[发明专利]一种基于机器视觉的检测钢卷端面缺陷方法

权利要求书

1.一种基于机器视觉的检测钢卷端面缺陷方法，首先利用双阈值方法提取原图像上潜在缺陷区域，再利用数字图像积分投影提取潜在区域的图像特征，最后使用支持向量机将图像进行分类。具体包括以下步骤：

(a)使用Canny边缘检测算法和较大阈值的PPHT算法，根据处理结果，消除背景图像块，并对前景图像块进行仿射变换调整，使前景图像块上钢卷层的纹理方向一致；

(b)利用高斯方向可控滤波器进行图像处理，将处理结果与原图像进行线性叠加，增强所提取的前景图像块；

(c)使用Canny算法和较小阈值的PPHT算法，限制检测结果的角度阈值，提取潜在的缺陷区域，消除无缺陷区域的前景图像块；

(d)利用数字图像的投影积分，提取潜在缺陷区域的图像特征；

(e)使用支持向量机，对有缺陷的图像块和经过步骤(a)、(b)、(c)处理后误判的无缺陷图像块进行分类，分别为有缺陷的一类与无缺陷的一类，得到有缺陷的钢卷端面，检测结束。

2.根据权利要求1所述的基于机器视觉的检测钢卷端面缺陷方法，其特征在于，所述步骤(a)中，首先先将图像分成180*180像素的图像块，然后利用Canny边缘检测算法和较大阈值的PPHT算法，根据处理结果，消除背景图像块，并对前景图像块进行仿射变换调整，使前景图像块上钢卷层的纹理方向一致。考虑到仿射变换操作，在生成图像块时，行和列的覆盖率应大于或等于以保证原始图像的所有区域都可以检测到。

3.根据权利要求1所述的基于机器视觉的检测钢卷端面缺陷方法，其特征在于，所述步骤(b)中,采用高斯二阶导数的线性组合作为基滤波器进行图像处理，将处理结果与原图像进行线性叠加，增强所提取的前景图像块。

二维高斯函数G为：

其中，(x，y)坐标点的数字图像的标准差σ是二维函数。

二维高斯函数G的二阶导数为：

那么，可操纵滤波器使用的高斯二阶导数的线性组合为：

F_(x,y,σ,θ)＝G_xx·cos²θ+G_yy·sin²θ+2Gxy·sinθcosθ

其中，θ为过滤器的方向，范围为0°至360°，间隔为60°。

通过卷积运算，可以得到配位(x，y)处的响应。

4.根据权利要求1所述的基于机器视觉的检测钢卷端面缺陷方法，其特征在于，所述步骤(c)中，利用Canny算法和较小阈值的PPHT算法，限制检测结果的角度阈值，提取潜在的缺陷区域，消除无缺陷区域的前景图像块。但由于图像的端面线圈表面不平，双阈值法可能会导致将无缺陷图像判定为有缺陷图像的问题。

5.根据权利要求1所述的基于机器视觉的检测钢卷端面缺陷方法，其特征在于，所述步骤(d)中，无缺陷图像沿水平轴有一个恒定的投影积分，沿垂直轴有一个周期低值。对于缺陷区域，其投影值沿水平轴有明显的波动，沿垂直轴的低值周期性也被破坏。所以利用数字图像的投影积分，可以提取到潜在缺陷区域的图像特征。

6.根据权利要求1所述的基于机器视觉的检测钢卷端面缺陷方法，其特征在于，所述步骤(e)中，利用支持向量机(SVM)，对有缺陷的图像块以及经过双阈值方法处理后误判得到的无缺陷图像块进行分类，最终检测出有缺陷的钢卷端面位置。