球面透鏡的光學特性精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的球面透鏡的光學特性主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：球面透鏡的光學特性范文

關(guān)鍵詞： 透鏡像差 圖示分析 消除方法

各種透鏡的成像都或多或少地存在像差。這是由于制造鏡頭的材料的缺陷，制造工藝，以及光線本身某些特性，使透鏡上存在不同程度的像差現(xiàn)象。因此，在一些高級的相機鏡頭對像差問題做了最大限度的消除，但仍然不能做到完全消除各種像差。透鏡的像差主要有色像差、球面像差、橫向色差、慧形像差、畸變、像散和像場彎曲等七種。

1.色像差

產(chǎn)生色像差的原因是透鏡對不同的波長的色光具有不同的折射率，當白光透過透鏡后就會發(fā)生色散，不同的顏色焦點距離透鏡的遠近不同，便在成像面上形成色像差。紫藍色焦點在前面，黃色焦點在中間，紅色焦點在后，如下圖。色像差的特點是白光點經(jīng)透鏡成像后不能會聚成一個白光點，而形成一個彩色的光環(huán)。

消除方法：使用具有不同折射率和色散率凸凹透鏡相互配合，可不同程度地消除或減少色像差。

2.球面像差

產(chǎn)生這種像差的原因是透鏡的球面折射使具有一定商度的平行沉魚落雁束不能在一點上聚焦所致。而球面像差的種類也很多，分類方法不一，在度量上可分為橫向球面差和縱球面差兩種；在形式上可分為正球面像差和負球面像差兩種。

球面像差的消除方法主要有兩種：一是采用多片透鏡組合，使各透鏡正、負球面像差相互抵消，相機中的多數(shù)攝影鏡頭采用這種方法，但其校正球面像差的缺陷并不十分徹底；二是采用非球面透鏡和曲鏡，這種透鏡可改變透鏡兩球面的曲率半徑（又稱配曲調(diào)正）以減小單透鏡的球差，也可用漸變折射率的材料制作透鏡，以消除球差。

3.橫向色差

橫向色像差是色像差的一種。由于光學玻璃對各種不同波長色光具有不同的折射率，色差的大小也以鏡頭對各種色光焦距不同而異，當白光點斜射穿過透鏡，形成的影像一面有紅色環(huán)邊，而另一面有比紅色要寬的深藍色環(huán)邊。其特點是離主光軸越遠越明顯。

橫向色差將具有不同折射率和色散率的透鏡相配合才能得到很好的校正，例如采用熒石鏡片的鏡頭就能很好地消除橫向色像差。

4.彗形像差

產(chǎn)生彗形像差的原因是球面透鏡各光區(qū)成像的放大率不一致，各光區(qū)的焦點不同。在邊區(qū)一帶光線形成亮度較低，虛散的大環(huán)形，主光軸一帶光線形成高亮度清晰的小環(huán)形。重疊后呈現(xiàn)梨狀圓形。彗形像差的種類有多種，根據(jù)彗形亮端朝向來分，可分為外向彗形像差和內(nèi)向彗形像差兩種；根據(jù)產(chǎn)生方式來分，可分為初級彗形像差和高級彗形像差兩種。

如果鏡片是用作相機的鏡頭，存在彗形像差的攝影鏡頭，將嚴重影響像的清晰度。校正彗形像差的辦法主要有以下兩種：一是在設(shè)計制造鏡頭時，可用不同曲率透鏡的組合加以校正；二是對校正不良，尚存彗形像差的鏡頭，可采用縮小光圈的辦法減少彗形像差的影響。

5.畸變

是指因為影像各部分相對比例關(guān)系與被攝體實際比例關(guān)系不一致而出現(xiàn)的一種變形現(xiàn)象。例如使用這種透鏡作相機鏡頭拍攝有橫直線條的方形物體，其結(jié)果是影像的直線部分變成向內(nèi)定或向外彎曲的線。向內(nèi)彎曲的為桶形畸變，向外彎曲的為枕形畸變。

