一种基于形态学商运算的板带钢表面缺陷检测方法技术

本发明专利技术提供了一种基于形态学商运算的板带钢表面缺陷检测方法；该方法包括：基于多尺度形态学滤波的图像去噪和图像背景提取算法；将无噪图像和背景图像作商运算处理，得到显著图，提取光照均匀区域的缺陷；采用显著图和无噪图像进行形态学重构，提取重构图像的背景图像，将重构图像和其背景图像作商运算处理，得到显著图，提取光照不均匀区域的缺陷；将原图像的显著图和重构图像的显著图进行均值加权融合，获得最后的显著图，并进行阈值分割，提取出原图像中的缺陷区域

【技术实现步骤摘要】
一种基于形态学商运算的板带钢表面缺陷检测方法


[0001]本专利技术涉及板带钢表面缺陷检测
；尤其涉及一种基于形态学商运算的板带钢表面缺陷检测方法
。

技术介绍

[0002]随着带钢在汽车制造
、
航空航海
、
精密仪器和电器等行业的广泛应用，市场对板带钢的表面质量提出了更高的要求，致使钢铁企业要求板带钢缺陷在线检测技术即快速又准确
。
然而，板带钢表面缺陷检测技术主要以频闪仪和人工目视抽检为主，检测效率低，劳动力耗费量大
、
对人体伤害性强
。
目前，计算机视觉技术的已被广泛应用于工业领域，基于计算机视觉的检测技术主要由图像采集器
CCD、
图像处理及缺陷的识别分类组成，其中基于图像处理的表面缺陷提取是至关重要的环节
。
由于带钢表面缺陷多样化，现有的检测技术难以满足处理速度和检测精度的需求
。
[0003]国内外对板带钢表面缺陷的检测方法已有诸多研究，围绕数学形态学已取得大量的进展，主要是借助数学形态学膨胀
、
腐蚀
、
开运算和闭运算等处理方式，获得板带钢的表面缺陷
。
然而，板带钢在线生产速度快
、
轧制环境恶劣和图像采集设备等因素，导致采集到的板带钢表面缺陷图像光照不均匀，存在噪声
。
除此之外，板带钢缺陷种类繁多
、
形态各异
、
随机性强
、r/>缺陷特征不鲜明
。
这使得基于数学形态学的带钢缺陷提取技术难以满足检测速度和精度的需求
。
总体上，目前关于图像处理在板带钢线生产表面缺陷检测中尚未形成准确且快速的方法和技术
。
现有技术中常用的检测方法，包括：人工检测
、
涡流检测方法
、
红外线检测方法
、
漏磁检测方法
、
激光扫描检测方法和机器视觉技术是目前板带钢表面缺陷检测的主要方法
。
[0004]人工检测：人工检测是
20
世纪
50
年代至
60
年代国内外常用的板带钢表，表面缺陷检测方法，是通过人眼来观察和识别产品的表面缺陷
。
当带钢的轧制速度低于
100m/min
时，可以检测出较多比较明显的表面缺陷，但是对于微小的表面缺陷或者对比度较弱的若干类缺陷，则很容易发生漏检的情况
。
目前带钢在高速轧制时其速度已达
2500/min
，所以该方法已经无法满足生产需求
。
[0005]涡流检测方法：该方法在钢板表面缺陷检测系统中己有了广泛的应用，通过把涡流检测设备安装在生产检测系统前端，在板带钢上下表面作横向反复移动来检测板带钢裂纹等缺陷
。
涡流检测需要对板带钢表面状态的要求比较高，受氧化铁皮的影响，检测速度较慢，难以满足高速轧制板带钢表面缺陷的检测要求
。
[0006]红外线检测方法：是一套依靠工件瞬态热传导理论的检测方法，板带钢在感应线圈感应下下会产生电流
。
产品表面出现缺陷区域，该区域电阻值增大，导致感应电流在该区域的耗能增加，缺陷区域处温度升高，进而被红外扫描仪检测出缺陷
。
但是，红外线检测方法使用范围小
、
轧制条件要求高，无法适应大规模的生产
。
[0007]漏磁检测方法：如果产品表面不存在缺陷，那么很难产生漏磁通；如果存在缺陷，就会产生漏磁通
。
该方法主要检测裂纹
、
夹杂和孔洞等缺陷
。
但是，此方法受轧制环境影响，
检测精度和速度都不足以满足高速
、
高质量产品在线生产需要
。
[0008]激光扫描检测方法：把激光当作光源，利用反射镜形成激光束反射，通过光学系统扫描产品表面，随后把反射光转换为电信号，以此检测板带钢表面缺陷
。
此方法与涡流检测和红外线检测相比，检测灵敏度高
、
通用性较强，然而检测系统组成复杂，不能准确提取微小缺陷
。
[0009]机器视觉检测方法：该方法由图像处理系统
、
服务器和客户控制端组成，以成功应用于板带钢表面质量检测
。
与上述其他无损检测方法相比，机器视觉检测方法的可靠性
、
实用性
、
高效性等方面，均具有明显优势
。
在机器视觉检测系统中，板带钢表面缺陷的图像处理性能好坏直接影响最终检测效果，是国内外研发的重点和难点
。
[0010]现有机器视觉技术方案的不足：
[0011](1)
基于边缘分割的板带钢表面缺陷检测方法是比较广泛的技术，主要有
Robert
算子
、Sobel
算子
、
拉普拉斯算子和
Canny
算子
。
其中，
Robert
算子和
Sobel
算子会弱化图像质量；拉普拉斯算子产生较多伪边缘且检测速度慢；
Canny
算子检测效率较好，但对为小缺陷检测效果一般
。
[0012](2)
基于阈值分割的板带钢表面缺陷检测方法，如
Otsu
算法和超熵方法等，是通过选定阈值将原图像中的缺陷区域提取出来，也是研究比较广泛的一类方法
。
然而，这类方法对原图像中的噪声和光照不均比较敏感，直接影响检测效果
。
[0013](3)
基于数学形态学的板带钢表面缺陷检测方法，用具有一定形态的结构元素提取图像中对应形状的缺陷区域，达到对图像分割效果
。
主要是通过形态学膨胀
、
腐蚀
、
开运算和闭运算等处理方法，去除原图像的噪声
、
获得缺陷区域
。
然而，这类方法检测对微小缺陷
、
对比度较低的缺陷检测效果差，对边界噪声敏感
。
[0014]因此，亟待建立一种有效的板带钢表面缺陷检测方法，来适应板带钢表面缺陷检测的在线生产需求
。

