【技术实现步骤摘要】
一种基于图像灰度值的热轧带钢表面缺陷分级方法
本专利技术涉及冶金
，特别是指一种基于图像灰度值的热轧带钢表面缺陷分级方法。
技术介绍
随着汽车工业、高端家电等行业对钢材产品的质量要求日趋严格，产品的个性化需求也越来越多。在基本质量指标合格的前提下，钢铁企业和下游用户转为开始关注更为细节的表面质量问题，由于涉及流程较长、形成机理复杂、发生频次高，对产品的最终质量影响大，表面质量被认为是最重要、最难控制的质量指标之一。正是由于表面质量的复杂性，各大钢铁企业对热轧带钢表面质量的管理十分重视，期望以此提高产品品质，实现更大的商业价值。表面质量的判定是目前面临的难题，热轧带钢生产线在卷取工序前安装有表面检测系统(简称：表检系统)，但其仅能对缺陷的种类进行辨别，往往不具备对单一缺陷严重程度的分级功能。不同于其他性能指标依据参数阈值的自动判定方式，由于表检系统存在工作环境复杂、缺陷检出虚警率过高、无法对缺陷严重级别评估等局限性，表面质量的质检环节仍需要人工对下线产品进行逐个检查，基于人工经验的判定方法难以被自动化方法替代，影...
【技术保护点】
1.一种基于图像灰度值的热轧带钢表面缺陷分级方法，其特征在于，包括：/n获取某类缺陷区域图像中每个像素点的灰度值，根据得到的灰度值确定缺陷的形态特征；其中，缺陷区域图像对应的缺陷严重程度等级已被标注；/n根据缺陷区域几何信息及缺陷形态特征，通过随机抽样重复训练、测试缺陷分级模型，选择各等级下缺陷预测准确率大于预设阈值的测试样本作为相应等级下的典型样本集；/n根据各等级下的典型样本集，确定相应等级的质心；/n确定待分级的区域缺陷图像的缺陷形态特征，将其与自身的缺陷区域几何信息组成缺陷特征，确定缺陷特征与各等级质心之间的距离，获取距离最小值对应的等级作为待分级的区域缺陷图像的缺陷严重程度等级。/n
【技术特征摘要】
1.一种基于图像灰度值的热轧带钢表面缺陷分级方法，其特征在于，包括：
获取某类缺陷区域图像中每个像素点的灰度值，根据得到的灰度值确定缺陷的形态特征；其中，缺陷区域图像对应的缺陷严重程度等级已被标注；
根据缺陷区域几何信息及缺陷形态特征，通过随机抽样重复训练、测试缺陷分级模型，选择各等级下缺陷预测准确率大于预设阈值的测试样本作为相应等级下的典型样本集；
根据各等级下的典型样本集，确定相应等级的质心；
确定待分级的区域缺陷图像的缺陷形态特征，将其与自身的缺陷区域几何信息组成缺陷特征，确定缺陷特征与各等级质心之间的距离，获取距离最小值对应的等级作为待分级的区域缺陷图像的缺陷严重程度等级。
2.根据权利要求1所述的基于图像灰度值的热轧带钢表面缺陷分级方法，其特征在于，在获取某类缺陷区域图像中每个像素点的灰度值，根据得到的灰度值确定缺陷的形态特征之前，所述方法包括：
通过表检系统获得具有某类表面缺陷的带钢图像及其缺陷区域几何信息；其中，
所述缺陷区域几何信息包括：缺陷区域位置坐标、缺陷区域规格和缺陷区域距离边界位置。
3.根据权利要求1所述的基于图像灰度值的热轧带钢表面缺陷分级方法，其特征在于，所述获取某类缺陷区域图像中每个像素点的灰度值，根据得到的灰度值确定缺陷的形态特征包括：
根据缺陷区域位置坐标对带钢图像进行裁剪，得到缺陷区域图像；
获取缺陷区域图像中每个像素点的灰度值，根据得到的灰度值确定用于描述缺陷的形态特征；
其中，所述形态特征包括：缺陷区域图像的熵、缺陷区域图像内全部像素点的数目、缺陷区域图像的灰度范围、缺陷区域图像灰度值分布的偏离情况、缺陷区域图像的灰度分布情况中的一种或多种。
4.根据权利要求3所述的基于图像灰度值的热轧带钢表面缺陷分级方法，其特征在于，缺陷区域图像的熵表示为：
其中，H为缺陷区域图像的熵，代表图像的清晰程度；P(cg)表示缺陷区域内像素点灰度值为指定值cg的概率，P(cg)表示为：
其中，N(gi＝cg)表示缺陷区域内像素点中灰度值为cg的事件数；m为缺陷区域图像内全部像素点的数目。
5.根据权利要求3所述的基于图像灰度值的热轧带钢表面缺陷分级方法，其特征在于，缺陷区域图像的灰度范围表示为：
R＝max(gi)-min(gi)
其中，R为缺陷区域图像的灰度范围；数列gi为按灰度值从小到大的顺序排列得到的缺陷区域图像的灰度值数列。
6.根据权...
【专利技术属性】
技术研发人员：邵健，李天伦，何安瑞，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11
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。