產(chǎn)生畸變的主要原因是由于光學系統(tǒng)對共軛面不同高度的物體有不同的垂軸放大率所引起的。新月形、平凸形單透鏡更容易出現(xiàn)影像畸變，當凹面或平面向外，光圈在前時，所會聚影像呈凸出狀，愈接近邊緣，彎曲現(xiàn)象就愈明顯，這種現(xiàn)象為桶形畸變；當凸面向外，光圈在后，所結(jié)成的影像呈凹狀，縱橫線都向內(nèi)彎曲，這種現(xiàn)象為枕形畸變。有些應(yīng)用領(lǐng)域的鏡頭是不允許有畸變的，如測繪和航空測量用的攝影鏡頭。攝影鏡頭的畸變只有改善鏡頭的結(jié)構(gòu)才能得以消除。

6.像散

像散是單色性像差的一種。它產(chǎn)生的原因是：與主光軸垂直的平面，其影像位于兩個不同的表面上，一個表面上僅有水平線條，而另一具表面上則只有垂直子午線條，當這兩個表面不能相重合時，便宜產(chǎn)生了像散。有像散的透鬮或透鏡組，對同一垂直面內(nèi)垂直線條和水平線條不能同時準確成像。在透鏡主光軸以外的點狀物體，其影像在任何處均不是一個點，而是隨著聚焦屏位置的變化而改變，人弧矢直線變?yōu)榍邢蛑本€。

對于透鏡像散的校正通常采用折射率較高、色散率較低的光學玻璃制造透鏡，并配制各種曲率的表面互相抵消。

7.像場彎曲

透鏡對平面物體能夠結(jié)成的雙重影像，主像面為橫切線焦面，副像面為輻射線焦面。如果兩個像面不相重合就會發(fā)生像散現(xiàn)象；當兩個像面重合而形成一曲面、即為像場彎曲。像場變曲與像散同時產(chǎn)生，校正像散之后同，像場彎曲仍可單獨存在。因此在設(shè)計和制造透鏡時，采用兩組適當折射擊率的透鏡組配合，如果是應(yīng)用在相機上，即在距離較長的中間安放光圈，就可以校正透鏡的像場彎曲。

參考文獻：

第2篇：球面透鏡的光學特性范文

【關(guān)鍵詞】像素;鏡頭;焦距

“攝影”是個舶來品源于希臘語，用達蓋爾的話來說“用光線來繪畫”。攝影者除了有好的技術(shù)外，還要知道如何利用相機 “觀看”景物，了解相機的性能，熟識相機的特性這是一幅照片能否成功的關(guān)鍵。不論是作為生活需要的拍攝還是專業(yè)的攝影，我們都希望我們拍出來的片子很漂亮，很專業(yè);那么首先就需要我們了解我們的相機，就猶如戰(zhàn)場上士兵了解他的武器一樣。通常我們將相機分為兩個部分：機身和鏡頭（如圖1-1），下面我們就來探討一下相機的一些基本知識。

數(shù)碼單反相機的構(gòu)造 圖1-1

光線經(jīng)過我們的鏡頭被接收后就被CCDCMOS（我們也可稱為傳感器的元件）將它轉(zhuǎn)換為電信號，然后電信號被作為數(shù)據(jù)存儲下來，這一系列的工作就是今天我們所使用數(shù)碼相機的原理（如圖1-2）。從而不難看出鏡頭和感光元件的好壞直接影響相機的基本性能。

數(shù)碼單反相機的數(shù)據(jù)存儲 圖1-2

那么我們是通過什么樣的工作原理來取景呢？鏡頭和快門之間有一面斜放的鏡片，在斜鏡的上方有塊半透明五棱鏡或玻璃。通過斜鏡反射到這半透明五棱鏡上，并將其充當銀幕（棱鏡有翻轉(zhuǎn)圖像重新正立的作用），然后投射到取景器上。

