本发明专利技术公开了一种基于人工智能的冶炼品缺陷检测方法、装置及系统，涉及人工智能检测技术领域，不但节省了人工成本，而且确保了检测准确度；还对灰度图像进行了灰度修正，排除了更多因素的影响，进一步提高了检测准确度。方案要点为：获取待检物各表面原始图像，将其转换为灰度图像，分别计算每一行像素平均值、每一行像素方差和阈值分割点，根据阈值分割点区分出光照不均图像，并对其进行灰度修正，根据修正后灰度信息确定其最终灰度值，根据最终灰度值进行缺陷检测，即对应完成待检物的缺陷检测。本发明专利技术主要用于冶炼品缺陷检测中。要用于冶炼品缺陷检测中。要用于冶炼品缺陷检测中。
A smelting defect detection method, device and system based on Artificial Intelligence
【技术实现步骤摘要】
一种基于人工智能的冶炼品缺陷检测方法、装置及系统
[0001]本专利技术涉及人工智能检测
，尤其涉及一种基于人工智能的冶炼品缺陷检测方法、装置及系统。
技术介绍
[0002] 近年来, 随着冶炼工业不断发展，其产量日益增加。在冶炼工艺中，例如：炼铁工艺中，往往会存在很多生铁残次品，即冶炼出的生铁表面存在大量的缺陷，致使生铁产品质量下降。因此，在大量冶炼成品中检测并筛选出存在缺陷的残次品，成为了提高冶炼质量的有力保证。
[0003]现有技术通过人工挑选的方式实现对残次品的检测与筛选，具体的，工人通过肉眼观察，识别存在缺陷的残次品，并将其筛除。上述现有技术即通过人工挑选实现对残次品的检测与筛选，由于目前冶炼工业产量大，人工消耗巨大，成本高；冶炼工厂环境恶劣，不利于检测工人身体健康；人工通过肉眼识别存在缺陷的残次品，存在较大局限性，准确率低，从而无法保证冶炼质量。
技术实现思路
[0004]本专利技术提供一种基于人工智能的冶炼品缺陷检测方法、装置及系统，包括：获取待检物各表面原始图像，将其转换为灰度图像，分别计算每一行像素平均值、每一行像素方差和阈值分割点，根据阈值分割点区分出光照不均图像，并对其进行灰度修正，根据修正后灰度信息确定其最终灰度值，根据最终灰度值进行缺陷检测，即对应完成待检物的缺陷检测，相比于现有技术，本专利技术科学地将待检物各表面原始图像转换为灰度图像进行检测，不但节省了人工成本，而且确保了检测准确度；进一步的，本专利技术还对灰度图像进行了灰度修正，排除了更多因素的影响，例如：冶炼品在成像时受到成像设备摄像头、检测环境光源或冶炼品表面对于光线吸收和反射差异的影响，大大提高了检测准确度。
[0005]为达到上述目的，本专利技术采用如下技术方案：本专利技术提供一种基于人工智能的冶炼品缺陷检测方法，包括：获取待检物各表面原始图像。
[0006]将每一张原始图像转换为灰度图像；每一张灰度图像由均匀分布的M行、N列像素点组成，其中，M为大于或等于1的整数，N为大于或等于1的整数。
[0007]对于各张灰度图像，分别计算每一行像素平均值和每一行像素方差。
[0008]根据每一行像素平均值和每一行像素方差，计算阈值分割点。
[0009]根据阈值分割点与各张所述灰度图像上各像素点的像素值，判断每一张灰度图像是否为光照不均图像：若灰度图像上存在一个或多个像素点的像素值大于阈值分割点，则断定当前灰度图像为光照不均图像。
[0010]对于各张光照不均图像，分别进行灰度修正。
[0011]确定各张灰度图像上每一行像素点的修正后灰度信息。
[0012]同理，获取每一列像素点的修正后灰度信息。
