[发明专利]基于多特征模糊识别的铜带表面缺陷检测系统

权利要求书

1.一种基于多特征模糊识别的铜带表面缺陷检测系统，其特征在于：所述系统包括：

编码器模块，用于获取铜带运行的速度信息，生成频率信号；

图像采集模块，用于采集铜带表面彩色图像；

图像处理模块，用于对铜带表面彩色图像进行缺陷检测，具体过程如下：

1)对传送来的铜带表面彩色图像进行灰度化处理，处理成灰度图像；

2)利用中值滤波算法进行噪声去除；

3)对图像进行预判断算法判断图像是否含有缺陷，算法的具体描述是将灰度图像f按图像的宽度等分为两幅图像f₁和f₂，将两幅图像对应的像素点的灰度值f₁(x_i，y_j)、f₂(x_i，y_j)相减，与整幅图像的像素值之和的1/2的比值δ作为判断采集得到的铜带表面图像是否含有缺陷的系数，当检测得到的比值δ不属于预设阈值范围区间，则判定含有缺陷；

4)如果含有缺陷则利用Canny算法进行缺陷图像的分割；

5)对分割出的缺陷提取对旋转、缩放具有不变性的宽长比、矩形度、圆形度和不变矩缺陷特征，得到特征向量；

6)对提取的特征向量，进过归一化处理到[0，1]范围内，输入模糊识别分类器，首先计算出缺陷的多特征向量的缺陷类型模糊分类系数矩阵，再将归一化的特征向量作为分类器的输入向量，识别出缺陷类型。

2.如权利要求1所述的基于多特征模糊识别的铜带表面缺陷检测系统，其特征在于：所述图像处理模块中，具体过程还包括以下步骤：

7)将识别出缺陷信息存入服务器模块中的数据库；

8)在原先采集的铜带彩色图像上以一种不同于铜带颜色的颜色标记出缺陷，在展 示模块中直观的显示。

3.如权利要求1或2所述的基于多特征模糊识别的铜带表面缺陷检测系统，其特征在于：所述步骤6)中，分类器的计算公式为：

其中：C_j是向量中的最大的元素，其下标i对应着缺陷的类型；m是特征向量中的特征个数，X_i是特征向量的第i个数值；j是缺陷类型的数目，W是区分度系数矩阵，W_ij是对应的多特征对缺陷类型的区分度，且单特征对所有缺陷类型的区分度之和为1。

4.如权利要求3所述的基于多特征模糊识别的铜带表面缺陷检测系统，其特征在于：根据在企业调研获取的铜带表面缺陷数据，计算出每种缺陷对应的每种特征的值；对样本进行统计，计算出多特征区分系数矩阵W_ij。

5.如权利要求3所述的基于多特征模糊识别的铜带表面缺陷检测系统，其特征在于：根据公式(23)对待分类数据进行计算，计算出缺陷类型C_i，确定缺陷类型并将数据加入样本，动态的调整多特征区分系数矩阵W_ij。

6.如权利要求1或2所述的基于多特征模糊识别的铜带表面缺陷检测系统，其特征在于：所述步骤5)中，宽长比小于一定的系数k时其属于划痕的可能性为78％，计算方法如下式：

k＝W/L    (8)

其中，W，L是表面缺陷的最小外接矩形的宽和长；

缺陷形状为矩形时为最大值1，为圆形时为π/4，对划痕的区分度大于65％，计算方法如下：

R＝S₀/S_r    (9)

其中，S₀，S_r是表面缺陷的面积和表面缺陷最小外接矩形的面积； 

圆形度表示物体的圆形程度，计算方法如下式：

其中，P₀，S₀是表面缺陷的周长和面积；

归一化式为：

O＝1-4π/K    (11)

不变矩是区域形状特征，计算方法如下：

区域R的(i，j)阶为：

点(x，y)是区域R的内点或边界点；

其中， 为区域R的形心，由下式求得：

中心矩μ_ij虽然对区域平移具有不变性，但对旋转和尺度变化依然敏感，可通过对μ_ij进行归一化得到尺度的不变性。归一化中心矩定义为：

由归一化的中心矩组合成7个不变的矩组合：

。