1.1像素

你也許曾今遇到過這樣的問題：同張照片，當照片是小尺寸時，影像清晰，而照片隨著尺寸的放大，影像就慢慢變得模糊了。在看大尺寸照片時我們會發(fā)覺到：即使是在同一畫面上，各種景物的清晰度也不盡相同，這是因為像素數(shù)以前稱之為模糊圈的緣故。

像素數(shù)就是攝影傳感器（CCDCMOS）上設(shè)置的像點陣。光線的各種屬性則能夠以點陣為單位接收。也就是說柵格越細照片細部就越能表現(xiàn)越細。

在攝影上把那種能在視覺效果上產(chǎn)生較為清晰影像的最大圓圈稱為“模糊圈”。如果形成的影像很清楚，那么圓圈就小于模糊圈，反之，當形成影像的圓圈大于模糊圈影像就不清晰。經(jīng)過試驗，人在光線充沛的條件下，從25厘米處看照片，模糊圈直徑為0.25mm的影像仍能有較為清晰的感覺。

1.2 鏡頭的分類

鏡頭是由一塊或多塊光學鏡片（非球面透鏡、凹透鏡、凸透鏡）組成的透鏡組。當成像質(zhì)量一樣時非球面鏡制造成本，體積要小，使用壽命長。所以今天我們所使用的鏡頭大都是非球面鏡制造。按其焦距來分可分為：標準鏡頭、廣角鏡頭、長焦鏡頭（又稱為遠攝鏡頭）。

標準鏡頭的定義：焦距長度接近相機所使用膠片對角線長度。

標準鏡頭的焦距：不同畫幅的相機，標準鏡頭的焦距也不相同。

畫幅為24MM乘36MM的135相機的標準鏡頭焦距為50MM，

畫幅為56MM乘56MM的120相機的標準鏡頭則是75MM的鏡頭等等。

標準鏡頭其視角與人眼的視角相近，其所拍攝畫面中景物之間的透視關(guān)系，與人眼視角所感受到的景象非常相似，沒有透視變形;視角范圍在45°左右。有種身臨其境的感覺。

標準鏡頭要比同檔次的的變焦鏡頭成象質(zhì)量好;體積小，易于攜帶。

定義：焦距短于相機所用膠片對角線的長度的鏡頭稱為廣角鏡頭。

焦距：在30mm左右、視角在70度左右稱為“廣角鏡頭”;

在20mm左右、視角在座90度左右稱為“超廣角鏡頭”。

特征：廣角鏡頭視角廣，景深大;近大遠小對比強烈，畫面透視感比較強;影像的畸變較大。

定義：長焦鏡頭其焦距大于標準鏡頭

焦距：如對135相機來說：85-135mm一般稱為中焦距鏡頭;

135-300mm一般稱為長焦距鏡頭;

300mm以上的稱為超長焦距鏡頭。

長焦鏡頭視角小、景深小;使近大遠小的比例縮小，壓縮畫面的縱深透視感，立體感減弱，平面感增強;影像的畸變不大;不易干擾被攝對象，有利于偷拍。有虛實結(jié)合的影像。

最大相對孔徑比較小;體積大，不便于攜帶和使用，使用時避免畫面虛化，必須使用三角架;有利于拍攝遠處的物體，將其拉近，這樣空氣的透視對畫面的清晰度有所影響。

1.3數(shù)碼相機的參數(shù)解讀：

功能（如圖1-3）

全自動拍攝

全自動拍攝 圖1-3

在我們所使用的鏡頭上基本包含了光圈參數(shù)、焦距參數(shù)、鏡頭屬性等內(nèi)容。總體概括為：光圈參數(shù)：表示該鏡頭的最大

F（光圈）系數(shù)，有些還標識其最小光圈系數(shù); 焦距參數(shù)：表示的是鏡頭所能拍攝的焦距范圍，所用單位是 mm;鏡頭屬性：在鏡頭刻有AF 卡口或者 EF 卡口，還包括一些其它的類別標識;我們用具體的數(shù)據(jù)說明“EF 50mm F1.4 USM ”。這些信息告訴我們的是：EF電子卡口自動變焦鏡頭;焦距范圍50 mm;最大光圈系數(shù)1.4;采用了USM超聲波馬達。

