[发明专利]一种泡沫镍表面缺陷的检测方法

说明书

技术领域

本发明涉及图像识别处理技术领域，尤其是涉及一种泡沫镍表面缺陷的检测方法。

背景技术

泡沫镍是通过对镍金属进行一系列物理化学加工后得到的一种新型功能材料，作为车用电池的基材，泡沫镍对电池性能的影响极大。泡沫镍表面呈银灰色的金属光泽，形态类似于金属海绵，质量上要求表面平整、无划伤、无裂纹、无破损、无油污和无氧化。

然而，在泡沫镍制备过程中，由于原料，加工工艺(PVD、电镀、烧结等)等方面因素，导致泡沫镍表面出现污染，压痕，折痕，镍皮，裂纹，划线，漏镀等多种不同类型的缺陷，这些缺陷严重影响最终成品的性能和质量。比如，图1A给出了无表面缺陷的泡沫镍表面示意图，泡沫镍的表面平整、无划伤、无裂纹、无破损、无油污和无氧化；图1B给出了表面有裂纹缺陷的泡沫镍表面示意图，裂纹指泡沫镍的表面纹理存在肉眼明显可见或轻施外力可见的断裂情况；图1C给出了表面有漏镀缺陷的泡沫镍表面示意图，漏镀缺陷为泡沫镍制备过程中电镀工艺不合格的反应；图1D给出了表面有污染缺陷的泡沫镍表面示意图，污染缺陷时泡沫镍表面受油、尘、蚊蝇或炉膛内冷凝水等其他物质沾污而引起的表面局部颜色变化。

目前对泡沫镍表面缺陷的检测和识别主要采用人工检测手段，即在制备过程中操作人员通过肉眼观察传送带上的泡沫镍，凭经验对泡沫镍的缺陷进行人工判决，进而进行相应的手动处理。该方式存在劳动强度大，效率低，主观性强和检错率高。由于质量检测分析滞后，也难以有效在线优化泡沫镍的生产过程。

发明内容

本发明提出一种泡沫镍表面缺陷的检测方法，利用图像处理技术准确提取泡沫镍表层视觉特征，进而完成过程泡沫镍表面缺陷的识别判断，以解决目前依靠人工视觉检测存在漏检、准确率不高等缺陷。

一种泡沫镍表面缺陷的检测方法，其包括：

步骤S1.获取泡沫镍表面图像，进行下采样处理得到图像A；

步骤S2.对图像A进行NSCT变换，得到若干子图像；

步骤S3.对子图像在多个方向上求取灰度共生矩阵GLCM，并计算Haralick特征统计量得到特征统计向量；

步骤S4.采用KPCA对特征统计向量进行降维处理；

步骤S5.将降维后的特征统计向量作为模型输入，采用最优有向无环图支持向量机DAG-SVM算法对泡沫镍的表面缺陷进行识别。

其中，步骤S5具体包括：

步骤S51.计算不同类别样本的重心

步骤S52.计算每个类别的重心到其他类重心的距离的均值

步骤S53.对各类别计算的距离按从大到小顺序进行排列得到新类别序列；

步骤S54.对新类别序列按照平均距离从大到小，以数列的两端为起始位置交替地向中间排列，得到最优排序序列，使得最优序列中越靠近数列两端的类别平均距离越大，越靠近中间位置的类别平均距离越小；

步骤S55.根据最优排序序列生成最优有向无环图多分类器，实现多类别的区分；

其中，M表示泡沫镍表面缺陷的类别数量，N为每类缺陷的样本个数，(也就是每类缺陷图像数目)。x_ik表示第i类中第k个样本的特征统计向量，k＝1,2,…N。

其中，步骤S2是对图像A进行三级NSCT变换，得到得到21个子图像。

其中，步骤S3是选取像素间的距离度量d＝5，分别对其计算0°、45°、90°及135°四个方向上求取灰度共生矩阵GLCM。

其中，Haralick特征统计量包括熵S、逆差矩D、能量E和对比度I；

其中，从图像f(m,n)中灰度为u的像素出发，与偏角θ、距离为d、灰度为v的像素m+Δm,n+Δn同时出现的概率为P(u,v,d,θ)，

P(u,v,d,θ)＝{(m,n)|f(m,n)＝u,

f(m+d cosθ,n+d sinθ)＝v}

u,v＝0,1,…L-1,L

L是图像f(m,n)的灰度级数，θ为两像素顺时针与m轴的夹角，其取值通常为0°、45°、90°和135°；d表示2个像素之间的距离；P称为空间灰度相关矩阵。

与现有技术相比，本发明具有如下有益效果：