基于在线序列极限学习机的铜板带表面缺陷检测方法，包括以下步骤：通过图像采集模块获取到铜板带表面的图像；采用掩模大小为7×7的中值滤波方法对采集的铜板带表面图像进行增强以减少所含噪声，降低噪声对表面图像质量的影响；对铜板带表面图像进行顶帽变换处理，减少光照不均匀性的影响；采用基于8邻域差值的铜板带表面图像预检方法；对预检后判断为存在表面缺陷的铜板带表面图像，采用一种图像分割方法分割出表面图像中的缺陷；提取各缺陷的几何、灰度、形状、纹理等特征，并采用主成分分析方法对铜板带表面缺陷特征维数进行优化降维处理；设计基于在线序列极限学习机的铜板带表面缺陷分类器，并利用样本进行训练；提取待检测铜板带表面图像的特征，识别出表面缺陷的类型。
【技术实现步骤摘要】
本专利涉及一种利用计算机视觉技术来检测铜板带表面缺陷的方法。
技术介绍
在我国，铜板带是铜加工材中的一个重要品种，被广泛应用于电子通信、机械制造、航空航天工业等领域。近些年，随着现代电子、通讯和半导体产业的发展，使得对低端铜板带产品的需求逐渐萎缩，随之而来的却是高端产品的需求不断增加，进而针对铜板带的质量特别提出了“精密铜板带”的要求，即铜板带具有“高表面、高性能和高精密度”的质量要求。铜带表面质量是决定其产品质量的一个重要指标。由于生产设备、工艺和环境等因素的影响，铜带在生产过程中表面会出现划痕、起皮、污溃等缺陷，这些缺陷严重影响铜带产品的质量。由于铜板带生产环境的复杂、恶劣，铜板带成型后流水线式的高速运行以及铜板带具有的表面高反光性，致使普遍采用的人目视觉检测、红外检测、超声波检测等检测方法存在检测效率低、漏检率高、检测精度低等弊端。另外，存储铜板带表面缺陷的信息，避免购货方以产品表面缺陷为理由的退货和索赔，也是铜板带生产企业关心的问题。随着基于计算机视觉的表面缺陷检测方法在不同材料上的成功应用，计算机视觉技术在铜板带表面缺陷检测方面也获得了大量的关注。Liang (河海大学，2008)等提出了基于SVM-RBF理论的铜板带表面缺陷检测方法，利用小波方法去除图像噪声，提取缺陷图像的PZML矩，利用SVM-RBF分类器识别缺陷类型。Zhang (河海大学，2008)等提出了基于智能融合的铜板带表面缺陷识别方法，该方法通过提取表面缺陷图像的不变矩特征，利用BP神经网络分类器对表面缺陷进行分类，结合遗传算法的专家系统，实现铜板带表面缺陷的检测和识别。Wang (河海大学，2008)等提出了基于计算机视觉的铜板带表面缺陷检测理论，利用径向基神经网络识别铜板带表面缺陷。Zhang (河海大学，2008)等提出了基于模糊神经网络的铜板带表面缺陷检测方法，利用模糊小波神经网络分类器实现缺陷类型的识别。张学武(河海大学，2010)等结合小波提出了基于机器视觉的铜板带检测方法，该方法将铜板带图像分成多个子图像，对每个子图像进行小波处理，最后利用SVM进行缺陷类型分类。沈昱明(上海理工大学，2010)等将机器视觉与LabView相结合，开发了基于机器视觉和LabView图像处理技术的在线铜板带表面检测系统，该系统采用CCD面阵相机和采集卡获取铜板带表面图像，差影法目标检测图像是否存在缺陷，Canny边缘检测算法分割缺陷图像，并通过基于BP神经网络的分类器识别缺陷类型。张学武(河海大学，2011)等引入神经解剖学和心理学方面的研究成果，提出了基于视觉仿生机理的铜板带表面缺陷检测理论，并获得了中国专利技术专利200910232677.7，名称为基于视觉仿生的铜带表面质量智能检测装置及方法。由于铜板带表面缺陷出现的概率小于5%，当前的计算机视觉检测方法对获取的每一帧图像都进行分割、表面缺陷特征提取等操作，花费了大量时间在正常图像的处理上，降低了系统的实时性，存在检测效率不高、缺陷类型识别准确度低等不足。
