[发明专利]一种金属工件表面缺陷图像检测方法

说明书

本发明公开了一种金属工件表面缺陷图像检测方法。首先，通过专业成像设备采集金属工件表面图像，然后对采集到的图像进行图像前期预处理，包括，光照不均图像灰度校正、图像滤波、图像阈值分割等步骤；进一步地对预处理后的图像进行特征提取与分析，引入亚像素边缘检测算法对金属工件进行边缘检测；最后采用灰度共生矩阵算法，将模板图像与测量图像进行模板匹配，从而对金属工件表面进行缺陷检测。本发明提供的金属工件表面缺陷图像检测方法，将基于机器视觉的自动化检测技术替代传统的人工目测，提升了生产效率，减低人工成本，且采用亚像素边缘检测算法提高了金属工件缺陷检测精度，优化生产品质。

技术领域

本发明涉及一种金属工件表面缺陷图像检测方法，属于金属表面缺陷检测领域。

背景技术

工件表面缺陷检测是制造业在生产进程中稳定加工产品质量，提高加工生产效率的一个关键环节。在现代科学技术进步和经济增长的大环境下，整个制造行业的生产水平得到进一步提高，市场对产品质量提出了更高的要求。目前，对于加工过程中生产的各类工件，机床振动、刀具磨损、切屑与工件表面碰撞以及工件自身材质不均匀等问题，都可能导致工件表面出现划痕、烧伤、麻坑等各类缺陷，影响工件在后续工作中的稳定性与安全性。

传统的工件表面缺陷识别采用人工检测方法，即由工人对加工生产的产品进行抽样检测，以此确定所生产加工产品的总体质量。然而人工检测方法容易受到检测工人的主观性影响，难以对大批量生产加工产品的质量进行准确判断，同时检测效率底下，无法满足现代工业生产加工的相应需求。

发明内容

发明目的：针对上述状况，提出一种金属工件表面缺陷图像检测方法，将机器视觉检测技术应用于金属工件表面缺陷检测，提高生产质量和工业生产效率，降低人工劳动成本。

技术方案：一种金属工件表面缺陷图像检测方法，包括如下步骤：

步骤1：通过专业成像设备采集需要检测的金属工件表面图像；

步骤2：对采集到的金属工件图像进行前期预处理操作；

步骤3：对预处理后的工件图像进行特征提取与分析，采用亚像素边缘检测算法对金属工件进行边缘检测；

步骤4：采用灰度共生矩阵算法，将模板图像与测量图像进行模板匹配，检测金属工件表面缺陷。

进一步的，所述的步骤2中的对采集到的金属工件图像进行前期预处理操作包含以下步骤：

步骤2.1：光照不均图像灰度校正：首先将图像从RGB通道变换到HSV色彩空间，利用式(1)，通过基于多尺度高斯函数方法估计图像中的光照分量L(x，y，k)：

式中表示卷积运算；(x，y)表示图像中像素坐标；I(x，y)表示原图像；G(x，y，k)为可变化尺度的高斯函数；k代表尺度因子；

利用不同尺度的高斯函数分别提取出光照分量再进行加权估计，最终得到光照分量如式(2)所示：

式中ω_i代表第i个尺度高斯函数提取出的光照分量的权重参数；

提取出图像的光照分量后，根据其分布特性对二维伽马函数的参数进行自适应调整，如式(3)所示：

式中M(x，y)为校正后图像的亮度值；γ为用于亮度增强的参数；m为一个图像中光照分量的均值；

图像亮度值进行修正后，重新和色调、饱和度合成彩色图像，并进行RGB变换，得到金属工件光照不均校正后的图像；为更好的反映图像的像素分布特征，同时减少图像识别计算量，采取加权平均法进行图像灰度化处理，如式(4)所示：