硅钢轧制过程中缺陷的显著性识别与分类方法技术

本发明专利技术涉及数据处理与识别领域，具体涉及硅钢轧制过程中缺陷的显著性识别与分类方法。方法包括：利用电子设备对硅钢表面图像进行图形识别，得到疑似缺陷区域的图像；对疑似缺陷区域进行数据处理，得到缺陷内侧对应的区域和缺陷外侧对应的区域；根据缺陷内侧区域的熵图像、包围缺陷边缘的环形区域像素点的梯度方向和缺陷内侧区域像素点的灰度值，计算纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标；根据这三个指标识别缺陷类别。该方法是一种利用可见光图像测试或者分析硅钢的方法，具体是测试硅钢表面缺陷的存在。该方法可以实现新材料检测、计量、相关标准化、认证认可服务等。本发明专利技术能够对硅钢缺陷进行准确识别与分类。与分类。与分类。

【技术实现步骤摘要】
硅钢轧制过程中缺陷的显著性识别与分类方法


[0001]本专利技术涉及数据处理与识别
，具体涉及硅钢轧制过程中缺陷的显著性识别与分类方法。

技术介绍

[0002]硅钢具有导磁率高、矫顽力低、电阻系数大等特性，它主要应用于电力电子、军事和工业生产等重要领域。硅钢作为一种重要的软磁合金，具有脆性大、延展性低等特点，并由于轧制工艺缺陷，乳化液等原因，轧后产品容易出现不同类型的表面缺陷，缺陷的存在可能会降低产品的使用寿命和性能。在电机类产品生产中，对硅钢表面质量的要求很高，即使是微小缺陷也可能会影响产品的性能，因此对硅钢表面的缺陷检测是非常重要的环节之一。