佳能原廠生產(chǎn) EF-S電子卡口自動變焦鏡頭;鏡頭上“1：3.5-5.6”表示用廣角最大光圈是F3.5，遠端的最大光圈F5.6;最大光圈系數(shù)3.5;

1.4購買數(shù)碼相機的要點

1、價格貨比三家

2、使用定位是業(yè)余愛好還是專業(yè)

3、選正品知名名牌有保障

4、像同價位鏡頭選大的

5、像同價位像素選高的

6、選光學變焦

7、選較大存儲卡，最好有“數(shù)碼伴侶”

8、最好雙電池

9、造型選自己喜好即

我們了解攝影歷史，了解了相機，掌握攝影技術(shù)，培養(yǎng)審美情趣，用鏡闡述我們自己的眼中的世界和對人生的感悟。

參考文獻：

[1][法]亨利?卡蒂埃?布列松.決定性瞬間[M].北京：中國攝影出版社，2002：1-93

第3篇：球面透鏡的光學特性范文

摘要:

針對帶鋼表面缺陷檢測系統(tǒng)的速度滯后，精度偏低等問題，在分析成像理論和圖像檢測理論的基礎(chǔ)上，設(shè)計并實現(xiàn)了一種帶鋼表面缺陷高速高精度在線檢測系統(tǒng)．該系統(tǒng)首先采用大功率半導體均勻發(fā)光激光器技術(shù)、高速線掃描成像技術(shù)和基于圖形處理器的Gabor紋理濾波技術(shù)實現(xiàn)了高速高分辨率的圖像采集和處理，然后采用基于嵌套循環(huán)的K－折交叉驗證、信息增益率和BP神經(jīng)網(wǎng)絡(luò)方法構(gòu)建了高準確率的分類器，以達到對帶鋼表面缺陷高速高精度在線檢測．實驗結(jié)果表明，該系統(tǒng)滿足了現(xiàn)有帶鋼生產(chǎn)速度的要求，具有較高的精度和準確率．

關(guān)鍵詞:

圖像采集和處理;圖像檢測;Gabor紋理濾波;神經(jīng)網(wǎng)絡(luò)

