基于机器视觉的带钢表面缺陷的检测方法技术

基于机器视觉的带钢表面缺陷的检测方法，属于智能检测技术领域，解决了现有带钢表面缺陷识别检测效率低的问题，包括步骤：步骤1：将待检测带钢读入计算机，得到原始图像f，然后进行两次均值滤波，原始图像f、滤波图像f1、f2中的坐标为第x列、第y行的像素点的灰度值分别为f（x，y）、f1（x，y）和f2（x，y）；步骤2：检验以下数据是否在设定区间之内：f（x，y），f1（x，y），f（x，y）－f2（x，y），f1（x，y）－f2（x，y）；如果上述数据均在设定区间之内，则判定待检测带钢为初级合格品；反之，则判定待检测带钢存在表面缺陷。本发明专利技术算法简单、误检率低。

【技术实现步骤摘要】
基于机器视觉的带钢表面缺陷的检测方法
本专利技术属于智能检测
，特别涉及基于图像处理的产品表面缺陷的自动化检测方法。
技术介绍
在钢铁制造业中，从连铸和热轧到镀锌及精整，扁平带钢加工中各式各样的质量挑战经常出现。缺陷检测与分类是质量控制环节中非常重要的一环，材料表面质量的优劣直接影响最终产品的性能和质量。面对越来越激烈的市场化竞争，诸多企业对金属材料表面质量提出了越来越高的要求。工业生产中，由于各种技术或者生产工艺问题，会造成一定的缺陷。对于带钢这类表面积很大的产品，仅靠人工去识别缺陷，容易误判缺陷类别以及错过微小缺陷，尤其是带钢处于高速运转状态时。由此来看人工检视缺陷不是一种高效的方法。为了避免人工检测误判造成的损失，有效降低生产成本、提升正品率并为客户提供优质的产品，随着CCD成像技术和计算机技术的迅猛发展，应用机器视觉来解决缺陷的检测与分类问题逐渐成为一种趋势，通过计算机的辅助可以实现对带钢的表面质量性能进行精密的检测与记录。通过相机采集钢带表面的图像，采用一定的图像处理的算法来获得图像上异常的区域，相对正常的区域，这一部分属于缺陷区域。
技术实现思路
为解决现有带钢表面缺陷本文档来自技高网...

【技术保护点】
基于机器视觉的带钢表面缺陷的检测方法，其特征在于，包括以下顺序步骤：步骤1：滤波处理：采用图像采集设备将待检测带钢读入计算机，得到带钢彩色图像，然后将带钢彩色图像转化成带钢灰度图像，得到原始图像f，原始图像f中坐标为第x列、第y行的像素点的灰度值为f（x，y）；对原始图像f进行一次均值滤波，得到一次滤波图像f1，一次滤波图像f1中坐标为第x列、第y行的像素点的灰度值为f1（x，y）；对原始图像f进行二次均值滤波，得到二次滤波图像f2，二次滤波图像f2中坐标为第x列、第y行的像素点的灰度值为f2（x，y），其中二次均值滤波时所用的均值滤波器的窗口大于一次均值滤波时所用的均值滤波器的窗口；步骤2：...

【技术特征摘要】
1.基于机器视觉的带钢表面缺陷的检测方法，其特征在于，包括以下顺序步骤：步骤1：滤波处理：采用图像采集设备将待检测带钢读入计算机，得到带钢彩色图像，然后将带钢彩色图像转化成带钢灰度图像，得到原始图像f，原始图像f中坐标为第x列、第y行的像素点的灰度值为f(x，y)；对原始图像f进行一次均值滤波，得到一次滤波图像f1，一次滤波图像f1中坐标为第x列、第y行的像素点的灰度值为f1(x，y)；对原始图像f进行二次均值滤波，得到二次滤波图像f2，二次滤波图像f2中坐标为第x列、第y行的像素点的灰度值为f2(x，y)，其中二次均值滤波时所用的均值滤波器的窗口大于一次均值滤波时所用的均值滤波器的窗口；沿纵向将原始图像f划分为若干个单元，每一个单元包括相同行数的像素点，将每一个单元中每一列像素点的灰度值的平均值，作为一个新像素点的灰度值，得到重建图像f3，重建图像f3中的坐标为第x列、第k行的新像素点的灰度值为f3(x，k)，重建图像f3中的坐标为第x+1列、第k行的新像素点的灰度值为f3(x+1，k)；然后采用1×m大小的滤波器对重建图像f3进行滤波，其中m为大于1的正整数，得到重建图像f4，重建图像f4中的坐标为第x列、第k行的新像素点的灰度值为f4(x，k)；步骤2：缺陷判定：检验以下数据是否在设定区间之内：f(x，y)；f1(x，y)；f(x，y)－f2(x，y)；f1(x，y)－f2(x，y)；如果上述数据均在设定区间之内，则判定待检测带钢为初级合格品；如果上述数据中有一个在设定区间之外，则判定待检测带钢存在表面缺陷；初级合格品还要进行以下缺陷判定：检验以...

【专利技术属性】
技术研发人员：张栋，
申请(专利权)人：上海掌迪自动化科技有限公司，
类型：发明
国别省市：上海;31