[发明专利]一种基于机器视觉的检测钢卷端面缺陷方法

说明书

本发明公开了一种基于机器视觉的理论技术，提出一种双阈值方法检测钢卷端面缺陷，能快速、准确地检测钢卷端面的缺陷区域。这种方法具有效率高、成本低、自动化等优点，主要包括以下步骤：用Canny算法和较大阈值的PPHT算法，消除背景图像块，对前景图像块进行仿射变换；利用高斯滤波器进行图像处理，增强提取的前景图像块；用Canny算法和较小阈值的PPHT算法，限制结果的角度阈值，提取潜在缺陷区域；利用数字图像的投影积分，提取潜在缺陷区域的图像特征；使用支持向量机，对有缺陷的图像块和误判的无缺陷图像块进行分类，检测结束。本发明能去除非缺陷区域，减少数据处理量，提高检测速度并准确地检测出钢圈端面缺陷区域。

技术领域

本发明涉及表面缺陷检测领域，具体涉及一种基于机器视觉的检测钢卷端面缺陷方法。

技术背景

随着科学技术和工业制造地巨大进步，钢铁已经成为许多工业领域不可缺少的原材料，如机械制造、航天航空、化学工业和国防军事。由于轧制设备和加工工艺等多种原因，带钢表面和端面形成了不同类型的缺陷。这些缺陷不仅影响了产品的外观，还降低了产品的耐磨性和疲劳强度，直接影响了产品的最终性能和质量。在现有的检测方法中，基于傅里叶光谱特征的方法计算量大，不适用于小块局部缺陷检测的问题；离散正交小波法对边缘的增强效果不理想；基于模型的方法(包括马尔可夫随机场模型、聚类模型等)的参数估计比较困难。随着工业信息化的发展，基于机器视觉的缺陷检测技术逐渐被应用到工业材料的缺陷检测系统中。基于机器视觉的检测技术具有效率高、成本低、自动化等优点，在缺陷检测中得到了广泛的应用。

发明内容

本发明的目的在于，针对现有的技术存在的缺陷，提供一种检测钢卷端面缺陷的方法，能够能够准确、快速地检测出钢卷端面的缺陷。本发明为达到上述目的，采用下述方案：

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。

(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、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、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：