0引言

鋼鐵企業(yè)為了提高競爭力，對帶鋼的生產(chǎn)提出了新的要求，也對帶鋼表面檢測系統(tǒng)提出了更高的要求，既要有更高的檢測速度還要有更加準確的檢測精度［1］．而與此同時，跟隨機器視覺技術(shù)的發(fā)展，帶鋼表面檢測系統(tǒng)也得到了廣泛的研究與應(yīng)用［2］．主要研究包括:①光源技術(shù)．由于帶鋼檢測對光源要求頻度高、體積小，這限制了傳統(tǒng)光源在其應(yīng)用［3］，激光具有方向性好、亮度高、體積小等優(yōu)點，被廣泛應(yīng)用于帶鋼檢測應(yīng)用中，國內(nèi)的徐科等［4］提出熱軋鋼檢測中用綠光作為激光光源，但激光照明需解決均勻性問題．②掃描技術(shù)．由于電荷耦合元件能夠?qū)崿F(xiàn)實時檢測，成為目前研究和應(yīng)用的主流技術(shù)［5］．但是，CCD電荷耦合器需在同步時鐘的控制下，以行為單位一位一位地輸出信息，速度較慢，而互補金屬氧化物半導體光電傳感器采集光信號的同時就可以取出電信號，還能同時處理各單元的圖像信息，速度比CCD電荷耦合器快很多［6］．③圖像處理算法．受限于帶鋼加工過程的特性，帶鋼表面呈現(xiàn)出隨機紋理的特點，對于隨機紋理圖像的處理分析，目前常用的方法有共生矩陣法、頻域濾波法、分形法等．作為頻域濾波法的代表，二維Gabor濾波器有著與生物視覺系統(tǒng)相近的特點［7］，廣泛應(yīng)用于紋理圖像的處理分析．但是，CPU很難滿足現(xiàn)在的帶鋼檢測的實時要求［8］．④分類算法．特征選擇的主流算法是主成分分析和信息增益．主成分分析存在特征向量方向不一致的問題，而且如何確定主成分存在主觀性［9］．信息增益可以衡量特征的優(yōu)劣，利用它可對特征進行排序，方便后面的特征選擇，但信息增益適用于離散特征，信息增益率既適用于離散特征也適用于連續(xù)特征［10］，被廣泛應(yīng)用于特征選擇的過程中．圖像分類算法主流算法包括支持向量機和BP神經(jīng)網(wǎng)絡(luò)．支持向量機不適用于大樣本的分類問題［11］．BP神經(jīng)網(wǎng)絡(luò)方法具有能夠解決非線性分類問題，對噪聲不敏感等優(yōu)點，被廣泛應(yīng)用于帶鋼檢測中，如王成明等［12］提出的基于BP神經(jīng)網(wǎng)絡(luò)的帶鋼表面質(zhì)量檢測方法等，但是BP神經(jīng)網(wǎng)絡(luò)的超參的設(shè)定往往具有隨機性，這嚴重影響了分類效果［13]．本文首先介紹了帶鋼表面缺陷高速高分辨率成像系統(tǒng)的設(shè)計，針對光源的不均勻性、圖像處理速度慢等問題，提出改進方法，然后介紹了分類器的構(gòu)建，針對樣本劃分的隨機性、特征選擇的隨機性以及BP神經(jīng)網(wǎng)絡(luò)超參設(shè)定的隨機性問題，做出改進，最后介紹試驗結(jié)果．

1帶鋼表面缺陷高速高分辨率的成像系統(tǒng)的設(shè)計

1)大功率半導體均勻發(fā)光激光器技術(shù)．激光能夠保證帶鋼表面缺陷的檢出率［14］，本系統(tǒng)選用808nm半導體激光器作為照明源，出光功率可達30W，亮度可達1500流明．激光照明需解決均勻性的問題，本文采用了基于鮑威爾棱鏡的激光線發(fā)生辦法，解決了激光照明的均勻性問題，其光路如圖1所示．該方法首先在激光聚焦位置放置圓形球面透鏡，負責將發(fā)散的激光束匯聚成準平行光，同時控制光柱的粗細，然后，利用鮑威爾棱鏡的擴散效果對圓柱的一個方向進行擴束，最終形成激光線．為保證亮度及寬度的適應(yīng)性，激光器出光口距離圓透鏡、鮑威爾棱鏡的距離可以精密調(diào)整．為了降低反射亮度損失，在透鏡表面鍍上808±5nm的T≥99%的增透膜．