技术实现思路
为了克服现有计算视觉技术在铜板带表面缺陷检测方法的不足，本专利技术提出了。本专利技术解决其技术问题的技术方案包含如下步骤:I)通过图像采集模块获取到铜板带表面的图像。2)采用掩模大小为7X7的中值滤波方法对采集的铜板带表面图像进行增强以减少所含噪声，降低噪声对表面图像质量的影响。3)对铜板带表面图像进行顶帽变换处理，减少光照不均匀性的影响。4)为提高检测效率，本专利技术中提出了一种基于8邻域差值的铜板带表面图像预检方法，它能快速的检测出铜板带表面图像是否含有缺陷，具体地，对每一帧表面图像进行预检包括如下步骤:步骤4.1:对顶帽变换之后的图像做灰度化处理:f (i, j) = (299R(i；J)+578G(i；J)+114B(i；J))/1000其中，f(i,j)表示像素(i, j)的灰度值，i=0，l，2，…，M-l，j=0，l，2，…，N_1，M 和N分别为图像的宽和高,单位为像素；R(i，j)、G(i，j)和Baj)分别为彩色图像对应像素(i, j)的红色、绿色和蓝色分量值；步骤4.2:用3X3大小的算子逐行扫描灰度图像中的每一个像素点P，以该点为中心，对其周围的3X3的8邻域进行计算，通过计算像素点P的上下两行、左右两列的对应像素点的灰度值的差，得出新的灰度值P':本文档来自技高网...
【技术保护点】
一种基于在线序列极限学习机的铜板带表面缺陷检测方法，包含如下步骤：1）通过图像采集模块获取到铜板带表面的图像；2）采用掩模大小为7×7的中值滤波方法对采集的铜板带表面图像进行增强以减少所含噪声，降低噪声对表面图像质量的影响；3）对铜板带表面图像进行顶帽变换处理，减少光照不均匀性的影响；4）为提高检测效率，本专利技术中提出了一种基于8邻域差值的铜板带表面图像预检方法，它能快速的检测出铜板带表面图像是否含有缺陷，具体地，对每一帧表面图像进行预检包括如下步骤：4.1：对顶帽变换之后的图像做灰度化处理：f(i,j)=(299R(i,j)+578G(i,j)+114B(i,j))/1000其中，f(i,j)表示像素(i,j)的灰度值,i=0,1,2,…,M?1,j=0,1,2,…,N?1,M和N分别为图像的宽和高，单位为像素；R(i,j)、G(i,j)和B(i,j)分别为彩色图像对应像素(i,j)的红色、绿色和蓝色分量值；4.2：用3×3大小的算子逐行扫描灰度图像中的每一个像素点P，以该点为中心，对其周围的3×3的8邻域进行计算，通过计算像素点P的上下两行、左右两列的对应像素点的灰度值的差，得出新的灰度值P′：P′=(|P1-P7|+|P2-P6|+|P3-P5|)+(|P1-P3|+|P8-P4|+|P7-P5|)6其中，Pi（i=1,2,…,8）表示P的8邻域像素的灰度值，P1为8邻域左上角的点，其余的按顺时针方向围绕着P点顺序编号；4.3：统计P′的直方图，计算直方图的峰值个数δ，如果该数目大于设定的阈值δ0，则表明图像存在表面缺陷；否则，是无缺陷图像。4.4：阈值δ0是通过计算无缺陷铜板带表面图像获得，为了提高检测的精确度，计算多帧无缺陷图像的平均值获得δ0，同时随着检测时间而自适应的调整阈值δ0，具体的调整方法如下：δ0=0.8*δ1+0.2*δ2其中，δ1为新获得的阈值，δ2为前一个使用的阈值。