[发明专利]一种高端制造用的钢板切割质量检测方法

说明书

本发明涉及图像处理技术领域，具体涉及一种高端制造用的钢板切割质量检测方法。该方法包括：获取钢板切面的灰度图像；根据灰度图像中各连通域内各像素点的位置分布、各像素点与其相邻像素点的灰度差异，得到对应的稳定程度；基于稳定程度和像素点的灰度值确定各连通域纹理特征值的分布区间；根据分布区间、灰度图像中像素点的灰度值、图像数据集中各历史图像中像素点的灰度值，筛选目标历史图像；基于目标历史图像在K‑means聚类时对应的目标K值以及灰度图像中各连通域纹理特征值的分布区间，对灰度图像中的像素点进行聚类获得聚类结果，进而判断钢板的切割质量是否合格。本发明提高了钢板切割质量检测结果的准确度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种高端制造用的钢板切割质量检测方法。

背景技术

激光切割技术可以在钢板上进行精确、高速、高质量的切割，在整个切割领域中是重中之重。激光切割技术在工业环境下，无法一直保持合适的切割速度和功率，不可避免的会存在切割质量不佳的情况，切面表面会存在一些深浅不一的裂隙，这些裂隙对高端制造用的钢板质量评价影响十分大，因此需要对切割后的高端制造用的钢板进行切割质量检测，以便于及时对钢板切割方法进行调整。

现有的对于钢板表面的切割质量检测一般采用K-means聚类算法，但是此算法依赖K的选择，对噪声过于敏感，且初始聚类中心设置的不同可能会导致最终获得的聚类结果不同，只能粗略的体现缺陷数量，无法对缺陷程度进行量化，进而导致无法准确地对钢板切割质量进行评价。

发明内容

为了解决现有方法在对钢板切割质量进行检测时存在的检测结果的准确度较低的问题，本发明的目的在于提供一种高端制造用的钢板切割质量检测方法，所采用的技术方案具体如下：

本发明提供了一种高端制造用的钢板切割质量检测方法，该方法包括以下步骤：

获取待检测钢板切面的灰度图像；

利用滑窗在所述灰度图像上滑动获得各窗口区域，对各窗口区域进行边缘检测获得各窗口区域内的各连通域；根据各连通域中各像素点的位置分布、各像素点与其相邻像素点的灰度差异，得到各连通域对应的稳定程度；基于所述稳定程度和像素点的灰度值确定各连通域纹理特征值的分布区间；

根据所述灰度图像中各连通域纹理特征值的分布区间、所述灰度图像中像素点的灰度值、图像数据集中各历史图像中像素点的灰度值，从图像数据集中筛选目标历史图像；

基于目标历史图像在K-means聚类时对应的目标K值以及所述灰度图像中各连通域纹理特征值的分布区间，采用K-means聚类算法对所述灰度图像中的像素点进行聚类获得聚类结果；结合所述聚类结果和目标历史图像中各连通域纹理特征值的分布区间，判断待检测钢板的切割质量是否合格。

优选的，滑窗的尺寸的获取，包括：

对所述灰度图像进行阈值分割获得各目标子区域，分别获取各目标子区域的最小外接矩形；计算所有最小外接矩形的平均宽度；

将滑窗的长和宽均设置为所述平均宽度的预设倍数。

优选的，所述根据各连通域中各像素点的位置分布、各像素点与其相邻像素点的灰度差异，得到各连通域对应的稳定程度，包括：

对于任一连通域：

对于该连通域中的任一行：将该行各像素点的两个相邻像素点的灰度差异，确定为对应像素点的横向差分值；分别计算该行各横向差分值的平方值，将该行所有横向差分值的平方值的和值记为该行对应的第一指标；将所述第一指标与所述所有最小外接矩形的平均宽度的比值，确定为该行的行灰度变化参数；

对于该连通域中的任一列：将该列各像素点的两个相邻像素点的灰度差异，确定为对应像素点的纵向差分值；分别计算该行各纵向差分值的平方值，将该行所有纵向差分值的平方值的和值记为该列对应的第二指标；将所述第二指标与所述所有最小外接矩形的平均宽度的比值，确定为该列的列灰度变化参数；

对该连通域进行直线检测获得该连通域中的各直线段；