2)基于GPU的Gabor紋理濾波技術(shù)．二維Ga-bor濾波器具有易于調(diào)諧方向、徑向頻率帶寬及中心頻率等特征，本文采用該方法來進行圖像處理，二維Gabor函數(shù)為guv(x，y)=k2σ2exp－N2(x2+y2)2σ[]2×expi(k•()xy[])－exp－σ2{()}2(1)其中:k=kxk()y=kvcosψμkvsinψ()μ;kv=2－v+22π;ψμ=μπN;v的取值決定了Gabor濾波的波長;μ的取值表示Gabor核函數(shù)的方向;N為總的方向數(shù)．設(shè)f(x，y)為圖像函數(shù)，guv(x，y)為卷積函數(shù)，則卷積輸出N(u，v)可表示為N(u，v)=f(x，y)*guv(x，y)(2)二維Gabor濾波算法計算量較大，為了保證了帶鋼表面缺陷檢測的實時性，采用基于GPU的并行處理架構(gòu)，其計算流程如圖2所示．GPU的算法分為兩個流程:訓練過程主要針對無缺陷圖像進行，通過訓練完成紋理圖像的背景建模，一方面消除背景變化帶來的干擾，另一方面形成有效的Gabor卷積參數(shù)，以便在檢測過程中得到最優(yōu)的檢出效果．檢測過程對實際拍攝的缺陷圖像進行分析，首先按照GPU的核心數(shù)和緩存大小對圖像進行分解，本文所有GPU的核心數(shù)為1024，顯存2G，因此將原始圖像分解為1000塊，分別加載到1000個核心中，同時并發(fā)運行卷積運算．最后將各個窗口的卷積結(jié)果合并到一起，得到完成的濾波結(jié)果，最后借助于背景模式，將背景的干擾消除，得到干凈的缺陷區(qū)域．

3)成像系統(tǒng)．根據(jù)缺陷檢測的精度要求(1800m/min的檢測速度，0．25mm的精度)，帶鋼的規(guī)格要求(1900mm規(guī)格)，對帶鋼進行成像系統(tǒng)設(shè)計．基于互補金屬氧化物半導體(CMOS)的成像芯片具有速度快，用電低等優(yōu)勢．選用兩個4K線掃描CMOS相機作為成像核心器件，選用CameraLinkFull接口作為數(shù)據(jù)輸出．兩個4K掃描中間重疊100mm作為圖像拼接區(qū)．兩組線激光光源與線掃描組成系統(tǒng)的主要成像模塊．成像系統(tǒng)結(jié)構(gòu)如圖3所示．

2構(gòu)建分類器

檢測缺陷類別及其特征描述如表1所示．

1)訓練集和樣本集劃分．主要缺陷類別有5個，每個類別收集樣本7000，共計35000個樣本．為了避免訓練集和樣本集劃分的盲目性，采用10－折交叉驗證的方式劃分訓練集和測試集，即將樣本集分成10份，從中選1份為測試集，剩下的為訓練集，如圖4所示，究竟選擇哪一份作為測試集，需在后面的嵌套循環(huán)中實現(xiàn)．

2)特征選擇．缺陷區(qū)域的長度、寬度、面積、區(qū)域?qū)Ρ榷鹊裙灿?38個特征形成初始特征集合，利用信息增益率來對各個特征排序．設(shè)樣本集T的某個特征子集S中，相異值構(gòu)成集合A，集合A把特征子集S劃分為多個子集{S1，S2，Sv，…}，|Sv|、|S|為集和大小，信息增益率的公式為Gainration(S，A)=Gain(S，A)Intrinsiclnfo(S，A)(3)式中Gain(S，A)為信息增益，是分裂前的信息減去分裂后的信息，公式為Gain(S，A)=InfoBefore(S)－InfoAfter(S)=Entropy(S)－∑v∈Values(A)|Sv||S|Entropy(Sv)(4)式中Entropy(S)為集合S的熵，公式為Entropy(S)=Entropy(p1，p2，…，pm)=－∑mi=1pilogpi(5)式中pi為第i個類別的概率．式(3)中，Intrinsiclnfo(S，A)為內(nèi)在信息，公式為Intrinsiclnfo(S，A)=∑v∈Values(A)|Sv||S|log(|Sv||S|)(6)利用信息增益率對特征進行排序，再利用循環(huán)(從1到138循環(huán))實現(xiàn)最優(yōu)的特征個數(shù)的確定．