[0013]对于各张灰度图像，根据其每一行像素点的修正后灰度信息和每一列像素点的修正后灰度信息，确定其最终灰度值。
[0014]对于各张灰度图像，根据其最终灰度值进行缺陷检测，以便对应完成待检物的缺陷检测。
[0015]进一步的，所述的基于人工智能的冶炼品缺陷检测方法，在对于各张灰度图像，根据其最终灰度值进行缺陷检测之后，还包括：选取多张无缺陷灰度图像和多张有缺陷灰度图像，确定为有效性判定图像组。
[0016]提取有效性判定图像组中每一张图像的一种或多种特征向量。
[0017]根据特征向量，构建有效性判定模型。
[0018]由有效性判定模型分析结果，确定缺陷图像筛选特征向量。
[0019]根据筛选特征向量，构建筛选模型。
[0020]根据筛选模型，计算每一张灰度图像的丰富度。
[0021]根据丰富度，对于各张灰度图像进行缺陷再检测，以便对应完成待检物的缺陷再检测。
[0022]进一步的，所述的基于人工智能的冶炼品缺陷检测方法，在对于各张灰度图像进行缺陷再检测，以便对应完成待检物的缺陷再检测之后，还包括：对缺陷待检物对应的缺陷图像进行分割，以便选取缺陷图像中的缺陷区域。
[0023]对缺陷区域进行缺陷类型识别，以便得到缺陷待检物的缺陷类型。
[0024]进一步的，所述的基于人工智能的冶炼品缺陷检测方法，在选取多张无缺陷灰度图像和多张有缺陷灰度图像，确定为有效性判定图像组之前，还包括：对于各张灰度图像，进行滤波处理。
[0025]进一步的，滤波处理包括：领域均值滤波处理、自适应中值滤波去噪处理和高斯滤波处理。
[0026]进一步的，将每一张原始图像转换为灰度图像，包括：采用加权平均法或最大值法将每一张原始图像转换为灰度图像。
[0027]本专利技术还提供一种基于人工智能的冶炼品缺陷检测装置，包括：第一获取单元，用于获取待检物各表面原始图像。
[0028]转换单元，用于将每一张原始图像转换为灰度图像；每一张灰度图像由均匀分布的M行、N列像素点组成，其中，M为大于或等于1的整数，N为大于或等于1的整数。
[0029]第一计算单元，用于对于各张灰度图像，分别计算每一行像素平均值和每一行像素方差。
[0030]第二计算单元，用于根据每一行像素平均值和每一行像素方差，计算阈值分割点。
[0031]判断单元，用于根据阈值分割点与各张灰度图像上各像素点的像素值，判断每一张灰度图像是否为光照不均图像：若灰度图像上存在一个或多个像素点的像素值大于所述阈值分割点，则断定当前灰度图像为光照不均图像。
[0032]修正单元，用于对于各张光照不均图像，分别进行灰度修正。
[0033]第一确定单元，用于确定各张灰度图像上每一行像素点的修正后灰度信息。
[0034]第二获取单元，用于获取每一列像素点的修正后灰度信息。
[0035]第二确定单元，用于对于各张灰度图像，根据其每一行像素点的修正后灰度信息和每一列像素点的修正后灰度信息，确定最终灰度值。
[0036]检测单元，用于对于各张灰度图像，根据其最终灰度值进行缺陷检测，以便对应完成待检物的缺陷检测。
[0037]进一步的，所述的基于人工智能的冶炼品缺陷检测装置，还包括：滤波单元，用于对于各张灰度图像，进行滤波处理。
[0038]选取单元，用于选取多张无缺陷灰度图像和多张有缺陷灰度图像，确定为有效性判定图像组。
[0039]提取单元，用于提取有效性判定图像组中每一张图像的一种或多种特征向量。
[0040]第一构建单元，用于根据特征向量，构建有效性判定模型。
[0041]第三确定单元，用于由有效性判定模型分析结果，确定缺陷图像筛选特征向量。
[0042]第二构建单元，用于根据筛选特征向量，构建筛选模型。
