基于计算机图像处理的板形识别研究

赖宏慧 李晓鹏

【摘 要】随着社会经济的发展，科学技术的进步，在信息时代中，计算机信息技术成为这个时代不可或缺的元素，其广泛运用在各个行业并取得了很好的成绩，在各类板形识别以及各类图像处理中也运用得十分深入。图像处理技术作为当前很多企业所必需依赖的一门技术，其不仅对于社会经济的发展有极大的促进作用，在计算机信息体系中也是极为重要的组成部分，所以分析基于计算机图像处理技术在实际业务中的运用具有极为深远的社会意义。

【关键词】信息技术计算机    图像处理技术     板形识别     构成    设计

一、前言

随着社会经济的发展，各个行业无论是规模还是业务需求都发生了很大的改变，尤其是近年来的电子、汽车、航空、家电等方面的发展速度尤为迅速。这些行业的高速发展带动了钢铁产品快速发展，而对于钢铁产品生产来说，板形的质量就显得至关重要，它很大程度上决定了钢板在轧制过程的生产质量和生产效率，所以板形识别就显得尤其重要，其是确保整个钢质产品顺利生产的关键。但是当前的一些钢铁企业所采用的钢板板形识别技术还存在一定的问题，所以研究计算机图像处理板形识别技术显得尤为必要。

二、计算机图像处理技术的板形识别应用概述

计算机图像处理技术其实并不是一项新技术，不过其运用范围极广，尤其是在设计行业、检测行业、医疗行业等，其是利用计算机为载体进行的一项关于设计、检测、医疗等相关的綜合性图像工作体系。而在板形识别应用中，由于计算机图像信息处理技术的高效性、完善性以及可靠稳定性等特点给很多相关联的企业创造出了极大的价值和效益。虽然说目前我国的计算机图像处理的板形识别运用的时间、范围和深度都在增加，但是目前仍然存在一些有待加强的地方。就拿钢铁企业来说，计算机图像处理技术的板形识别技术是钢铁生产过程中依赖的主要技术，其能够优化钢铁生产的流程，确保生产效益。当前计算机图像处理技术和钢板板形识别技术虽然说是两种独立的结构体系，但是钢铁相关人士通常将其进行融合从而形成了一种新的、先进的计算机图像处理的板形识别体系，并且针对计算机图像处理的板形识别体系还不断完善了系统结构和系统生产流程，同时计算机图像处理的板形识别体系的应用和完善还给计算机图像技术发展带来了新的发展空间。

三、计算机图像处理技术的板形识别系统的构成和设计

计算机图像处理技术本来在当前的社会关注的重点，其中的板形识别技术也是人们研究的核心领域。板形识别技术作为计算机图像处理技术中不可或缺的内容，合理地利用板形识别技术有利于企业的生产和管理，能够为企业创造出更多的经济效益。从板形识别技术的构成情况来看，其主要由两个部分组成，分别是计算机监测系统和识别系统：

（一）计算机板形监测系统

板形缺陷识别目前还没有给出一个确定的定义，通常都认为板形缺陷识别其实就是通过人的肉眼来主观感受被测物表面，因此在板形的监测上主要利用的就是对被测物的局部表面情况和特点进行详细的观察和分析，并将该区域的特点或特性和相邻区域的表面特点或特性进行对比，利用的就是人机视觉原理，通过不同区域之间的对比结果来找出各个区域之间的差异或不同，从而得出被测物的缺陷和缺陷类型。不难看出，计算机板形识别监测系统主要利用的是被测物表面的光学特性间的差异来识别缺陷。

（二）计算机板形识别系统

由于当前计算机板形识别系统广泛运用在社会各界，根据企业实际生产情况不同或者企业的经营策略和经营重点不同，那么企业所采用的板形识别系统在设计和运用上也必然有一定的差异。所以本文就主要考虑了如下的要求：首先需要满足安全性、可靠性、高效性、易操作性等要求，无论任何一个需要应用到计算机板形识别系统的企业都需要系统具备这些特性，因此在设计上需要采用高速图像采集技术，从而来快速获得处于高速运动装下的较为清晰的图像;其次需要能够较为快速和准确识别出当前板形的缺陷问题，所以这需要一个很高分辨率的摄像机，以高清地获得板形表面特征，但是相对清晰度越高，需要处理的数据量就会变大，为了能够实现系统的高效性，加快识别的效率，因此在设计上还需要具备一个强大的数据处理能力，以确保能够在一个较短的时间内完成相应的数据处理任务，以帮助完成板形缺陷识别任务;最后是对板形识别过程中的图像信息是关于某个被测物生动并且形象的写照，这是人员最为直观的信息获得来源，所以图像处理上需要满足人员视觉特点。

四、结束语

总体来说，计算机图像处理技术是一项运用极为广泛的技术，很多行业多少都涉及一定的图像处理。在钢铁生产中，板形识别技术是钢铁生产中极为依赖的一种技术，其能够确保顺利生产，提高生产质量和效率，将计算机图像处理技术和板形识别技术进行融合形成具体钢铁生产特点的新的板形识别技术。其在图像处理和识别上有利于钢铁的轧制，有利于企业的发展。

【参考文献】

[1]孔繁庭.计算机图像处理的板形识别研究[J].信息与电脑，2015（4）：53-54.

[2]张材，谭建平.基于遗传算法反向传播模型的板形模式识别[J].中南大学学报（自然科学版），2006，37（2）：294-299.

[3]申志强，潘再生，曹长修，等.基于图像处理的冷轧薄板板形识别[J].浙江大学学报（工学版），2007，41（10）：1615-1619.

[4]张秀玲，刘宏民.变结构神经网络在板形信号模式识别方面的应用[J].钢铁研究学报，2001，13（2）：62-66.