基于人工智能的型钢生产质量检测方法技术

本发明专利技术涉及图像处理技术领域，提供了一种基于人工智能的型钢生产质量检测方法，包括：采用高分辨率的工业相机对生产线上的型钢表面进行图像采集以获取型钢表面图像，对型钢表面图像进行预处理；通过型钢的相位谱图进行分析，基于型钢图像中的缺陷导致的相位谱图中产生的相位变化情况确定突变组，并确定突变组的相位扭偏度，获得相位缺陷度，对相位谱图进行改进，基于改进后的相位谱图进行图像相位拉伸变换，增强图像中型钢表面的缺陷部分，最后得到增强型钢表面图像并判断型钢生产质量。这样，避免了型钢缺陷检测误判，极大的提高了检测准确性。测准确性。测准确性。

【技术实现步骤摘要】
基于人工智能的型钢生产质量检测方法


[0001]本专利技术涉及图像处理
，特别是涉及一种基于人工智能的型钢生产质量检测方法。

技术介绍

[0002]型钢作为钢材四大品种之一，是一种有一定截面形状和尺寸的条形钢材。型钢可满足大型建筑和结构的强度需求，并为其提供可靠的结构支撑，同时经过合理的设计和加工，型钢可以实现多种形状和用途以适应各种结构需求。型钢在生产过程中可能会因化学成分不均、轧制不良、热处理失误或表面处理不当产生缺陷影响生产质量。因此对型钢的生产质量检测成为了极其重要的一环。
[0003]由于型钢几何形状相对复杂，缺陷成因较多且形态各样，传统的缺陷检测算法在缺陷的可见性与可调节性方面有待提高，容易受到光照或其他噪声因素的干扰，型钢缺陷不准确，容易导致缺陷检测误判。