技术实现思路

[0003]为了解决现有方法存在的难以准确提取硅钢表面图像中的缺陷区域并对缺陷进行分类的问题，本专利技术的目的在于提供一种硅钢轧制过程中缺陷的显著性识别与分类方法，所采用的技术方案具体如下：本专利技术提供了一种硅钢轧制过程中缺陷的显著性识别与分类方法，该方法包括以下步骤：获取待检测的硅钢表面图像；根据所述待检测的硅钢表面图像，得到疑似缺陷区域的图像；对所述疑似缺陷区域的图像进行超像素分割，根据各超像素块内像素点的灰度均值，得到缺陷内侧对应的区域和缺陷外侧对应的区域；根据缺陷内侧对应的区域对应的熵图像，计算缺陷区域的纹理纯度显著度指标；获取包围缺陷边缘的环形区域；根据所述环形区域内各像素点的梯度方向，计算缺陷边界的纹理方向显著性指标；根据缺陷内侧对应的区域内各像素点的灰度值，计算缺陷区域的纹理颜色显著性指标；根据所述纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标，判断待检测的硅钢表面图像的缺陷类别。
[0004]优选的，所述根据所述待检测的硅钢表面图像，得到疑似缺陷区域的图像，包括：计算待检测的硅钢表面图像中各像素点的纹理方向角；利用设定大小的滑窗对待检测的硅钢表面图像进行检测，计算滑窗对应的待检测的硅钢表面图像各区域像素点的灰度均值；根据所述各像素点的纹理方向角和各区域像素点的灰度均值，得到疑似缺陷区域的图像。
[0005]优选的，所述根据缺陷内侧对应的区域对应的熵图像，计算缺陷区域的纹理纯度显著度指标，包括：
根据标准硅钢表面图像对应的熵图像中各元素对应的熵值，得到标准纹理熵值；计算缺陷内侧对应的区域对应的熵图像中各元素对应的熵值与所述标准纹理熵值的欧氏距离；根据所述欧氏距离，得到缺陷区域的纹理纯度显著性指标。
[0006]优选的，所述获取包围缺陷边缘的环形区域，包括：根据缺陷内侧对应的区域内像素点的数量计算跨度值；以缺陷内侧对应的区域的边缘线为中心，根据所述跨度值，得到包围缺陷边缘的环形区域的第一边界和第二边界；根据所述环形区域的第一边界和第二边界，得到包围缺陷边缘的环形区域。
[0007]优选的，所述根据所述环形区域内各像素点的梯度方向，计算缺陷边界的纹理方向显著性指标，包括：将包围缺陷边缘的环形区域划分为设定个数的区域，对于任一区域：根据该区域中各像素点的梯度方向，得到该区域对应的方向梯度直方图；根据该区域中各像素点的纹理方向角，得到该区域的平均纹理主方向；根据标准的硅钢表面图像中各像素点的梯度方向，得到标准硅钢表面图像对应的方向梯度直方图；根据标准的硅钢表面图像中各像素点的纹理方向角，得到标准纹理主方向；根据环形区域的各区域对应的方向梯度直方图、环形区域的各区域的平均纹理主方向、标准硅钢表面图像对应的方向梯度直方图和标准纹理主方向，计算缺陷边界的纹理方向显著性指标。
[0008]优选的，采用如下公式计算缺陷边界的纹理方向显著性指标：其中， 为缺陷边界的纹理方向显著性指标，为缺陷边界环形区域中第个区域的方向梯度直方图中第个灰度区间对应的频率，为缺陷边界环形中第个区域的平均纹理主方向，为标准纹理主方向，为标准硅钢表面图像对应的方向梯度直方图中第个灰度区间对应的频率，为第一权重，为第二权重，为结构相似度的调节参数。
[0009]优选的，所述根据缺陷内侧对应的区域内各像素点的灰度值，计算缺陷区域的纹理颜色显著性指标，包括：根据缺陷内侧对应的区域内各像素点的灰度值，分别计算缺陷内侧对应的区域对应的方差、均值、峭度、歪度、熵和能量，构建缺陷内侧对应的区域纹理的六维灰度特征向量；所述缺陷内侧对应的区域纹理的六维灰度特征向量中的元素分别为方差、均值、峭度、歪度、熵和能量；根据标准的硅钢表面图像中各像素点的灰度值，分别计算标准的硅钢表面图像对应的方差、均值、峭度、歪度、熵和能量，构建标准的硅钢表面图像纹理的六维灰度特征向量；所述标准的硅钢表面图像纹理的六维灰度特征向量中的元素分别为方差、均值、峭度、
歪度、熵和能量；根据所述缺陷内侧对应的区域纹理的六维灰度特征向量和标准的硅钢表面图像纹理的六维灰度特征向量，计算缺陷区域的纹理颜色显著性指标。
[0010]优选的，采用如下公式计算缺陷区域的纹理颜色显著性指标：其中，为缺陷区域的纹理颜色显著性指标，为六维灰度特征向量中第个元素，为缺陷内侧对应的区域纹理的六维灰度特征向量中的第个元素，为标准的硅钢表面图像纹理的六维灰度特征向量中的第个元素，为结构相似度的调节参数。
