[发明专利]一种高速宽型板材检测方法

权利要求书

1.一种高速宽型板材检测方法，其特征在于，包括以下步骤：

S1：将宽型板材(2)放置在高速传送带(1)上，并在高速传送带(1)的上方两端均安装漫反射光源(3)；

S2：在板材检测流水线上，宽型板材(2)进入检测工序后，用图像采集模块对宽型板材(2)的图像进行采集；

S3：在高速传送带(1)上安装编码器进行径向运动编码，对宽型板材(2)进行测速和测长；

S4：用两台计算机(7)分别对图像采集模块采集的图像进行表面缺陷的检测和储存，然后将检测结果传输至图像处理模块进行处理；

S5：对图像进行表面缺陷的检测后对图像进行拼接处理；

S6：用缺陷识别模块进行图像缺陷特征的提取和缺陷的分类，完成高速宽型板材的检测。

2.根据权利要求1所述的一种高速宽型板材检测方法，其特征在于，所述S2中，图像采集模块包括多个单目相机(4)和图像采集卡，图像采集模块采用多相机连检方式进行图像采集，单目相机(4)为N个，N为大于等于3的整数，将单目相机(4)连接触发器(5)，然后将触发器(5)连接转换器(6)，再将转换器(6)连接两台计算机(7)，用已经标定好的N个单目相机(4)结合图像采集卡，采集宽型板材(2)的图像并进行数据采集。

3.根据权利要求1所述的一种高速宽型板材检测方法，其特征在于，所述S4中，用两台计算机(7)分别对图像采集模块采集的图像进行预处理，然后对图像进行表面缺陷的检测和储存。

4.根据权利要求1所述的一种高速宽型板材检测方法，其特征在于，所述S5中，拼接处理方法为：采用图像拼接技术，采取表面边缘检测的方式以每2×10米对图像进行拼接处理。

5.根据权利要求1所述的一种高速宽型板材检测方法，其特征在于，所述S6中，首先采用基于面积的图像降噪技术对图像进行去噪处理，然后提取缺陷特征，最后采用BP神经网络算法对缺陷进行识别分类。

6.根据权利要求5所述的一种高速宽型板材检测方法，其特征在于，所述S6中，采用BP神经网络算法对缺陷进行识别分类，识别过程包括以下步骤：

1、对采样特征值进行归一化处理；

2、网络结构的选择；

3、激活函数和相关参数的确定；

4、设定输出期望值；

5、训练分类模型并进行预测，完成识别。

7.根据权利要求1所述的一种高速宽型板材检测方法，其特征在于，所述S6中，缺陷包括孔洞、擦伤、凹痕、锈蚀、折痕和凸痕。