[发明专利]基于机器视觉的钢网表面缺陷判定方法

权利要求书

1.一种基于机器视觉的钢网表面缺陷判定方法，其特征在于，该方法包括以下步骤：

采集钢网的表面图像以得到对应的钢网灰度图像；

获取所述钢网灰度图像的灰度直方图，得到其最大灰度值和最小灰度值，根据所述最大灰度值和最小灰度值设置DBSCAN聚类算法的聚类半径，基于所述聚类半径将所述钢网灰度图像中的灰度值分为A个聚类簇，A为大于0的正整数；基于聚类簇将所述钢网灰度图像中的灰度值划分为N个灰度区间，N为大于0的正整数、且NA，根据划分后每个聚类簇中所包含的灰度区间数量和灰度区间对应的像素点数量构建目标函数，获取所述目标函数达到全局最优时对应的N个最优灰度区间；

基于所述钢网灰度图像的N个最优灰度区间对灰度值进行灰度等级量化，得到量化灰度图像；对所述量化灰度图像进行灰度共生矩阵的获取以得到每个像素点的纹理熵，构成所述表面图像对应的熵矩阵；将所述表面图像和对应的所述熵矩阵输入神经网络以确认钢网缺陷类型。

2.如权利要求1所述的一种基于机器视觉的钢网表面缺陷判定方法，其特征在于，所述根据划分后每个聚类簇中所包含的灰度区间数量和灰度区间对应的像素点数量构建目标函数的方法，包括：

根据灰度空间的数量和聚类簇的数量获取重新划分所需的B个分界点，利用B个分界点对A个聚类簇对应的初始灰度区间进行灰度区间的重新划分；

基于重新划分后的N个灰度区间，根据每个灰度区间的频率计算A个聚类簇的簇内频率均匀度和簇间频率均匀度，所述频率是指灰度区间内所包含的像素点数目占所述钢网灰度图像中所有像素点数目的频率；根据像素点的位置坐标计算A个聚类簇的簇内空间分散度均匀度和簇间空间分散度均匀度；根据每个灰度区间的灰度跨度计算A个聚类簇的簇内灰度跨度均匀度和簇间灰度跨度均匀度，所述灰度跨度是指灰度区间对应最大灰度级与最小灰度级之间的差值；

将所述簇内频率均匀度、所述簇内空间分散度均匀度和所述簇内灰度跨度均匀度线性组合成簇内均匀性评价值；将所述簇间频率均匀度、所述簇间空间分散度均匀度和所述簇间灰度跨度均匀度线性组合成簇间均匀性评价值，结合所述簇内均匀性评价值和所述簇间均匀性评价值构建N个灰度区间的所述目标函数。

3.如权利要求2所述的一种基于机器视觉的钢网表面缺陷判定方法，其特征在于，所述根据每个灰度区间的频率计算A个聚类簇的簇内频率均匀度和簇间频率均匀度的方法，包括：

由每个灰度区间的频率计算每个聚类簇的平均频率，根据每个灰度区间的频率与其所属聚类簇的平均频率之间的频率差异以得到每个聚类簇的频率差异之和，结合A个聚类簇的所述频率差异之和得到所述簇内频率均匀程度；

根据每个聚类簇的所述平均频率计算A个聚类簇之间所述平均频率的第一均值，由每个聚类簇的所述平均频率与所述第一均值之间的差异计算所述簇间频率均匀度。

4.如权利要求2所述的一种基于机器视觉的钢网表面缺陷判定方法，其特征在于，所述根据像素点的位置坐标计算A个聚类簇的簇内空间分散度均匀度和簇间空间分散度均匀度的方法，包括：

将每个灰度区间内所有像素点的位置坐标的均值作为对应灰度区间的中心位置坐标，计算灰度区间内的每个像素点的位置坐标与中心位置坐标之间的欧氏距离，得到每个灰度区间的距离均值，将距离均值作为对应灰度区间的空间分散度；

由聚类簇中每个灰度区间的所述空间分散度计算每个聚类簇的平均空间分散度，根据每个灰度空间的所述空间分散度与其对应的所述平均空间分散度之间的分散度差异得到每个聚类簇的空间分散度差异之和，结合A个聚类簇的所述空间分散度差异之和计算所述簇内空间分散度均匀度；

根据每个聚类簇的所述平均空间分散度计算A个聚类簇之间所述平均空间分散度的第二均值，由每个聚类簇的所述平均空间分散度与所述第二均值之间的差异计算所述簇间空间分散度均匀度。