[发明专利]一种在线自动检测多孔金属材料空洞缺陷的方法

摘要

本发明提供了一种在线自动检测多孔金属材料空洞缺陷的方法，包括训练分类器－测试－输出结果三步，将产品图像转化为灰度图像并均分成块区域，将块区域分为不包含空洞和包含空洞缺陷的两组样本，分别计算每组样本块区域的灰度均值、方差、平均梯度和共生矩阵特征值，以此作为分类的特征向量，完成分类器的训练后，实时采集待测产品的图像，转化为灰度图像并均分成块区域，在已经训练好的分类器上，计算每一个块区域的特征向量，并与样本特征向量比对，输出比对结果；本方法操作简单，准确率高，且可以在生产的同时实现自动检测，能提高出厂多孔金属材料的质量和合格率，降低生产成本，提高生产效率。

主权项

一种在线自动检测多孔金属材料空洞缺陷的方法，包括训练分类器－测试－输出结果三步，其特征在于：所述训练分类器按以下步骤操作，(Ⅰ)采用可采集图像数据装置拍摄产品图像，选取N张在相同拍摄条件下得到的同种多孔金属材料产品的有空洞缺陷图像和N张同种多孔金属材料正常产品图像，选取的图像的大小和分辨率相同，图像分辨率至少为256×256，N值为100以上的整数；(Ⅱ)采用具有数据处理功能的机器，将选取的图像全部转化为灰度图像，对每一张灰度图像分成大小为n×n像素块的块区域，将(Ⅰ)中的产品图像分成的块区域分为A、B两组，A组是不包含空洞的块区域，B组是包含空洞缺陷的块区域，A、B两组的区域块数分别至少为100；所述n值为64～128的整数；(Ⅲ)在上述具有数据处理功能的机器内，对每一张灰度图像，分别计算其按步骤(Ⅱ)选定的A或/和B组样本像素块的灰度均值、灰度方差、灰度平均梯度和特定计算条件下的按公式(1)计算得到的灰度共生矩阵特征值，将A组样本得到的上述特征值构为正样本特征向量，将B组样本得到的上述特征值构为负样本特征向量，并分别给出不同的标识，完成分类器训练；A组和B组样本的灰度共生矩阵特征值的计算条件一致；T＝α∑I1(x,y)+β∑I2(x,y)+γ∑I3(x,y)   公式(1)公式(1)中∑I1(x,y)是共生矩阵对角线和像素点与顶点连线夹角在0°～15°范围内的共生矩阵元素值的总和，∑I2(x,y)是对角线和像素点与顶点连线夹角在16°～30°范围内的值的共生矩阵元素值的总和，∑I3(x,y)是对角线和像素点与顶点连线夹角在31°～45°范围内的共生矩阵元素值的总和；α、β、γ为相应系数，且α＜β＜γ；灰度共生矩阵值的计算条件：像素点偏离横坐标a值为3～5的整数，像素点偏离纵坐标b值为0～2的整数，灰度值的级数L值为18～22的整数；完成分类器的训练后，采用与训练分类器完全相同的数据图像采集条件实时采集待测产品的图像，转化为灰度图像后，再分成大小为n×n像素块的块区域，所述n值为64～128的整数，计算每一个像素块的灰度均值、灰度方差、灰度平均梯度和特定计算条件下的按公式(1)计算得到的灰度共生矩阵特征值，其灰度共生矩阵特征值的计算条件与样本的灰度共生矩阵特征值的计算条件一致，在已经训练好的分类器上，将待测产品每一个块区域的由上述四个特征值组成的特征向量与所述正样本特征向量或/和负样本特征向量比对，并输出比对的结果。