5）对预检后判断为存在表面缺陷的铜板带表面图像，采用一种图像分割方法分割出表面图像中的缺陷，具体步骤如下：5.1：获取连续两帧铜板带表面图像，计算第一帧和第二帧图像的梯度直方图，且对每一帧进行基于8邻域差值的预检处理；5.2：若第一帧为无缺陷图像且第二帧是含有缺陷的图像，则通过第一帧图像的梯度直方图，累积计算梯度幅值的像素数目κ，当κ大于图像像素总数的99%时的梯度幅值记为Τ，则第二帧图像的Canny边缘检测时的高阈值Τh、低阈值Τl的计算方法如下：Τh=ΤΤl=0.4*Τh第二帧图像经过Τh选择和Τl连接的Canny边缘检测后，缺陷区域内会存在少量的假边缘，但是铜板带表面图像的背景区域中出现的假边缘会被过滤，单个缺陷的最外层的真实边缘会被保留，该边缘所包围的区域即为被分割出的表面缺陷；5.3：若第一帧和第二帧均为无缺陷图像，则后续表面缺陷图像的Canny边缘检测和连接时的高阈值Τh的计算方法如下：Τh=Τf其中，Τf为计算第二帧图像的梯度直方图获取的高阈值；5.4：若第一帧为无缺陷图像且第二帧是含有缺陷的图像，则后续表面缺陷图像的Canny边缘检测和连接时的高阈值Τh的计算方法如下：Τh=Τw其中，Τw为第一帧无缺陷的表面图像的梯度直方图获取的阈值；5.5：若第一帧为有缺陷或两帧均为有缺陷的表面图像，则利用已保存的阈值Τh作为所需要的Canny边缘检测和连接的高阈值。6）提取各缺陷的几何、灰度、形状、纹理等特征，并采用主成分分析方法对铜板带表面缺陷特征维数进行优化降维处理，具体步骤如下：6.1：提取各表面缺陷的特征数据，如下：几何特征之表面缺陷区域边界的长度T1：其中，Ne和No分别表示边界链码中偶步和奇步的像素数目；几何特征之面积T2，即表面缺陷边界和区域内的像素个数：T2=Σx=1NΣy=1MR(x,y)通过灰度图像中各像素的灰度值，可以获得图像的像素概率分布，形成图像的直方图特征，灰度直方图的计算如下：p(b)=NbM,b=0,1,...,L-1其中，b为灰度图像的量化级，共L（1≤L≤256）级。p(b)表示第b级出现的概率，Nb表示灰度值为b的像素数，M表示像素的总数；灰度特征之均值T3：灰度特征之方差T4：其中表示所有像素的平均灰度值；灰度特征之歪度T5：T5=1T43Σb=0L-1(b-b‾)3p(b);灰度特征之峭度T6：T6=1T44Σb=0L-1(b-b‾)4p(b)-3;灰度特征之能量T7：灰度特征之熵T8：T8=-&Sigma...
【技术特征摘要】
1.一种基于在线序列极限学习机的铜板带表面缺陷检测方法，包含如下步骤:. 1)通过图像采集模块获取到铜板带表面的图像；. 2)采用掩模大小为7X7的中值滤波方法对采集的铜板带表面图像进行增强以减少所含噪声，降低噪声对表面图像质量的影响；. 3)对铜板带表面图像进行顶帽变换处理，减少光照不均匀性的影响；. 4)为提高检测效率，本发明中提出了一种基于8邻域差值的铜板带表面图像预检方法，它能快速的检测出铜板带表面图像是否含有缺陷，具体地，对每一帧表面图像进行预检包括如下步骤:. 4.1:对顶帽变换之后的图像做灰度化处理: f...
【专利技术属性】
技术研发人员：高飞，胡伟江，张元鸣，陆佳炜，毛家发，梅凯城，李征，肖刚，
申请(专利权)人：浙江工业大学，
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。