【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:
[ ...
【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:
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。