钢材表面缺陷是影响钢材质量的重要因素,钢材表面缺陷图像在线快速检测已成为国内外学者研究的热点课题。研究钢材表面缺陷识别技术不仅具有一定的理论价值更具有实际的应用前景。本文设计并通过仿真实现了冷轧带钢表面缺陷检测系统及缺陷分类系统,重点研究了BP神经网络方法及图像处理技术在钢材表面缺陷识别中的应用,实现冷轧带钢表面的缺陷快速自动分类,主要研究成果如下:
1、根据带钢表面检测系统的需求,采用相对合理的检测系统结构,系统由8台CCD相机及8台并行处理计算机组成。结果表明,系统稳定性和维护性较强、适应性强。
2、根据钢材表面缺陷产生存在的情况,分析了钢材表面检测系统的检测需求,设计应用了冷轧带钢表面缺陷检测的软件系统。
3、研究并发展了神经网络在冷轧带缺陷分类中的应用。基于不同的特征提取,利用多分类器技术,提出了一种基于BP神经网络的钢材表面缺陷识别的方法,设计并实现了神经网络的带钢表面缺陷识别器。实验结果表明,本文的缺陷分类方法可以有效地识别冷轧带钢表面的缺陷类型,识别率达到96%以上。本文深入研究了图像处理技术、神经网络技术以及模式识别理论在表面检测领域的应用,成功的实现了对带钢表面缺陷的自动检测和识别,能满足带钢生产线的表面缺陷检测要求,具有较高的推广应用价值。
钢材加工配送中心在自身发展的压力推动和客户对集成化物流服务需求的拉动下,其物流服务向集成化方向发展。在分析北京钢材加工配送中心物流集成化发展趋势和服务特点的基础上,提出了一体化物流服务、综合物流服务和价值链集成化物流服务3种集成化物流服务模式,并进行了实例分析。最后,从市场分析能力、服务机制、钢材供应链的优化程度和业务流程重组的效果4个方面分析了实施集成化物流服务的关键要素。
钢材 
