连铸坯低倍组织中心偏析缺陷的自动识别与评级方法技术

本发明专利技术提供一种连铸坯低倍组织中心偏析缺陷的自动识别与评级方法，包括：S1：对连铸坯低倍组织的灰度图像进行预处理，包括畸变矫正、切割白色背景和滤波处理；S2：针对灰度图像水平方向

Automatic Recognition and Rating of Segregation Defects in Low-magnification Microstructure Center of Continuous Casting Billet

The invention provides an automatic identification and rating method for segregation defects of low-magnification structure center of continuous casting billet, including: S1: preprocessing gray image of low-magnification structure of continuous casting billet, including distortion correction, cutting white background and filtering processing; S2: aiming at horizontal direction of gray image.

【技术实现步骤摘要】
连铸坯低倍组织中心偏析缺陷的自动识别与评级方法
本专利技术涉及连铸坯缺陷检测
，具体而言，尤其涉及一种连铸坯低倍组织中心偏析缺陷的自动识别与评级方法。
技术介绍
在钢铁生产过程中，需要对产出的铸坯的内部质量信息进行跟踪监测。铸坯内部质量的检测方法是通过对连铸坯酸蚀后的低倍试样进行观测，判定表面缺陷类别和等级。目前铸坯低倍缺陷的检验评级方法仍采取人工评级模式，即将铸坯低倍试样图片与国家标准YB/T4002-2013《连铸方坯低倍组织缺陷评级图》进行目测或人工测量后对比，给出评级报告。这种评级方法不可避免的存在误差大、评级滞后、缺乏数据库支持等缺陷。采用人工目测对铸坯低倍缺陷评级，准确性低、时效性低，无法充分发挥低倍缺陷评级在钢铁生产的作用。目前图像处理技术被广泛应用于缺陷检测，但对于连铸坯低倍组织缺陷的识别主要应用在裂纹和缩孔上。而目前连铸坯低倍缺陷的中心偏析检测与评级一般采用目测，这是由于其存在的连铸坯上有多重纹理、并且中心偏析本身的面积相比于连铸坯板面来说不大，同时也存在着裂纹、油渍、缩孔等干扰存在等因素。因此对于寻找识别连铸坯的中心偏析的方法一直是一个重点。
技术实现思路
根据本文档来自技高网...

【技术保护点】
1.连铸坯低倍组织中心偏析缺陷的自动识别与评级方法，其特征在于，包括如下步骤：S1：对连铸坯低倍组织的灰度图像进行预处理，包括畸变矫正、切割白色背景和滤波处理；S2：针对灰度图像水平方向

【技术特征摘要】
1.连铸坯低倍组织中心偏析缺陷的自动识别与评级方法，其特征在于，包括如下步骤：S1：对连铸坯低倍组织的灰度图像进行预处理，包括畸变矫正、切割白色背景和滤波处理；S2：针对灰度图像水平方向的区域与竖直方向的区域重叠的中心区域，通过对灰度图像进行分割得到中心区域图像；S3：检测并标注中心区域图像对应的二值图像中的连通区域，通过边缘检测分别计算各个连通区域的长宽比，长宽比大于3的连通区域为裂纹区域，除裂纹区域外的连通区域为疑似中心偏析区域，将连通区域中的疑似中心偏析区域与裂纹区域分割开来；S4：对疑似中心偏析区域进行特征提取，识别中心偏析区域并去除干扰区域；用于区别中心偏析区域与干扰区域的特征包括圆形性、目标与背景的灰度均值的差值、目标灰度标准差、目标平均梯度和目标边缘梯度，其中，中心偏析区域的圆形性小于3、目标与背景的灰度均值的差值小于-50、目标灰度标准差大于10、目标平均梯度大于10、目标边缘梯度大于20；S5：训练BP神经网络分类器模型，模型的输入为五个特征值，模型的输出为中心偏析识别结果，若识别结果为是，则对中心偏析区域进行评级。2.根据权利要求1所述的连铸坯低倍组织中心偏析缺陷的自动识别与评级方法，其特征在于，步骤S1中畸变矫正采用像素映射法，包括如下步骤：(1)选择合适的阈值，将连铸坯低倍组织的灰度图像对应的灰度直方图转换为二值图像；(2)二值图像中连铸坯图像与白色背景图像分别为黑白色，扫描二值图像，找到连铸坯的4个圆角顶点，将圆角顶点两端向外扩展得到连铸坯的4个直角顶点；(3)根据4个直角顶点计算出图像中连铸坯的4个边长，选择较大的长作为矫正后图像的长，选择较大的宽作为矫正后图像的宽；(4)将矫正后图像的长和宽代入公式(2)-(3)得到矫正后图像的图像像素，结合矫正后图像与矫正前图像的清晰度对应关系公式(1)，确定矫正后图像顶点位置；Img(i,j)＝Img(i0,j0)(1)其中，Img(i,j)为矫正前图像的像素数组，Img(i0,j0)为矫正后前图像的像素数组，(x1,y1),(x2,y2),(x3,y3),(x4,y4)分别为矫正前图像的左上、右上、左下、右下顶点坐标，m，n分别为矫正后图像的长和宽。3.根据权利要求1所述的连铸坯低倍组织中心偏析缺陷的自动识别与评级方法，其特征在于，步骤S1中切割白色背景采用最小矩形法，具体包括如下步骤：(1)设定背景灰度值为1，连铸坯部分灰度值设定为0，将经过畸变矫正处理后的图像进行全域二值化得到二值图像；(2)对二值化图像进行形态学处理，采用膨胀腐蚀操作对图像进行平滑处理，去除二值图像中的噪点和小对象；(3)画出平滑处理后的图像中完整包括连铸坯部分且包含白色背景面积的最小矩形，并对其面积进行求解，切割掉图像中最小矩形外的部分，最小矩形区域即为最终确定的检测区域。4.根据权利要求1所述的连铸坯低倍组织中心偏析缺陷的自动识别与评级方法，其特征在于，步骤S1中滤波处理采用加权自适应中值滤波算法，具体包括如下步骤：设S(x,y)为滤波掩模窗口，允许的最大尺寸的滤波掩膜窗口记为Smax，窗口S(x,y)的...

【专利技术属性】
技术研发人员：孟红记，王健宇，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21