3)BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)的確定．BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到帶鋼表面質(zhì)量檢測上具有很多優(yōu)勢，但也存在一些問題，主要體現(xiàn)在隱含層節(jié)點數(shù)選取的盲目性和初始權(quán)值選取的隨機性．對于隱含層節(jié)點數(shù)確定問題，利用隱含層節(jié)點數(shù)常用計算公式［15］(2(m+n)+1，n+槡m+a，log2n，n為輸入層節(jié)點數(shù)，m為輸出層節(jié)點數(shù)，a為的［1，10］常數(shù))求得節(jié)點數(shù)的可能取值集合n1，求得該集合最大值n1－max和最小值n1－min，從n1－min開始到n1－max，利用循環(huán)，節(jié)點數(shù)逐個增加，確定最優(yōu)的隱含層節(jié)點數(shù)［16］;

4)BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值的選取．當隱含層節(jié)點數(shù)確定后，需要確定輸入層和隱含層之間、隱含層和輸出層之間的初始權(quán)值．首先生成10組隨機數(shù)數(shù)組，利用循環(huán)確定最優(yōu)的隨機數(shù)數(shù)組．

5)判別標準和嵌套循環(huán)．上述各循環(huán)中，分類效果好與壞的判別標準是分類的總體精度，公式為OA=∑niin(7)式中:nii為樣本被預測為類別i，n為樣本個數(shù)．上述各循環(huán)組合在一起就是一個嵌套循環(huán)，其N－S盒圖如圖5所示，最外層是測試集和訓練集的10折交叉驗證，第1層是確定最優(yōu)的特征數(shù)，第3層是確定最優(yōu)的隱含層節(jié)點數(shù)，第4、5層是確定最優(yōu)的輸入層和隱含層、隱含層和輸出層的初始權(quán)值［17－20］.經(jīng)以上循環(huán)，確定D3作為測試集，最優(yōu)特征數(shù)為23個，最優(yōu)的隱含層節(jié)點數(shù)是46個，同時也確定了最優(yōu)的初始權(quán)值，對應(yīng)的3層BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)模型如圖6所示．

3實驗結(jié)果

1)鮑威爾棱鏡與柱透鏡進行對比在實際工作距離1．5m處，采用0．1m為間隔使用光功率計測試光源功率，如圖7所示，橫軸為測試點，縱軸為測試點的光功率．實驗表明，鮑威爾棱鏡均勻性優(yōu)于柱透鏡．

2)Gabor濾波方法與其他方法比較將動態(tài)閾值法+Blob分析法(方法A)和灰度共生矩陣紋理背景消除法(方法B)兩種方法與Gabor濾波方法進行比較，如圖8所示．由于缺陷與背景灰度相近(圖(a))，致使方法A缺陷丟失(圖(b))，由于缺陷與背景紋理相近(圖(d))，致使方法B產(chǎn)生噪聲(圖(e))，Gabor方法取得了不錯的效果(圖(e)、(圖(f)))．

3)GPU與CPU比較以4096×4096的圖像為例，選10幅有代表性圖像，利用CPU(最新的inteli7－2600處理器，4核8線程，2．6GHz，內(nèi)存8G)和GPU(nVidiaGTX970，4G緩存顯卡)進行Ga-bor運算，計算時間如表2所示，GPU計算效率明顯優(yōu)于CPU，其中CPU的平均耗時為290．4ms，而GPU的平均耗時為31．7ms．

4)檢測效果在產(chǎn)線速度為1775m/min，最小檢測缺陷的尺寸為0．25mm的檢測系統(tǒng)中，對帶鋼的主要4種類型缺陷進行檢測統(tǒng)計，檢測結(jié)果如表3所示．可計算出整體檢出率99．9%，檢測準確率99．4%．

