The present invention relates to strip surface defect detection method based on template matching precision, which comprises the following steps: Step 1, non defect distribution statistics; step 2, read the image; step 3: the reconstructed image pixels in the I0 values in each column in ascending or descending order, get the reconstructed image I1; step 4. The establishment of template matching C: according to the construction of Gauss curve fitting step 1 with a detected image matrix is equal to I0, the matrix is the matching template C; step 5, image difference: the pixel of every point of the template C and reconstructed image I1 matching value difference operation to gain difference I2 image, and the difference of each pixel in image I2 values in the rearrangement according to the image to be detected in the I0 position, get the image I3 rearrangement defect location; step 6: the use of positive and negative TH threshold segmentation threshold ( TH+D (two) of the rearrangement image I3, the accurate positioning of defects.
【技术实现步骤摘要】
本专利技术属于带钢表面缺陷检测
,特别是涉及基于模板匹配的带钢表面缺陷精准检测方法。
技术介绍
钢铁是汽车生产、机械制造、航空航天等领域不可或缺的原材料,其年产量可以达到所有产品生产的80%以上。但由于轧制设备、生产环境等的影响,钢铁表面极易产生各种各样不可预知的缺陷,这些缺陷不仅影响钢材的美观,而且会影响产品耐腐性,这往往会造成不可预估的损失及危险,故相关的用户对钢材的表面质量提出了更高的要求。近年来,随着钢材需求量的不断增加,生产线往往要求更快的速度,这使得人工检测质量不能够满足速度要求,且快速的生产要求导致人工检测的准确率下降,故基于机器视觉的带钢表面检测技术被越来越多得用于生产中。现有的检测方法大致分为监督方法与非监督方法两类。监督方法需要预先收集大量缺陷图像进行训练,训练过程往往耗时较长,且带钢表面的缺陷有些是不可预知的,这限制了该类方法在实际生产中的应用。非监督方法是通过人工提取特征后,查找图像中具有异常特征的分块从而实现缺陷定位,该类方法中有些是难以实现且耗时较长。如:Y.Lee等人(Y.Lee,J.Lee,\AccurateAutomaticDefectDetectionMethodUsingQuadtreeDecompositiononSEMImages,\inIEEETransactionsonSemiconductorManufacturing,vol.27,no.2,pp223-231,May2014.)使用四叉树分解方法进行缺陷检测,该方法需要前期对图像的一些处理再通过查找异常分块实现检测,但前期处理过程复杂且采用的分块方 ...
【技术保护点】
一种基于模板匹配的带钢表面缺陷精准检测方法,包括如下步骤:步骤1,统计非缺陷分布:在线采集不少于十张带钢非缺陷灰度图像,形成非缺陷库,统计所采集的所有非缺陷灰度图像的直方图信息并拟合高斯曲线;步骤2,读取图像:线阵相机在线获取待检测图像I0,从计算机中读取待检测图像I0;计算待检测图像I0的行数为M,列数为N,待检测图像I0的大小,记为M×N;步骤3,重构图像:将待检测图像I0中的像素值按照每一列升序或降序排列,得到重构图像I1;步骤4,建立匹配模板C:根据步骤1拟合得到的高斯曲线构建一个与待检测图像I0大小相等的矩阵,该矩阵即为匹配模板C;步骤5,图像差分:将匹配模板C与重构图像I1的每一点的像素值进行差分运算,得到差分图像I2,即I2(i,j)=C(i,j)‑I1(i,j)0≤i≤M,0≤j≤N,其中,C(i,j)表示匹配模板第i行第j列的像素值,I1(i,j)是重构图像I1中位于第i行第j列的像素值;并将差分图像I2中的各像素值按照待检测图像I0中的位置进行重排,得到重排图像I3;步骤6,缺陷定位:利用正向分割阈值TH及负向分割阈值‑(TH+D)对重排图像I3进行二值化,若重排图 ...
【技术特征摘要】
1.一种基于模板匹配的带钢表面缺陷精准检测方法,包括如下步骤:步骤1,统计非缺陷分布:在线采集不少于十张带钢非缺陷灰度图像,形成非缺陷库,统计所采集的所有非缺陷灰度图像的直方图信息并拟合高斯曲线;步骤2,读取图像:线阵相机在线获取待检测图像I0,从计算机中读取待检测图像I0;计算待检测图像I0的行数为M,列数为N,待检测图像I0的大小,记为M×N;步骤3,重构图像:将待检测图像I0中的像素值按照每一列升序或降序排列,得到重构图像I1;步骤4,建立匹配模板C:根据步骤1拟合得到的高斯曲线构建一个与待检测图像I0大小相等的矩阵,该矩阵即为匹配模板C;步骤5,图像差分:将匹配模板C与重构图像I1的每一点的像素值进行差分运算,得到差分图像I2,即I2(i,j)=C(i,j)-I1(i,j)0≤i≤M,0≤j≤N,其中,C(i,j)表示匹配模板第i行第j列的像素值,I1(i,j)是重构图像I1中位于第i行第j列的像素值;并将差分图像I2中的各像素值按照待检测图像I0中的位置进行重排,得到重排图像I3;步骤6,缺陷定位:利用正向分割阈值TH及负向分割阈值-(TH+D)对重排图像I3进行二值化,若重排图像I3中某一像素点的像素值大于TH或小于-(TH+D),记为1,说明该位置为缺陷位置;反之,记为0,说明该位置不是缺陷位置,从而实现了缺陷的准确定位,其中D为常数。2.根据权利要求1所述的基于模板匹配的带钢表面缺陷精准检测方法,其特征在于步骤1中统计非缺陷分布的具体步骤如下:1-1:缺陷检测前使用条形频闪光源为带钢表面提供光源,通过线阵相机获取一定数量的在线灰度图像并存储于计算机的内存中;1-2:从计算机的内存中读取灰度图像,人工选择不少于十张非缺陷灰度图像,形成非缺陷库;1-3:统计所有非缺陷图像整体直方图信息并拟合高斯曲线,得到高斯分布概率密度函数为:f(t)=12πσexp(-(t-μ)22σ2)]]>其中,t为输入的数据,σ代表输入数据的方差信息,μ代表输入数据的均值信息。3.根据权利要求2所述的基于模板匹配的带钢表面缺陷精准检测方法,其特征在于所述条形频闪光源为红色条形频闪光源。4.根据权利要求1所述的基于...
【专利技术属性】
技术研发人员:刘坤,王合英,陈海永,田嘉,曹军旗,苏秀平,
申请(专利权)人:河北工业大学,天津爱普杰科技有限公司,
类型:发明
国别省市:天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。