技术实现思路

[0015]本专利技术的目的是提供了一种基于形态学商运算的板带钢表面缺陷检测方法
。
本专利技术方法克服现有机器视觉技术方案中板带钢表面缺陷检测的检测率低
、
对噪声敏感等缺点，提供一种基于形态学商运算的板带钢表面缺陷检测方法，提高板带钢表面缺陷的检测准确率
、
检测速度和对噪声的鲁棒性，适应板带钢在线生产的需求
。
[0016]本专利技术是通过以下技术方案实现的：
[0017]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数学形态学的板带钢表面缺陷检测方法，其特征在于，包括以下步骤：步骤
S1
：获取待检测物表面的待检测图像；步骤
S2
：提取所述待检测图像的背景图像，以作为第一背景图像；步骤
S3
：将所述待检测图像与所述第一背景图像进行第一次商运算处理，以获得第一商图像；步骤
S4
：将所述待检测图像与所述第一商图像进行形态学重构，以获得第一重构图像；步骤
S5
：提取所述第一重构图像的背景图像，以作为第二背景图像；步骤
S6
：将所述第一重构图像和所述第二背景图像进行第二次商运算处理，以获得第二商图像；步骤
S7
：基于所述第一商图像和所述第二商图像，获取所述待检测物表面的缺陷检测图
。2.
如权利要求1所述的基于数学形态学的板带钢表面缺陷检测方法，其特征在于，步骤1中，所述待检测图像进行第一次多尺度形态学滤波处理，以获得掩模图像
。3.
如权利要求1所述的基于数学形态学的板带钢表面缺陷检测方法，其特征在于，步骤2中，所述提取所述待检测图像的背景图像的具体步骤为：对所述掩模图像进行第二次多尺度形态学滤波处理，获得第一背景图像
。4.
...

【专利技术属性】
技术研发人员：王凡，王铭显，折延宏，彭国华，陈思，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：