[发明专利]基于人工智能的带钢红锈缺陷检测方法

权利要求书

1.一种基于人工智能的带钢红锈缺陷检测方法，其特征在于，包括以下步骤：

步骤一，获取带钢的RGB图像，并去除背景，得到图像的感兴趣区域；

步骤二，将所述图像的感兴趣区域进行灰度化处理，得到灰度图像，并根据所述灰度图像分别得到通道R、G、B的灰度图；利用灰度共生矩阵法提取通道R的灰度图的熵特征图和对比度特征图；根据所述熵特征图和对比度特征图，对所述通道R的灰度图进行图像质量评价，得到所述通道R的灰度图质量指标；

步骤三，将所述通道R的灰度图与通道G和通道B的灰度图的平均值作差，获取灰度差异图；

步骤四，根据所述灰度差异图以及所述质量指标，获取单通道的红锈灰度特征图；

步骤五，将带钢RGB图像进行二值化处理后进行连通域分析，获取连通域面积；对所述红锈灰度图中的像素点值进行聚类，并根据连通域的位置，获得灰度图在对应连通域位置处的对比度特征值；

将所述对比度特征值、连通域面积以及连通域内的不同类的红锈像素值构成特征矩阵，输入分类器，获取红锈灰度图的缺陷程度。

2.根据权利要求1所述的基于人工智能的带钢红锈缺陷检测方法，其特征在于，所述红锈灰度特征为：

其中，为灰度差异图的第(,j)个像素的灰度值，γ(i,j)为第(,j)个像素的质量指标。

3.根据权利要求2所述的基于人工智能的带钢红锈缺陷检测方法，其特征在于，所述灰度差异图为：

其中，为灰度差异图的第(i,j)个像素的灰度值，I_R(i,j)为通道R灰度图中第(i,j)个像素的灰度值，I_G(i,j)、I_B(i,j)为通道G、B灰度图中第(i,j)个像素的灰度值。

4.根据权利要求2所述的基于人工智能的带钢红锈缺陷检测方法，其特征在于，所述灰度图质量指标为：

式中，γ(i,j)为第(,j)个像素的质量指标，g₁(i,j)为熵图I₁中第(,j)个像素的像素值，g₂(i,j)为对比度图I₂中第(,j)个像素的像素值，k为系数。

5.根据权利要求1-4中任一项所述的基于人工智能的带钢红锈缺陷检测方法，其特征在于，所述缺陷程度的获取方法为：

1)将带钢RGB图像进行二值化处理，其中红锈像素的像素值置为1，非红绣像素的像素值置为0，得到对应的二值图像，对二值图像进行连通域分析，获取连通域，并得到连通域的面积S_i；

2)根据连通域的位置，获得图像IMG中不同类在连通域对应位置处的像素值序列，得到特征向量α_i；

3)获得对比度特征图I₂在连通域对应位置处的像素值序列，得到对比度特征向量β_i；

4)将连通域面积S_i、特征向量α_i、对比度特征向量β_i送入分类器，获得红锈缺陷程度。

6.根据权利要求1所述的基于人工智能的带钢红锈缺陷检测方法，其特征在于，所述聚类采用K均值聚类方法。