技术实现思路

[0004]鉴于上述问题，本申请提供了一种基于人工智能的型钢生产质量检测方法，能够通过分析型钢相位谱图中的相位突变、畸变等情况，构建阈值分割相位谱图，突出型钢缺陷特征，基于改进后的相位谱图采用PST相位拉伸变换算法进行处理，从而根据处理后的图像实现型钢的生产质量进行检测，避免了型钢缺陷检测误判，极大的提高了检测准确性。
[0005]第一方面，本申请实施例提供了一种基于人工智能的型钢生产质量检测方法，包括：获取型钢的第一表面图像；对型钢的第一表面图像进行第一预处理，得到第二表面图像；对第二表面图像进行第二预处理，得到型钢的相位谱图；对相位谱图中的相位谱点进行分组处理，得到多个相位谱点组；对每个相位谱点组进行相位突变系数计算，得到每个相位谱点组的相位突变系数；基于每个相位谱点组的相位突变系数，确定突变组；基于突变组的相位曲线，确定突变组的相位扭曲指数和最小频率长度；基于突变组的相位扭曲指数和最小频率长度，得到突变组的相位扭偏度；基于突变组的相位扭偏度和突变组对应的相位突变系数，计算突变组的相位缺陷度；基于突变组的相位缺陷度，得到改进后的相位谱图；利用相位拉伸变换算法对改进后的相位谱图进行增强处理，得到增强型钢表面图像；根据增强型钢表面图像，判断型钢生产质量。
[0006]在一种可能的实现方式中，对型钢的第一表面图像进行第一预处理，得到第二表面图像，包括：对型钢的第一表面图像进行图形灰度化处理，得到第一表面图像对应的灰度图；对灰度图采用滤波去噪算法进行滤波去噪处理，得到第二表面图像；其中，滤波去噪算法采用高斯滤波算法、中值滤波算法或双边滤波算法。
[0007]在一种可能的实现方式中，对第二表面图像进行第二预处理，得到型钢的相位谱图，包括：对第二表面图像进行归一化处理，得到归一化灰度图像；对归一化灰度图像进行梯度计算，得到梯度图像；对梯度图像进行相位计算，得到型钢的相位谱图；其中，相位谱图中的相位谱点与型钢的像素点一一对应。
[0008]在一种可能的实现方式中，对每个相位谱点组进行相位突变系数计算，得到每个相位谱点组的相位突变系数，其中，相位突变系数的计算公式为：；其中，为第i个相位谱点组的相位突变系数；为第i个相位谱点组的相位均值；为所有相位谱点的相位均值。
[0009]在一种可能的实现方式中，基于每个相位谱点组的相位突变系数，确定突变组，包括：将每个相位谱点组的相位突变系数进行归一化处理，得到每组相位谱点组的归一化相位突变系数；将每组相位谱点组的归一化相位突变系数与第一预设阈值进行比较，确定突变组。
[0010]在一种可能的实现方式中，基于突变组的相位曲线，确定突变组的相位扭曲指数，包括：对突变组中离散的相位谱点进行拟合，得到突变组的相位曲线；基于突变组的相位曲线，计算频率最小相位谱点、频率最大相位谱点以及相位值最大的相位谱点处的相位曲线曲率；基于频率最小相位谱点、频率最大相位谱点以及相位值最大的相位谱点处的相位曲线曲率，确定突变组中的前向差分和后向差分；基于突变组中的前向差分和后向差分，确定突变组的相位扭曲指数；其中，突变组中的前向差分和后向差分的计算公式为：；；其中，FD为突变组中的前向差分，BD为突变组中的后向差分，、、分别为、、点处的相位曲线曲率，、、分别表示突变组中的频率最小相位谱点、频率最大相位谱点以及相位值最大的相位谱点；
突变组的相位扭曲指数的计算公式为：；其中，PCI为突变组的相位扭曲指数；FD为突变组中的前向差分；BD为突变组中的后向差分。
[0011]在一种可能的实现方式中，基于突变组的相位扭曲指数和最小频率长度，得到突变组的相位扭偏度，其中，突变组的相位扭偏度的计算公式为：；其中，PCO为突变组的相位扭偏度；PCI为突变组的相位扭曲指数；MML为突变组中的最小频率长度，最小频率长度为突变组对应的相位谱图中相位值最大点对应的频率分别与最大频率与最小频率之间的频率长度之差绝对值的最小值。
[0012]在一种可能的实现方式中，基于突变组的相位扭偏度和突变组对应的相位突变系数，计算突变组的相位缺陷度，其中，突变组的相位缺陷度的计算公式为：；其中，PF为突变组的相位缺陷度；PCO为突变组的相位扭偏度；PVN为突变组的相位突变系数。
[0013]在一种可能的实现方式中，基于突变组的相位缺陷度，得到改进后的相位谱图，包括：将突变组的相位缺陷度进行归一化处理，得到突变组的归一化相位缺陷度；将突变组的归一化相位缺陷度与第二预设阈值进行比较，确定相位谱图中的相位谱点的缺陷状况；基于相位谱图中的相位谱点的缺陷状况，对相位谱图中相位谱点的相位值进行重置，得到改进后的相位谱图；在一种可能的实现方式中，将突变组的归一化相位缺陷度与第二预设阈值进行比较，确定相位谱图中的相位谱点的缺陷状况，包括：当突变组的归一化相位缺陷度大于第二预设阈值时，突变组中的相位谱点对应的像素点为缺陷区域点；当突变组的归一化相位缺陷度小于第二预设阈值时，突变组中的相位谱点对应的像素点为为正常区域点。
[0014]第二方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现如第一方面各个可能实现的实施例。
[0015]第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行如第一方面各个可能实现的实施例。
[0016]本申请的有益效果在于：本申请使用具有较强鲁棒性质的PST相位拉伸变换算法对型钢表面进行缺陷检测，分析型钢图像中的缺陷导致型钢相位谱图中产生的相位突变程度以及相位扭偏程度，获得相位缺陷度，通过归一化相位缺陷度作为阈值判断对应的像素
点是否位于型钢表面缺陷区域。根据获得的阈值对相位谱图进行改进，突出型钢缺陷特征，基于改进后的相位谱图进行图像相位拉伸变换，增强图像中型钢表面的缺陷部分，避免了型钢缺陷检测误判，极大的提高了检测准确性。
附图说明
[0017]图1是本申请实施例提供的一种基于人工智能的型钢生产质量检测方法的步骤流程图；图2是本申请实施例提供的一种时域、频谱、相位谱图像示意图；图3是本申请实施例提供的一种相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的型钢生产质量检测方法，其特征在于，包括：获取所述型钢的第一表面图像；对所述型钢的第一表面图像进行第一预处理，得到第二表面图像；对所述第二表面图像进行第二预处理，得到所述型钢的相位谱图；对所述相位谱图中的相位谱点进行分组处理，得到多个相位谱点组；对每个所述相位谱点组进行相位突变系数计算，得到每个相位谱点组的相位突变系数；基于每个所述相位谱点组的所述相位突变系数，确定突变组；基于所述突变组的相位曲线，确定所述突变组的相位扭曲指数和最小频率长度；基于所述突变组的相位扭曲指数和最小频率长度，得到所述突变组的相位扭偏度；基于所述突变组的相位扭偏度和所述突变组对应的相位突变系数，计算所述突变组的相位缺陷度；基于所述突变组的相位缺陷度，得到改进后的相位谱图；利用相位拉伸变换算法对所述改进后的相位谱图进行增强处理，得到增强型钢表面图像；根据所述增强型钢表面图像，判断所述型钢生产质量。2.根据权利要求1所述的基于人工智能的型钢生产质量检测方法，其特征在于，对所述型钢的第一表面图像进行第一预处理，得到第二表面图像，包括：对所述型钢的第一表面图像进行图形灰度化处理，得到所述第一表面图像对应的灰度图；对所述灰度图采用滤波去噪算法进行滤波去噪处理，得到第二表面图像；其中，所述滤波去噪算法采用高斯滤波算法、中值滤波算法或双边滤波算法。3.根据权利要求1所述的基于人工智能的型钢生产质量检测方法，其特征在于，对所述第二表面图像进行第二预处理，得到所述型钢的相位谱图，包括：对所述第二表面图像进行归一化处理，得到归一化灰度图像；对所述归一化灰度图像进行梯度计算，得到梯度图像；对所述梯度图像进行相位计算，得到所述型钢的相位谱图；其中，所述相位谱图中的相位谱点与所述型钢的像素点一一对应。4.根据权利要求1所述的基于人工智能的型钢生产质量检测方法，其特征在于，对每个所述相位谱点组进行相位突变系数计算，得到每个相位谱点组的相位突变系数，其中，所述相位突变系数的计算公式为：其中，为第i个相位谱点组的相位突变系数；为第i个相位谱点组的相位均值；为所有相位谱点的相位均值。5.根据权利要求1所述的基于人工智能的型钢生产质量检测方法，其特征在于，基于每个所述相位谱点组的所述相位突变系数，确定突变组，包括：将每个相位谱点组的相位突变系数进行归一化处理，得到每组相位谱点组的归一化相位突变系数；
将每组相位谱点组的归一化相位突变系数与第一预设阈值进行比较，确定突变组。6.根据权利要求1所述的基于人工智能的型钢生产质量检测方法，其特征在于，基于所述突变组的相位曲线，确定所述突变组的相位扭曲指数，包括：对所述突变组中离散...

【专利技术属性】
技术研发人员：石伟东，
申请(专利权)人：无锡市方顺型钢科技有限公司，
类型：发明
国别省市：