[发明专利]一种基于视觉的金属表面细微缺陷检测方法

权利要求书

1.一种基于视觉的金属表面细微缺陷检测方法，其特征在于，其具体步骤为：

S1、通过四点光源三维检测系统采集4幅不同光照角度的待测金属表面图像；

S2、计算每幅图像对应的光源方向；

S3、由梯度信息还原物体表面的曲率图像；

S4、对曲率图像依次进行灰度变换、均值滤波的预处理操作；

S5、用自动阈值分割法对预处理后的图像进行阈值分割；

S6、通过面积特征剔除误判的像素点和可容忍的细微缺陷，判断产品是否存在缺陷；

S7、提取缺陷的纹理特征，并通过模式识别对存在缺陷的产品进行分类。

2.如权利要求1所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，所述步骤S1中的四点光源三维检测系统采用红光型点光源，所述步骤S2中计算每幅图像对应的光源方向采用的是高光黑球标定法。

3.如权利要求1所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，所述步骤S3的具体过程为：

S31、定义N为球体表面上一点的法向量，写成向量形式为:N＝(N_x,N_y,N_z)^T；

S32、求出待测物体表面在点(r,c)处的行梯度分量m等于

S33、求出待测物体表面在点(r,c)处的行梯度分量n等于

S34、求出待测物体表面点(r,c)处的高斯曲率K为：

S35、将图像上每一点的高斯曲率转化为灰度值，得到能清晰反应待测物体表面信息的曲率图像；其中，I表示图像中像素点的亮度,N为表面的单位法向量,L表示光源方向。

4.如权利要求1所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，在所述步骤S4中，对曲率图像进行灰度变换采用的是灰度翻转算法，对曲率图像进行均值滤波采用的是掩模为35*35的均值滤波算法。

5.如权利要求4所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，所述步骤S4中，对曲率图像进行灰度变换的具体过程为：灰度翻转将原来呈现暗色的缺陷变为亮色，原来呈现亮色的背景变为暗色。灰度翻转公式如公式：s＝L-1-r，式中S表示像素点翻转后的像素值，L＝256，r表示像素点原始值。通过翻转变换，每个灰度值将会变成(255-r)，从而实现灰度值的变换。

6.如权利要求4所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，所述步骤S4中，对曲率图像进行均值滤波的具体过程为：采用35*35的掩模对灰度翻转后的图像进行均值滤波，将35*35模板内所有像素点灰度值的平均值作为中心像素点的像素值，依次遍历所有像素点，完成对图像的均值滤波。得到趋近于图像背景的理想图片。

7.如权利要求1所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，所述步骤S5的具体过程为：

S51、将均值滤波后的图像视为背景图像记为J(x,y),原始图像记为O(x,y),n为所有像素点的总个数；

S52、求出原始图像与均值滤波后图像每一点的像素灰度差的均值偏移量m，具体为

S53、获取预处理后的图像缺陷区域Q(x,y)＝O(x,y)≥J(x,y)+m。

8.如权利要求1所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，所述步骤S6的具体过程为：

S61、在自动阈值分割后，得到所有缺陷联合成的一个区域，将不相邻的区域分割开后，得到若干个面积独立的ROI区域；

S62、设置区域面积筛选阈值为30个像素单位，将像素单位小于30的ROI区域剔除，保留像素单位大于或等于30的ROI区域作为真实缺陷区域输出；

S63、计算真实缺陷区域的面积|area|，如果|area|＝0，说明该样品为正品，如果|area|>0，说明该样品为次品。

9.如权利要求1所述的一种基于视觉的金属表面细微缺陷检测方法，其特征在于，在步骤S7中，对缺陷进行分类采用支持向量机法，其中，该支持向量机法的核函数选取的是径向基SVM函数，G＝0.5和惩罚因子C＝1.0。