[发明专利]一种基于图像的生球裂纹自动检测与识别方法

说明书

本发明公开了一种基于图像的生球裂纹自动检测与识别方法，属于图像处理技术领域，包括以下步骤：输入被检测生球图像；提取生球区域灰度图及背景区域二值图；对生球区域灰度图进行滤波去噪和增强处理，对背景区域二值图像进行膨胀处理；对预处理后的生球图像进行裂纹检测，然后利用自定义阈值获得二值化的裂纹图像；根据二值化的裂纹图像和膨胀后的背景图像，消除生球边缘造成的响应；对边缘处理后的图像进行连通区域的面积检测，识别是否存在裂纹。本发明可以用于生球质量检测中对生球的深裂纹、浅裂纹、网状裂纹、线性裂纹等多种裂纹的自动检测与识别。本发明加快检测流程、提高对裂纹的检测率，提高生球质量检测和质量控制的自动化水平。

技术领域

本发明属于图像处理技术领域，涉及一种基于图像的生球裂纹自动检测与识别方法。

背景技术

球团矿是现代高炉炼铁的重要原材料。铁矿粉在旋转的圆盘造球机作用下，与水混合形成圆球状的生球颗粒。生球经过干燥、硬化、冷却成为球团矿，供炼铁生产使用。生球的性能质量直接影响后续工艺的进行，其落下强度和爆裂温度是两个重要的质量指标。

落下强度是指将生球从500mm的高度落至10mm厚的钢板上，规定到它出现裂纹时落下的次数为落下强度。通常用1.0-2.0m/s气流速度、10％生球有裂纹或爆裂时的温度作为生球的爆裂温度。二者都需要在测量过程中检测生球是否出现裂纹，目前工厂中主要是通过人工肉眼进行观察，这种人工方式效率低，劳动强度大，且无法实现生球质量在线自动检测与控制。

目前，基于图像的生球裂纹检测在国内甚至世界上都没有相应的研究，虽然在桥梁、隧道、路面等混凝土表面以及太阳能电池表面有裂缝检测方面有相关研究报导，但是，生球裂纹检测与以上技术最大的不同是，由于生球粒径只有9-16mm，拍摄区域含有大面积的背景，而桥梁路面等图像包含的均是被检测物体本身。另外，生球是由铁矿精粉等原料在水的毛细力和机械力，通过旋转和挤压形成的圆形颗粒，表面没有经过如路面的平滑等二次操作，因此其表面粗糙，凹凸不平，容易在检测过程中被误认为裂纹。由于生球的特性，使得目前现有的裂纹检测方法不能直接用于生球裂缝检测当中。因此，为提高工厂的检测效率、实现裂缝检测自动化，有必要采用基于图像的生球裂纹自动检测方法。

发明内容

本发明的目的在于克服现有技术中存在的缺陷，提供一种基于图像的生球裂纹自动检测与识别方法。可以应用于各球团矿厂生球落下强度和爆裂温度的检测以及生球质量的检测过程或装置中，并且具有检测精度高、检测时间满足实时检测要求的特点。

其具体技术方案为：

一种基于图像的生球裂纹自动检测与识别方法，包括以下步骤：

S1、生球图像输入；输入被测生球图像；

S2、生球及背景区域提取；从输入的生球图像提取为生球区域灰度图和背景区域二值图；

S3、图像预处理；对生球区域灰度图进行滤波和增强处理，对背景区域二值图进行膨胀处理，获得背景模板；

S4、裂纹检测；对预处理后的生球图像进行裂纹检测，然后利用自定义阈值二值化处理；

S5、消除生球边缘响应；

S6、裂纹识别。

进一步地，所述步骤S1中，输入的生球图像获取方式为：使用工业相机，调整照明系统参数，保证每次采集的光照条件和相机参数一致，采集生球图像，将该图像作为输入。

进一步地，所述步骤S1中，由于生球是由铁矿粉和水的共同作用下形成的，因此每次采集图像的背景可能含有其他生球或自身掉落的粉屑，造成图像背景复杂多变。

进一步地，所述步骤S2具体为：

1)使用Snake活动轮廓模型获取生球图像I中的轮廓v(s)，其计算公式为：