【技术实现步骤摘要】
一种基于机器视觉的钢管表面缺陷检测方法
[0001]本专利技术涉及管材检测
,尤其涉及一种基于机器视觉的钢管表面缺陷检测方法。
技术介绍
[0002]机器视觉是一门涉及到人工智能、神经生物学、计算科学、图像学、模式识别等的多领域交叉的学科,目的就是为了让机器人拥有和人一样的视觉感知能力,同时依靠此感知能力实现机器人的避障、导航等功能,而视觉的基础涉及到视觉信息的采集和大量的图像处理、计算和分析任务。
[0003]机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度,在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉,机器视觉对物料进行监控并及时定位取样,能够有效的帮助控制产品质量,排除机器生产线故障。
[0004]钢管的表面质量是评价钢管等级的一项重要指标,钢管表面质量的好坏也将直接影响产品的质量和性能,但是,企业在生产钢管的过程中,由于现场环境、设备等种种原因,钢管表面难以避免会出现划痕、辊印、裂纹、夹杂、锈斑、凹坑、麻面、擦伤等不同类型的缺陷。这些缺陷不仅影响产品的外观,而且会降低产品的性能。
[0005]目前国内外有关机器视觉检测钢管的研究较少,未有成熟的产品,在技术方面有待完善,因此,提出的一种基于机器视觉的钢管表面缺陷检测方法。
技术实现思路
[0006]本专利技术的目的是为了解决现有技术中存在研究较少,未有成熟的产品,在技术方面有待完善的缺点,而提出的一种基于机器视觉的钢管表面缺陷检测方法。
[0007]为 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的钢管表面缺陷检测方法,其特征在于,包括:照明步骤,采用明场照明方式,从不同方向对待检测的钢管表面进行360度无死角照明,能够对钢管进行全方位的表面图像获取;图像采集步骤,在照明状态下通过摄像头对钢管表面进行拍摄,获取待检测的钢管表面图像和钢管表面缺陷图像,并将钢管表面图像和钢管表面缺陷图像作为样本数据;数据处理步骤,将采集到的图像数据转换成数字化信息,对数字化信息进行预处理和特征提取,提取缺陷区域的形状特征、灰度特征和纹理特征,并分析归一化特征值的差异进行分类处理;深度学习步骤,建立钢管表面缺陷检测模型,用于识别钢管表面存在的划痕、辊印、裂纹、夹杂、锈斑、凹坑、麻面、擦伤各不同类型的缺陷;并将样本数据作为数据集划分为训练数据集和测试数据集,选择合适的参数通过训练集对模型进行训练,训练完成的模型通过测试集进行功能测试,经过训练和测试后获得完善的检测模型用于对比识别检测;对比识别检测步骤,将分类的特征数据与通过钢管表面缺陷检测模型获得的钢管表面缺陷图像进行对比,通过比较两者的相似度,从而能够检测出钢管表面缺陷。2.根据权利要求1所述的一种基于机器视觉的钢管表面缺陷检测方法,其特征在于,所述摄像头,用于对钢管表面进行拍摄,并将被检测的目标转换成图形信息,在照明条件下获取清新的图像信息;其中,所述摄像头与数据采集模块之间连接,所述数据采集模块通过数据接口对摄像头拍摄的图像进行采集,并将采集到的数据传输到数据处理模块,同时将采集到的数据存储在数据库中。3.根据权利要求2所述的一种基于机器视觉的钢管表面缺陷检测方法,其特征在于,所述数据处理模块包括:数据转换单元、数据预处理单元、特征提取单元和数据分类单元;所述数据转换单元,用于将图像数据转换成数字化信息;所述数据预处理单元,用于对数据进行预处理;所述特征提取单元,用于将预处理后的数据进行特征提取;所述数据分类单元,用于根据提取的特征将采集到的数据进行分类;其中,所述数据转换单元将转换获得的数字化信息传输到数据预处理单元,所述数据预处理单元将处理好的数据传输到特征提取单元,所述特征提取单元将提取的特征信息传输到数据分类单元进行分类,所述数据分类单元将数据传输到图像对比模块。4.根据权利要求2所述的一种基于机器视觉的钢管表面缺陷检测方法,其特征在于,所述数据处理模块与图像对比模块之间连接,所述图像对比模块与深度学习模块之间连接,所述深度学习模块与数据库之间连接:其中,所述数据库包括:用于训练的样本数据集、待检测的钢管表面图像数据和建立的模型数据。5.根据权利要求3所述的一种基于机器视觉的钢管表面缺陷检测方法,其特征在于,所述特征提取单元应用主成分分析方法进行特征提取:将预处理后的数据设置为M个样本{X1,X2,...,X
M
},每个样本有N维特征每一个特征X
j
都有各自的特征值;对所有特征进行去中心化,即去均值,求出每个特征的平均值;
对于所有的样本,每一个特征都减去自身的均值,其中各...
【专利技术属性】
技术研发人员:李志兴,孙上桢,
申请(专利权)人:西安星云航空科技有限公司,
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。