[0011]优选的，所述根据所述纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标，判断待检测的硅钢表面图像的缺陷类别，包括：将所述纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标输入到目标神经网络中，得到待检测的硅钢表面图像的缺陷类别；所述目标神经网络的训练过程为：获取多个不同类别的样本缺陷对应的图像；根据各样本缺陷对应的图像，得到各样本缺陷对应的图像的纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标；对各样本缺陷对应的图像进行打标签处理，将各样本缺陷对应的图像的纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标作为目标神经网络的输入，对目标神经网络进行训练，得到训练好的目标神经网络。
[0012]本专利技术具有如下有益效果：本专利技术根据硅钢表面不同缺陷的不同特征，对待检测的硅钢的缺陷种类进行判断。首先根据待检测的硅钢表面图像，得到疑似缺陷区域的图像；然后采用超像素分割算法得到缺陷内侧对应的区域和缺陷外侧对应的区域；接下来本专利技术根据缺陷内侧对应的区域对应的熵图像，计算缺陷区域的纹理纯度显著度指标；获取包围缺陷边缘的环形区域；根据环形区域内各像素点的梯度方向，计算缺陷边界的纹理方向显著性指标；根据缺陷内侧对应的区域内各像素点的灰度值，计算缺陷区域的纹理颜色显著性指标；最后根据纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标，判断待检测的硅钢表面图像的缺陷类别。该方法是一种利用光学手段（具体是利用可见光图像），测试或者分析硅钢表面的方法，具体是测试硅钢表面缺陷的存在。该方法能够应用于新材料相关服务，可以实现新材料检测、计量、相关标准化、认证认可服务等。本专利技术提供的方法能够根据不同缺陷的不同特征，对缺陷进行准确分类。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种硅钢轧制过程中缺陷的显著性识别与分类方法，其特征在于，该方法包括以下步骤：获取待检测的硅钢表面图像；根据所述待检测的硅钢表面图像，得到疑似缺陷区域的图像；对所述疑似缺陷区域的图像进行超像素分割，根据各超像素块内像素点的灰度均值，得到缺陷内侧对应的区域和缺陷外侧对应的区域；根据缺陷内侧对应的区域对应的熵图像，计算缺陷区域的纹理纯度显著度指标；获取包围缺陷边缘的环形区域；根据所述环形区域内各像素点的梯度方向，计算缺陷边界的纹理方向显著性指标；根据缺陷内侧对应的区域内各像素点的灰度值，计算缺陷区域的纹理颜色显著性指标；根据所述纹理纯度显著度指标、纹理方向显著性指标和纹理颜色显著性指标，判断待检测的硅钢表面图像的缺陷类别。2.根据权利要求1所述的硅钢轧制过程中缺陷的显著性识别与分类方法，其特征在于，所述根据所述待检测的硅钢表面图像，得到疑似缺陷区域的图像，包括：计算待检测的硅钢表面图像中各像素点的纹理方向角；利用设定大小的滑窗对待检测的硅钢表面图像进行检测，计算滑窗对应的待检测的硅钢表面图像各区域像素点的灰度均值；根据所述各像素点的纹理方向角和各区域像素点的灰度均值，得到疑似缺陷区域的图像。3.根据权利要求1所述的硅钢轧制过程中缺陷的显著性识别与分类方法，其特征在于，所述根据缺陷内侧对应的区域对应的熵图像，计算缺陷区域的纹理纯度显著度指标，包括：根据标准硅钢表面图像对应的熵图像中各元素对应的熵值，得到标准纹理熵值；计算缺陷内侧对应的区域对应的熵图像中各元素对应的熵值与所述标准纹理熵值的欧氏距离；根据所述欧氏距离，得到缺陷区域的纹理纯度显著性指标。4.根据权利要求1所述的硅钢轧制过程中缺陷的显著性识别与分类方法，其特征在于，所述获取包围缺陷边缘的环形区域，包括：根据缺陷内侧对应的区域内像素点的数量计算跨度值；以缺陷内侧对应的区域的边缘线为中心，根据所述跨度值，得到包围缺陷边缘的环形区域的第一边界和第二边界；根据所述环形区域的第一边界和第二边界，得到包围缺陷边缘的环形区域。5.根据权利要求1所述的硅钢轧制过程中缺陷的显著性识别与分类方法，其特征在于，所述根据所述环形区域内各像素点的梯度方向，计算缺陷边界的纹理方向显著性指标，包括：将包围缺陷边缘的环形区域划分为设定个数的区域，对于任一区域：根据该区域中各像素点的梯度方向，得到该区域对应的方向梯度直方图；根据该区域中各像素点的纹理方向角，得到该区域的平均纹理主方向；根据标准的硅钢表面图像中各像素点的梯度方向，得到标准硅钢表面图像对应的方向梯度直方图；根据标准的硅钢表面图像中各像素点的纹理方向角，得到标准纹理主方向；根据环形区域的各区域对应的方向梯度直方图、环形区域的各区域的平均纹理主方
向、标准硅钢表面图像...

【专利技术属性】
技术研发人员：张玲，
申请(专利权)人：海门市刘氏铸造有限公司，
类型：发明
国别省市：