一种基于图像识别的快速带钢划痕缺陷检测方法技术

本发明专利技术公开了一种基于图像识别的快速带钢划痕缺陷检测方法，步骤包括：步骤1，获得高清的图像I1；步骤2，对图像I1采用改进的均值漂移平滑算法对图像I1进行背景平滑，增强划痕边缘细节部分，并构造非线性变换函数提高图像对比度，得到图像I3；步骤3，对图像I3进行分块处理，并将子块图像进行子块个数序号标记，再按照序号依次利用子块图像的灰度直方图统计子块的灰度级总数、灰度均值、偏态系数SK以及灰度级距离D；步骤4，判断每个子块是否含有划痕缺陷，并对含有缺陷的子块图像进行统计，将带有划痕的子块图像进行拼接获得图像I4。本发明专利技术方法，解决了现有算法复杂性过大、算法不稳定和鲁棒性差的问题。和鲁棒性差的问题。和鲁棒性差的问题。

【技术实现步骤摘要】
一种基于图像识别的快速带钢划痕缺陷检测方法


[0001]本专利技术属于人工智能
，涉及一种基于图像识别的快速带钢划痕缺陷检测方法。

技术介绍

[0002]随着科技的发展，汽车、航天、机械电子等高端行业对带钢的表面质量要求越来越高。然而，表面质量主要是产品表面缺陷带来的，其中划痕是轧钢表面常见的缺陷之一。在生产过程中，带钢表面的划痕通常是沿带钢运行方向造成的狭长状，通常有两种类型，分别为高温区划痕和常温区划痕，并且两种划痕造成的颜色不同，前者为浅蓝色或者黑色，后者为灰白色或者呈金属光泽。划痕的严重程度将影响下游用户的生产与使用，因此，如何检测和控制带钢的质量已经成为带钢生产企业亟需解决的热点问题。
[0003]目前划痕的检测手段主要是人工开卷检测和基于机器视觉的检测。但是由于长时间工作和嘈杂生产环境的影响，人眼会出现视觉疲劳，难免会产生漏检的情况，检测效果不佳。为了解决该问题，基于图像处理的划痕检测方式被提出用于提高缺陷检测的效率，然而由于生产环境的影响，导致获取的图像清晰，缺陷特征不明显，对后续分割结果带来很大困难，而且算法复杂性将成倍的增加，随之而来的就是算法不稳定和鲁棒性差的问题，而实时检测也很难实现。

