[发明专利]一种基于图像识别的带钢缺陷检测方法

说明书

本发明提供了一种基于图像识别的带钢缺陷检测方法；包括以下步骤：步骤1，获取检测图像；步骤2，对图像Isubgt;1/subgt;进行预处理，步骤3，构建背景模板图像Isubgt;3/subgt;；步骤4，对图像Isubgt;2/subgt;进行增强；步骤5，对图像Isubgt;5/subgt;进行分割；步骤6，提取缺陷特征量；步骤7，缺陷分类识别；步骤8，搭建平台软件。本发明所涉及的方法通过改进的图像处理算法对带钢图像进行滤波去噪，增强了图像缺陷特征，避免图像中有阴影、照度不均、对比度不同、背景复杂等情况的发生；本发明方法具有以下优点：实时检测、精准分类、高准确率；同时为带钢划痕缺陷检测提供一种新的实时检测思路。

技术领域

本发明属于人工智能技术领域；尤其涉及一种基于图像识别的带钢缺陷检测方法。

背景技术

随着科学技术的快速发展，钢铁后续加工行业对钢铁表面质量提出了更为严苛的要求。然而，由于带钢在生产过程中极易受原材料化学成分、轧制工艺流程、生产环境等因素的影响，在其表面形成划痕、夹杂、结疤、酸洗、麻点等不同类型的缺陷，这些缺陷不仅会造成产品不美观，而且更为担心的是带钢缺陷的严重程度将影响下游用户的生产与使用，因此，如何检测和控制带钢的质量已经成为带钢生产企业亟需解决的热点问题。

目前，划痕的检测手段主要是：人工开卷检测、基于机器视觉的检测。但是由于长时间工作和嘈杂生产环境的影响，人眼会出现视觉疲劳，难免会产生漏检的情况，检测效果不佳。为了提高检测效率，基于图像处理的划痕检测方式被提出用于提高缺陷检测的效率。然而，由于生产现场环境复杂、光照不均和带钢表面反光等原因，导致所采集的图像出现对比度差、细节不突出和边缘模糊等问题。对后续分割结果带来很大困难，而且造成带钢缺陷的检测准确度和效率降低。因此，亟需一种方法能提高对带钢边裂缺陷检测的准确度和效率，减少算法不稳定和鲁棒性差的问题，实现带钢缺陷实时检测。

发明内容

本发明的目的是提供了一种基于图像识别的带钢缺陷检测方法。本发明针对由于生产环境的影响，设备采集到的图像含有局部高亮或阴影，造成背景区域与缺陷区域区分不明显，给带钢表面缺陷检测难增大了难度的问题。本发明解决了现有技术中存在的算法复杂性过大、算法不稳定和鲁棒性差的问题。

本发明是通过以下技术方案实现的：

本发明涉及一种基于图像识别的带钢缺陷检测方法，具体步骤如下：

步骤1，获取检测图像，

在高亮度LED照明条件下，采用高分辨率工业相机对带钢上下表面进行实时采集，获得高清的图像I₁；

步骤2，对图像I₁进行预处理，

首先采用同态滤波算法对图像I₁不同程度的不均匀光照区域补偿得到光照均匀的图像I₂；

步骤3，构建背景模板图像I₃，

采用高斯滤波器对原图像I₁进行卷积运算，估计出每个像素点背景灰度值的大小，从而得到背景模板；

所述高斯滤波器对原图像进行卷积运算，见公式(1)：

式(1)中，G(x,y)为二维高斯分布函数，σ为灰度值的标准差，决定滤波器对图像的平滑程度，σ选取越大，高斯滤波器的频带就越宽，平滑程度就越好；所述背景模板的f_b(x,y)可以由(2)得到；

f_b(x,y)＝G(x,y)*f(x,y)      (2)

式中，f_b(x,y)为背景模板图像，f(x,y)为图像I₂，*为卷积；