[发明专利]基于图像处理的带钢边裂缺陷检测方法及系统

说明书

本发明涉及人工智能领域，具体涉及一种基于图像处理的带钢边裂缺陷检测方法，包括：获取带钢图像；得到带钢边缘；对带钢边缘进行滑窗遍历，利用每个滑窗中像素点的位置信息得到该滑窗中中间像素的偏移角度；计算所有中间像素与水平方向的偏移角度序列的方差，根据方差判断带钢边缘是否存在缺陷；对带钢存在缺陷的边缘的所有中间像素与水平方向偏移角度进行聚类，得到正常类和缺陷类；将缺陷类中所有偏移角度进行排序，根据各偏移角度的连续性对缺陷类进行划分，得到所有缺陷区域，进而确定缺陷位置；根据缺陷位置的缺陷深度对带钢进行切割。上述方法用于检测带钢的边裂缺陷，通过上述方法可提高边裂缺陷检测的准确度。

技术领域

本发明涉及人工智能领域，具体涉及一种基于人工智能和图像处理的带钢边裂缺陷检测的方法及系统。

背景技术

锯齿形边裂是一种严重的边部缺陷，指带钢边部的一侧或两侧出现破裂，缺损，其外观形貌以锯齿形即V型为主，有的呈Y型。边裂的存在不仅影响钢带质量，严重时会引起断带，连带的引起轧辊的损坏，干扰后续工序的正常加工，进而导致生产产量的下降，给企业造成较大的经济损失。所以对带钢进行边裂缺陷检测必不可少。

目前用于检测带钢边裂缺陷的手段主要是人工检测或与标准图像匹配进行缺陷检测。人工检测是根据操作人员已有经验对每次生产后的带钢进行检测；与标准图像进行匹配是将待检测带钢与已经得到的标准图像进行匹配进而检测缺陷。

然而，人工检测方式依赖主观性，检测效率低，准确度不高；同时在实际加工过程中由于光照等环境因素的干扰，以及加工过程中带钢表面状况不同，仅通过标准图像难以实现对所有待测图像的匹配。因此，亟需一种方法提高对带钢边裂缺陷检测的准确度和效率。

发明内容

本发明提供了一种基于图像处理的带钢边裂缺陷检测方法，包括：获取带钢图像；得到带钢边缘；对带钢边缘进行滑窗遍历，利用每个滑窗中像素点的位置信息得到该滑窗中中间像素的偏移角度；计算所有中间像素与水平方向的偏移角度序列的方差，根据方差判断带钢边缘是否存在缺陷；对带钢存在缺陷的边缘的所有中间像素与水平方向偏移角度进行聚类，得到正常类和缺陷类；将缺陷类中所有偏移角度进行排序，根据各偏移角度的连续性对缺陷类进行划分，得到所有缺陷区域，进而确定缺陷位置；根据缺陷位置的缺陷深度对带钢进行切割，相比于现有技术，本发明利用计算机视觉，通过处理采集的带钢表面图像，得到带钢的边缘信息，根据边缘点与水平方向夹角的变化情况确定缺陷位置，并对缺陷程度进行评估，以确定后续切边工艺中的切边深度，可有效提高对带钢边裂缺陷检测的准确度，减少资源浪费。

为达到上述目的，本发明采用以下技术方案，一种基于图像处理的带钢边裂缺陷检测方法，包括：

获取带钢区域图像。

对带钢区域图像进行边缘检测，得到带钢边缘。

对带钢边缘进行滑窗遍历，利用每个滑窗中像素点的位置信息得到该滑窗中中间像素点的偏移角度。

计算所有中间像素点的偏移角度序列的方差，根据方差判断带钢边缘是否存在缺陷。

对带钢存在缺陷的边缘的所有中间像素点的偏移角度进行聚类，得到正常类和缺陷类。

按照滑窗顺序对缺陷类中所有偏移角度进行排序，根据各偏移角度的连续性对缺陷类进行划分，得到所有缺陷区域，根据所有缺陷区域确定缺陷位置。

根据缺陷位置对应的边缘像素点的纵坐标最大值和最小值得到缺陷深度。

根据缺陷深度确定带钢切边深度。

根据切边深度对带钢进行切割。

进一步的，所述一种基于图像处理的带钢边裂缺陷检测方法，所述滑窗中中间像素点的偏移角度是按照如下方式得到：

从左到右对带钢边缘进行滑窗遍历，将每次滑窗中的最后一个像素点作为下次滑窗的起始像素点，得到所有滑窗。