【技术实现步骤摘要】
本专利技术涉及材料缺陷检测领域，特别是一种基于机器视觉的不锈钢表面缺陷检测方法。
技术介绍
1、近年来，随着工业自动化和智能制造的发展，不锈钢表面缺陷检测作为质量控制的一个关键环节，得到了广泛的关注。传统的缺陷检测方法通常依赖人工目视检查或简单的机械检测系统，这些方法不仅效率低，而且受人为因素影响较大，难以保证一致性和精度。随着机器视觉算法的不断进步，基于图像处理的缺陷检测方法逐渐成为主流。机器视觉系统通过摄像设备采集不锈钢表面图像，利用图像处理和分析算法，对缺陷进行自动化识别和定位。随着多光谱成像算法、超分辨率重建算法和深度学习技术的发展，图像检测的精度和可靠性有了显著提高。尤其是在多光谱图像融合方面，多个波段的信息能够提供比单一光谱更多的细节，从而提升缺陷检测的准确度。
2、虽然已有多种基于机器视觉的缺陷检测方法，诸如利用传统图像处理算法或深度学习方法进行缺陷识别，但这些方法仍存在一些不足。首先，低分辨率图像中的缺陷细节容易丢失，且传统图像增强方法难以有效恢复缺陷的微小细节，导致检测结果的准确度受到限制。其次，基于深度学...
【技术保护点】
1.一种基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：包括，
2.如权利要求1所述的基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：所述多光谱表面图像包括可见光波段、近红外波段和短波红外波段的不锈钢表面图像。
3.如权利要求2所述的基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：所述采集不锈钢表面图像，对采集的多光谱表面图像进行图像融合，生成多光谱复合图像，具体步骤为，
4.如权利要求3所述的基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：所述基于多光谱复合图像，通过超分辨率重建算法，对低分辨率图像进行细节增强，获取高分辨...
【技术特征摘要】
1.一种基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：包括，
2.如权利要求1所述的基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：所述多光谱表面图像包括可见光波段、近红外波段和短波红外波段的不锈钢表面图像。
3.如权利要求2所述的基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：所述采集不锈钢表面图像，对采集的多光谱表面图像进行图像融合，生成多光谱复合图像，具体步骤为，
4.如权利要求3所述的基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：所述基于多光谱复合图像，通过超分辨率重建算法，对低分辨率图像进行细节增强，获取高分辨率图像集，具体步骤为，
5.如权利要求4所述的基于机器视觉的不锈钢表面缺陷检测方法，其特征在于：所述通过缺陷检测算法，从高分辨率图像集中定位缺陷区域位置，获取缺陷位置数据集，具体步骤为，
6.如权利要求5所述的基于机器视觉的不锈钢表面缺陷检测...
【专利技术属性】
技术研发人员：刘志刚，李选娟，赵玉宝，王俊，王雪，曹斌，
申请(专利权)人：江苏智慧工场技术研究院有限公司，
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。