[0043]第三计算单元，用于根据筛选模型，计算每一张灰度图像的丰富度。
[0044]再检测单元，用于根据丰富度，对于各张灰度图像进行缺陷再检测，以便对应完成待检物的缺陷再检测。
[0045]进一步的，所述的基于人工智能的冶炼品缺陷检测装置，还包括：分割单元，用于对缺陷待检物对应的缺陷图像进行分割，以便选取缺陷图像中的缺陷区域。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的冶炼品缺陷检测方法，其特征在于，包括：获取待检物各表面原始图像；将每一张所述原始图像转换为灰度图像；每一张所述灰度图像由均匀分布的M行、N列像素点组成，其中，M为大于或等于1的整数，N为大于或等于1的整数；对于各张所述灰度图像，分别计算每一行像素平均值和每一行像素方差；根据所述每一行像素平均值和每一行像素方差，计算阈值分割点；根据所述阈值分割点与各张所述灰度图像上各像素点的像素值，判断每一张所述灰度图像是否为光照不均图像：若所述灰度图像上存在一个或多个像素点的像素值大于所述阈值分割点，则断定当前所述灰度图像为光照不均图像；对于各张所述光照不均图像，分别进行灰度修正；确定各张所述灰度图像上每一行像素点的修正后灰度信息；同理，获取每一列像素点的修正后灰度信息;对于各张所述灰度图像，根据其所述每一行像素点的修正后灰度信息和所述每一列像素点的修正后灰度信息，确定其最终灰度值；对于各张所述灰度图像，根据其所述最终灰度值进行缺陷检测，以便对应完成所述待检物的缺陷检测。2.根据权利要求1所述的基于人工智能的冶炼品缺陷检测方法，其特征在于，在对于各张所述灰度图像，根据其所述最终灰度值进行缺陷检测之后，还包括：选取多张无缺陷所述灰度图像和多张有缺陷所述灰度图像，确定为有效性判定图像组；提取所述有效性判定图像组中每一张图像的一种或多种特征向量；根据所述特征向量，构建有效性判定模型；由所述有效性判定模型分析结果，确定缺陷图像筛选特征向量；根据所述筛选特征向量，构建筛选模型；根据所述筛选模型，计算每一张所述灰度图像的丰富度；根据所述丰富度，对于各张所述灰度图像进行缺陷再检测，以便对应完成所述待检物的缺陷再检测。3.根据权利要求2所述的基于人工智能的冶炼品缺陷检测方法，其特征在于，在对于各张所述灰度图像进行缺陷再检测，以便对应完成所述待检物的缺陷再检测之后，还包括：对缺陷待检物对应的缺陷图像进行分割，以便选取所述缺陷图像中的缺陷区域；对所述缺陷区域进行缺陷类型识别，以便得到所述缺陷待检物的缺陷类型。4.根据权利要求2所述的基于人工智能的冶炼品缺陷检测方法，其特征在于，在选取多张无缺陷所述灰度图像和多张有缺陷所述灰度图像，确定为有效性判定图像组之前，还包括：对于各张所述灰度图像，进行滤波处理。5.根据权利要求4所述的基于人工智能的冶炼品缺陷检测方法，其特征在于，所述滤波处理包括：领域均值滤波处理、自适应中值滤波去噪处理和高斯滤波处理。
6.根据权利要求1所述的基于人工智能的冶炼品缺陷检测方法，其特征在于，将每一张所述原始图像转换为灰度图像，包括：采用加权平均法或最大值法将每一张所述原始图像转换为灰度图像。7.一种基于人工智能的冶炼品缺陷检测装置，其特征在于，包括：第一获取单元，用于获取待检物各表面原始图像；转换单元，用于将每一张所...
【专利技术属性】
技术研发人员：黎雪花，
申请(专利权)人：江苏欧盛液压科技有限公司，
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。