4結(jié)論

本文提出將基于鮑威爾棱鏡的大功率激光器應(yīng)用到光源的設(shè)計中，保證光源光照的均勻性;提出了新的帶鋼表面缺陷檢測系統(tǒng)的成像系統(tǒng)結(jié)構(gòu)設(shè)計，保證了快速、高精度的生成圖像;提出了基于GPU的二維Gabor濾波圖像處理的算法，滿足了實時處理的要求;提出了基于嵌套循環(huán)的分類器擇優(yōu)算法，避免了樣本集選擇、特征選擇和BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定的盲目性．借助上述技術(shù)，系統(tǒng)實現(xiàn)了較好的效果，滿足當前帶鋼生產(chǎn)的檢測需求．

參考文獻:

［1］張長富．中國鋼鐵工業(yè)運行情況和發(fā)展展望［J］．中國鋼鐵業(yè)，2013(4):5－8．

［2］劉彩章．基于機器視覺的帶鋼表面缺陷成像系統(tǒng)理論與實驗研究［D］．武漢:武漢科技大學，2012:2－4．

［3］高瑀含，安志勇，李娜娜等．高斯光束整形系統(tǒng)的光學設(shè)計［J］．光學精密工程，2011，19(7):1464－1471．

［4］徐科，楊朝霖，周鵬．熱軋帶鋼表面缺陷在線檢測的方法與工業(yè)應(yīng)用［J］．機械工程學報，2009，45(4):111－114．

［5］李霞．基于CCD的鋼板測寬儀系統(tǒng)設(shè)計［D］．秦皇島:燕山大學，2014:5－10．

［6］石東新，傅新宇，張遠．CMOS與CCD性能及高清應(yīng)用比較［J］．通訊技術(shù)，2010，43(12):174－179．

［7］高梓瑞．Gabor濾波器在紋理分析中的應(yīng)用研究［D］．武漢:武漢理工大學，2012:6－10．

［8］王成順．表面缺陷檢測GPU并行圖像處理技術(shù)［D］．合肥:合肥工業(yè)大學，2012:3－6．

［9］徐永智，華慧川．對主成分分析三點不足的改進［J］．科技管理研究，2009(6):128－130．

［10］李佳龍，閻威武，白曉慧，等．基于數(shù)據(jù)驅(qū)動與信息增益率多指標決策模型的生活飲用水水質(zhì)評估［J］．大連理工大學學報，2016，56(1):92－96．

［11］張曉雷．支持向量機若干問題的研究［D］．北京:清華大學，2012:1－20．

［12］王成明，顏云輝，李駿，等．基于BP神經(jīng)網(wǎng)絡(luò)的冷軋帶鋼表面質(zhì)量檢測研究［J］．機械設(shè)計與制造，2007(6):106－108．

［13］高正中，張曉燕，龔群英．基于BP神經(jīng)網(wǎng)絡(luò)的超聲波流量計的設(shè)計［J］．現(xiàn)代電子技術(shù)，2016，39(16):6－9．

［14］周洋，何平安，蔣千年等．激光束整形光學系統(tǒng)的設(shè)計與研究［J］．光學與光電技術(shù)，2006，4(2):26－28．

［15］飛思科技產(chǎn)品研發(fā)中心．神經(jīng)網(wǎng)絡(luò)理論與Matlab7實現(xiàn)［M］．北京:電子工業(yè)出版社，2005．

［16］沈花玉，王兆霞，高成耀等．BP神經(jīng)網(wǎng)絡(luò)隱含層單元數(shù)的確定［J］．天津理工大學學報，2008，24(5):13－15．

［17］文冬林．BP神經(jīng)網(wǎng)絡(luò)中一種逃離局部極小點的方法研究［D］．貴陽:貴州大學，2008．

［18］甘勝豐．帶鋼表面缺陷圖像檢測與分類方法研究［D］．北京:中國地質(zhì)大學，2013:3－20．

［19］吳彬彬．機器視覺方法在帶鋼表面缺陷檢測中的應(yīng)用研究［D］．武漢:武漢科技大學，2015:4－50．