技术实现思路

[0004]本专利技术的目的是提供一种基于图像识别的快速带钢划痕缺陷检测方法，解决了现有技术中存在的算法复杂性过大、算法不稳定和鲁棒性差的问题。
[0005]本专利技术所采用的技术方案是，一种基于图像识别的快速带钢划痕缺陷检测方法，按照以下步骤实施：
[0006]步骤1，获取检测图像，
[0007]在高亮度LED照明条件下，采用工业相机对带钢上下表面进行实时采集，获得高清的图像I1；
[0008]步骤2，对图像I1进行预处理，
[0009]采用改进的均值漂移平滑算法对图像I1进行背景平滑，增强划痕边缘细节部分，并构造非线性变换函数提高图像对比度，得到图像I3；
[0010]步骤3，对图像I3进行分块处理，并将子块图像按照从上到下从左到右的顺序进行子块个数序号标记，再按照序号依次利用子块图像的灰度直方图统计子块的灰度级总数{l1,l2,...,l
64
}、灰度均值{m1,m2,...,m
64
}、偏态系数SK以及灰度级距离D；
[0011]步骤4，利用偏态系数SK和灰度级距离D判断每个子块是否含有划痕缺陷，并对含有缺陷的子块图像进行统计，将带有划痕的子块图像进行拼接获得图像I4，即成。
[0012]本专利技术的有益效果是，针对由于生产环境的影响，造成获取的图像出现不清晰，缺陷特征不明显，划痕缺陷检测实时难实现的问题。本专利技术通过改进的均值漂移平滑算法对
图像进行背景平滑，增强图像缺陷特征，并且该算法省略分割算法，采用基于分块灰度统计的方法直接去检测子块，判断是否含有缺陷，再将子块进行拼接，可以避免有效处理图像中有阴影、照度不均、对比度不同、突发噪声、背景复杂等情况，为带钢划痕缺陷检测提供一种新的实时检测思路。
附图说明
[0013]图1为本专利技术方法的实施例流程图；
[0014]图2为本专利技术方法中改进的均值漂移平滑的实施例流程图；
[0015]图3为本专利技术方法中构造的非线性变换函数曲线图；
[0016]图4a是实施例带钢表面图像I1，图4b是改进均值漂移滤波的效果图像I2；
[0017]图5为本专利技术方法中计算特征的数学模型图；
[0018]图6a为本专利技术方法中的分块无缺陷子图及其灰度直方图，图6b为本专利技术方法中的分块有缺陷子图及其灰度直方图；
[0019]图7a是本专利技术方法中的经过预处理后图像I3的分块结果，图7b为本专利技术方法实施例的缺陷检测结果图像I4。
具体实施方式
[0020]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0021]参照图1，本专利技术基于的带钢划痕缺陷程度的检测方法，按照以下步骤实施：
[0022]步骤1，获取检测图像，
[0023]在高亮度LED照明条件下，采用工业相机对带钢上下表面进行实时采集，保证在恶劣的钢厂环境下能够获得高清的带钢表面的图像I1；
[0024]步骤2，对步骤1获得的图像I1进行预处理，
[0025]采用改进的均值漂移平滑算法对图像I1进行背景平滑，增强划痕边缘细节部分，并构造非线性变换函数提高图像对比度，均值漂移平滑的算法流程如图2所示，
[0026]2.1)图像I1中的像素点包括两类信息：即坐标空间和颜色空间，将各像素点的坐标值x
s
和像素点灰度值x
r
共同构成特征向量X＝(x
s
,x
r
)，设置一个每次迭代平滑的正数阈值σ，选取图像I1左上方第一个像素点x开始进行平滑算法；
[0027]2.2)将本次迭代的像素点x记为迭代初始点x0；在第一次迭代时给定一个初始带宽h，取值为10，之后每次迭代按照下式计算空间带宽h
s
、值域带宽h
r
以及像素x邻域均值mean，表达式如下：
[0028][0029][0030][0031]其中，T
s
、T
r
表示对固定值h的放大缩小系数，x
i
为x邻域像素，i＝1,2,...,n，n为滑动窗口(带宽)范围内像素点的总个数；
[0032]2.3)设M(x)为均值漂移迭代的函数式，其表达式为：
[0033][0034]其中，为窗口中像素点坐标值，为窗口中像素点灰度值，
[0035]当|M(x)
‑
x|＞σ，将M(x)赋值给x，并返回步骤2.2)继续迭代；
[0036]当|M(x)
‑
x|≤σ，停止迭代，将此时的迭代中心点x的像素灰度值赋给初始值x0；
[0037]2.4)继续对图像I1下一个像素点重复步骤2.2)及步骤2.3)，直到遍历图像I1上所有的像素点，得到均值漂移平滑的图像I2，如图4b所示；
[0038]2.5)为了提高均值漂移平滑后的图像I2的对比度，构造一个非线性变换函数如公式(5)，函数曲线图如图3所示，其目的是保持低灰度值不变(即背景灰度值)，拉伸高灰度值(即划痕缺陷灰度值)，将接近1区域(即背景灰度区域)的灰度值进一步提升，使背景区域与缺陷区域有更高的对比度，为后续灰度直方图特征值提取的更加准确打下基础，非线性变换函数的表达式如下：
[0039][0040]其中，f(x,y)为均值漂移平滑后的图像I2，F(x,y)为经过线性变换后的结果图，记为图像I3；
[0041]步骤3，对步骤2得到的图像I3进行分块处理，即分成8*8的子块图像，如图7a所示，并将子块图像按照从上到下从左到右的顺序进行子块个数序号标记，再按照序号依次利用子块图像的灰度直方图统计子块的灰度级总数{l1,l2,...,l
64
}、灰度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，按照以下步骤实施：步骤1，获取检测图像，在高亮度LED照明条件下，采用工业相机对带钢上下表面进行实时采集，获得高清的图像I1；步骤2，对图像I1进行预处理，采用改进的均值漂移平滑算法对图像I1进行背景平滑，增强划痕边缘细节部分，并构造非线性变换函数提高图像对比度，得到图像I3；步骤3，对图像I3进行分块处理，并将子块图像按照从上到下从左到右的顺序进行子块个数序号标记，再按照序号依次利用子块图像的灰度直方图统计子块的灰度级总数{l1,l2,...,l
64
}、灰度均值{m1,m2,...,m
64
}、偏态系数SK以及灰度级距离D；步骤4，利用偏态系数SK和灰度级距离D判断每个子块是否含有划痕缺陷，并对含有缺陷的子块图像进行统计，将带有划痕的子块图像进行拼接获得图像I4，即成。2.根据权利要求1所述的基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，所述的步骤2中，具体过程是：2.1)图像I1中的像素点x包括两类信息：即坐标空间和颜色空间，将各像素点的坐标值x
s
和像素点灰度值x
r
共同构成特征向量X＝(x
s
,x
r
)，设置一个每次迭代平滑的正数阈值σ，选取图像I1左上方第一个像素点x开始进行平滑算法；2.2)将本次迭代的像素点x记为迭代初始点x0；在第一次迭代时给定一个初始带宽h，取值为10，之后每次迭代按照下式计算空间带宽h
s
、值域带宽h
r
以及像素x邻域均值mean，表达式如下：式如下：式如下：其中，T
s
、T
r
表示对固定值h的放大缩小系数，x
i
为x邻域像素，i＝1,2,...,n，n为滑动窗口范围内像素点的总个数；2.3)设M(x)为均值漂移迭代的函数式，其表达式为：其中，为窗口中像素点坐标值，为窗口中像素点灰度值，当|M(x)
‑
x|＞σ，将M(x)赋值给x，并返回步骤2.2)继续迭代；
当|M(x)
‑
x|≤σ，停止迭代，将此时的迭代中心点x的像素灰度值赋给初始值x0；2.4)继续对图像I1下一个像素点重复步骤2.2)及步骤2.3)，直到遍历图像I1上所有的像素点，得到均值漂移平滑的图像I2；2.5)为了提高均值漂移平滑后的图像I2的对比度，构造一个非线性变换函数如公式(5)，非线性变换函数的表达式如下：其中，f(x,y)为均值漂移平滑后的图像I2，F(x,y)为经过线性变换后的结果图，记为图像I3。3.根据权利要求1所述的基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，所述的步骤3中，具体过程是：3.1)确定图像I3尺寸，分块顺序是将图像I3按照从上到下从左到右依次进行分块并对子块进行序号标记，顺序是{B1,B2,...,B
64
}；3.2)对每个子块图像求取灰度直方图H(k)、灰度均值m＝{m1,m2,...,m
64
}以及子块中含有的灰度级的总数{l1,l2,...,l
64<...

【专利技术属性】
技术研发人员：黄新波，孙苏珍，张烨，伍逸群，高玉菡，李博涛，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：