 张宏立, 范文慧. 基于局部与全局结构保持算法的滚动轴承故障诊断^*[J]. 机械工程学报, 2017, 53(2): 20-25.
[8]	孟宗, 王亚超, 胡猛. 基于改进LMD和IED-SampEn的齿轮故障特征提取方法[J]. 机械工程学报, 2016, 52(5): 169-174.
[9]	周鹏, 徐科, 刘顺华. 基于剪切波和小波特征融合的金属表面缺陷识别方法[J]. 机械工程学报, 2015, 51(6): 98-103.
[10]	王建国, 李健, 万旭东. 基于奇异值分解和局域均值分解的滚动轴承故障特征提取方法[J]. 机械工程学报, 2015, 51(3): 104-110.
[11]	李巍华, 张绍辉. 基于最近最远距离保持投影算法的发动机失火状态识别[J]. 机械工程学报, 2015, 51(20): 156-163.
[12]	李宁, 杨建国, 周瑞. 基于集合经验模式分解的汽油机爆震特征提取[J]. 机械工程学报, 2015, 51(2): 148-154.
[13]	樊薇李双蔡改改沈长青黄伟国朱忠奎. 瞬态成分Laplace小波稀疏表示及其轴承故障特征提取应用[J]. 机械工程学报, 2015, 51(15): 110-118.
[14]	刘若晨;左洪福;张营;梁坤. 滚动轴承性能退化静电监测方法及试验[J]. , 2014, 50(23): 75-81.
[15]	何正嘉;曹宏瑞;訾艳阳;李兵. 机械设备运行可靠性评估的发展与思考[J]. , 2014, 50(2): 171-186.

基于Tetrolet变换的热轧钢板表面缺陷识别方法

Surface Defect Recognition of Hot-rolled Steel Plates Based on Tetrolet Transform

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价