本书介绍了金属表面质量在线检测技术，主要包括系统设计、检测算法等，内容涵盖铸坯表面在线检测、中厚板表面在线检测系统、热轧带钢表面在线检测系统、冷轧带钢表面在线检测系统等。
本书可供从事冶金自动化技术的科研、设计、生产技术人员使用，也可作为大专院校相关专业师生的参考用书。

《**轧制**工程研究**先进技术丛书：金属表面质量在线检测技术》：
（4）神经网络法。随着神经网络的出现，许多问题都可以转化为将原始的数据送人神经网络，经过适当的训练就得到数据的特征集。在各种各样的人工神经网络模型中，在模式识别中应用*多也是*成功的当数多层前馈神经网络，其中又以采用学习算法的多层感知器习惯上简称为网络为代表。网络是一个将图像特征提取和模式分类融合在一起的神经网络；图像数据通过输入层进入网络，通过加权然后输入到隐层，而此时的隐层就相当于一个特征提取器，隐层的输出结果再作为输出层的输入。
3.4.3几何特征提取
形状特征对于机器视觉是很重要的。当物体从图像中提取出来后，形状的描述对于物体的识别起着不可忽视的影响作用。形状特征一般从轮廓特征和区域特征两个角度描述。轮廓特征关注的是外边界，区域特征关注的是整个区域。不过，任何一个物体我们又都可以把它分解成若干个点、线、面，这样，对其形状特征的提取又更多地关注在点、线、面的提取方法上。
（1）点特征的提取方法。点是一切形态的基础。对于视觉系统而言，它是小而集中的形。二维空间中，可以将其理解为极小的面积，三维空间中，可以将其理解为极小的体积。点是一个零维度的存在，我们能够在空间中的物体上看到各种各样的点，但在特征提取中，点指那些明显点，比如：角点、交叉点、圆点等。其中，角点引发的研究探讨较多，有以曲率为出发点的，有以灰度为出发点的，还有以边缘为出发点的。不同的算法采用不同的算子进行特征点提取，这种算子被称为兴趣算子，如Moravec兴趣算子、Forstner兴趣算子等。
（2）线特征的提取方法。从几何学的观点来看，一个点的任意移动构成线。线特征包含了边缘和线，边缘的意义在于区分不同特征的局部区域，而线则是划定相同特征区域的边缘对。边缘对人们辨别物体有很重要的意义，它所形成的连续完整的边界在很多时候可以帮助人们直接识别物体。边缘是点的集合，这些点具有的共性就是均在灰度突变处。边缘一般包括阶跃式和屋顶式两类，前者以灰度值的明显变化区分，后者为灰度值逐渐变化的中间点，体现形式如图3—8所示。
……

**章 表面在线检测技术1．1 表面在线检测的意义1．2 表面在线检测技术研究现状1．3 表面在线检测的方法1．4 表面在线检测的难点与发展第二章 表面在线检测系统的设计2．1 系统的设计要求2．2 系统的基本组成2．3 图像采集系统2．4 计算机系统第三章 缺陷检测与识别算法3．1 数字图像处理综述3．2缺陷检测算法流程3．3 图像预处理算法3．4 特征提取算法3．5 分类器设计与缺陷识别第四章 铸坯表面在线检测系统4．1 高温铸坯表面图像的特点4．2 铸坯表面检测系统的设计4．3 铸坯表面缺陷检测与识别算法4．4 在线应用第五章 中厚板表面在线检测系统5．1 中厚板表面图像的特点5．2 中厚板表面检测系统的设计5．3 中厚板表面缺陷检测与识别算法5．4 在线应用第六章 热轧带钢表面在线检测系统6．1 热轧带钢表面图像的特点6．2 热轧带钢表面检测系统的设计6．3 热轧带钢表面缺陷检测与识别算法6．4 在线应用第七章 冷轧带钢表面在线检测系统7．1 冷轧带钢表面图像的特点7．2 冷轧带钢表面检测系统的设计7．3 冷轧带钢表面缺陷检测与识别算法7．3．1 BP(back propagation)神经网络7．3．2基于BP神经网络分类器的设计7．4 在线应用