基于模板匹配的带钢表面缺陷精准检测方法技术

本发明专利技术涉及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；步骤2，读取图像；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，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，实现了缺陷的准确定位。

Steel strip surface defect accurate detection method based on template matching

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法使得检测精度局限于分块大小，对于全图均匀分布的缺陷不能达到好的检测效果。X.Bi,等人(X.Bi,X.XuandJ.Shen,“AnautomaticdetectionmethodofmuradefectsforliquidcrystaldisplayusingrealGaborfilters,”20158thInternationalCongressonImageandSignalProcessing(CISP),Shenyang,2015,pp.871-875.)使用Gabor小波对缺陷进行检测，该方法是使用不同方向的滤波器对图像分别进行滤波操作，这就增加了该方法的计算量。D.Aiger等人(D.AigerandH.Talbot,“Thephaseonlytransformforunsupervisedsurfacedefectdetection,”ComputerVisionandPatternRecognition(CVPR),2010IEEEConferenceon,SanFrancisco,CA,2010,pp.295-302.)使用在频域空间下对周期性纹理缺陷进行检测，该方法仅使用了傅里叶变换就可以实现对缺陷的检测，但该方法只能检测到缺陷的边缘信息，虽然J.Choi等人(J.ChoiandC.Kim,“Unsuperviseddetectionofsurfacedefects:Atwo-stepapproach,”201219thIEEEInternationalConferenceonImageProcessing,Orlando,FL,2012,pp.1037-1040.)对通过增加局部细化过程对该方法进行了改进，使之对缺陷内部的像素有填充效果，但对于块状的缺陷，如：油斑、滴焦油等缺陷，该方法依然会产生漏检。因此研究具有高检测率且具有低复杂度的检测方法具有非常重要的意义。
技术实现思路
针对现有技术的不足，本专利技术所要解决的技术问题是，提供一种基于模板匹配的带钢表面缺陷精准检测方法。该方法只使用了一个匹配模板以及简单的图像差分方法，就能够准确对带钢表面缺陷进行定位，如：块状缺陷：油斑、滴焦油等；条状缺陷：划伤等；点状缺陷：缩孔、白点等，而不会产生缺陷内部像素漏检的情况；由于本专利技术方法利用了非缺陷的分布统计方法生成匹配模板，故对于类似于麻点这样全局均匀分布形式的缺陷同样具有较好的检测效果；且该方法的缺陷检测精度到像素级，更有利于后续的分类工作。本专利技术解决所述技术问题采用的技术方案是，提供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。与现有技术相比，本专利技术的有益效果：1.本专利技术的检测方法主要包括一个匹配模板C的建立、一个图像差分及一个缺陷阈值的选取，方法简单，而且采用的是像素级的比较方式，精度可以达到像素级别，不需要繁复的训练过程，可以实现像素级的缺陷检测，虽然方法简单，但是准确率高，算法的编程实现也很简单，生产过程中出现程序问题也方便调试。2.本专利技术的检测方法能够实时、精准地对带钢表面缺陷进行检测，包括块状缺陷，点状缺陷、条形缺陷等，减少了缺陷内部像素漏检情况的发生。对于均匀分布类型的缺陷，该方法可以减少其误检率，其准确率能够满足在线的带钢表面缺陷检测要求；3.本专利技术的检测方法适用范围广，只需定期对非缺陷图像库进行更新，能够满足不同生产线上对不同类型缺陷的检测要求。附图说明图1是本专利技术基于模板匹配的带钢表面缺陷精准检测方法的流程图；图2是本专利技术的检测方法所采用的检测装置的结构示意图，其中1-传送辊，2-条形频闪光源，3-线阵相机，4-传输设备，5-计算机；图3是本专利技术基于模板匹配的带钢表面缺陷精准检测方法中步骤1中非缺陷直方图统计及拟合的高斯曲线。图4是本专利技术基于模板匹配的带钢表面缺陷精准检测方法中步骤4中匹配模板C建立的说明图，其中S表示区域面积，S1＝S2＝...＝SM。具体实施方式下面结合实施例及附图对本专利技术做进一步的说明，但并不以此作为对本申请权利要求保护范围的限定。本专利技术基于模板匹配的带钢表面缺陷精准检测方法(简称方法，参见图1)，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，统本文档来自技高网...

【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。...

【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