一种基于机器视觉的钢表面缺陷检测方法及系统

技术领域

本发明涉及检测识别技术领域，具体是一种基于机器视觉的钢表面缺陷检测方法及系统。

背景技术

钢板在高速、自动化的连续生产过程中，由于受原材料、轨制设备、系统控制等诸多技术因素的影响，导致钢板表面出现辊印、孔洞、裂纹、划痕、刮伤、表皮分层、麻点等不同类型的缺陷。这些缺陷严重影响了钢板的质量，使得钢板的抗腐蚀性、抗疲劳性、

耐磨性和电磁特性等大大降低。这就要求钢板生产企业要充分保障钢板的质量，以减少在生产过程中发生的停车、断带、堆积等严重事故，否则，可能对生产企业造成难以估计的经济和社会影响。因此，钢板表面的缺陷检测就成为钢板生产过程中极其重要的环节。

在传统的在钢材生产中，缺陷检测方法是采用人工检测、涡流检测、红外检测等。人工检测是一种简单重复性的、速度较快的、精力高度集中的工作，不仅给检测人员带来很大的压力，而且在检测人员目视检测过程中，必须降低钢板移动速度，相应的钢板轧制速度跟着降低，生产效率必然下降，很难做到精确和定量，瑕疵的记忆存储分析比较也很困难；涡流检测是利用电磁感应的原理，虽然可以实现非接触式测量，速度也较快，但是其穿透深度有限，需要接近被检测表面，当被检表面粗糙程度较大的时候会影响检测结果，检测精度降低；红外检测的使用限制条件较多，一般只在离线小范围内进行检测。随着视觉传感技术、计算机技术和图像处理技术的快速发展，机器视觉技术日趋成熟，已成为现代加工制造业不可或缺的核心技术。因此，研发一种机器视觉的钢表面缺陷检测方法及系统是亟需解决的问题。

发明内容

本发明的目的在于提供一种基于机器视觉的钢表面缺陷检测方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于机器视觉的钢表面缺陷检测系统，包括光学照明模块、工业摄像机、计算机图像采集处理模块、数据存储、输出报警模块以及操作控制模块构成。

进一步地，所述光学照明模块包括光源和照明方式，根据检测钢的材质，冷轧钢板适宜光强度适中的光源，如荧光灯、LED光源等，而对于热轧钢板，则需要选择频闪高亮光源。

进一步地，所述工业摄像机包括工业线阵CCD相机、光学镜头以及图像采集卡，工业摄像机模块设置在被测钢板的上方。

进一步地，一种基于机器视觉的钢表面缺陷检测方法，其工作步骤如下：

1）通过编写采集程序从工业摄像机采取图像；

2）将采集的图像进行滤波去噪；

3）进行图像分割；

4）图像分割后进行特征提取；

5）将提取的特征进行特征选择，

6）对缺陷目标进行分类识别，

7）将识别结果输出存入数据库，方便进行分析和控制以及缺陷报警的处理。

进一步地，所述步骤2中滤波方法采用非线性滤波，将邻域内所有像素点的值从小到大的顺序排序，取中间值作为中心像素点的输出值。就是利用一个奇数点的移动窗口，将窗口中心点的值用窗口各点的中间值代替。例如，若窗口内有 5点，其值分别为 118、88、98、128、158，那么计算中值就为 118。它不是通过对邻域内的所有像素点求平均值来消除噪声的，而是让与周围像素点灰度值的差比较大的像素点改取近似于周围像素点灰度值的值，从而实现消除噪声的目的。

进一步地，所述步骤5中特征选择是通过主成分分析法进行处理，可以在特征空间中找到一组向量，使特征空间从高维降到低维，并能可以保证在降维后保留特征的主要信息，新的特征被称为主成分，并且各个主成分之间线性无关，与原始特征相比，这些特征更为优越，采用主成分分析法实现钢板表面缺陷的特征降维。

进一步地，所述步骤6采用支持向量机Vapnik的分类方法对钢板表面缺陷的分类，通过支持向量机的理论、核函数及其性质及多类分类方法设计了多类分类器，解决了分类问题的核函数选择方法和参数优化方法。

与现有技术相比，本发明的有益效果是：本发明相比传统钢表面缺陷检测方法，大大提高的检测效率，更加智能化和自动化，无需人为干预，检测误差低，采用高速线阵相机搭配采集卡进行钢板表面图像采集，大大提高了图像采集效率，实现了高速准确的钢板表面图像采集，相比现有的机器视觉检测技术采用更加有效的图像滤波去噪技术，使图像更清晰，对于图像特征选择和缺陷分类识别的处理过程更加优化，检测结果更精准。

附图说明

图1为本发明一种基于机器视觉的钢表面缺陷检测方法及系统的系统结构示意图。

图2为本发明一种基于机器视觉的钢表面缺陷检测方法及系统的计算机处理流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例中，一种基于机器视觉的钢表面缺陷检测系统，包括光学照明模块、工业摄像机、计算机图像采集处理模块、数据存储、输出报警模块以及操作控制模块构成。

所述光学照明模块包括光源和照明方式，根据检测钢的材质，冷轧钢板适宜光强度适中的光源，如荧光灯、LED光源等，而对于热轧钢板，则需要选择频闪高亮光源。

所述工业摄像机包括工业线阵CCD相机、光学镜头以及图像采集卡，工业摄像机模块设置在被测钢板的上方。

请参阅图2，一种基于机器视觉的钢表面缺陷检测方法，其工作步骤如下：

通过编写采集程序从工业摄像机采取图像；

将采集的图像进行滤波去噪；

进行图像分割；

图像分割后进行特征提取；

将提取的特征进行特征选择，

对缺陷目标进行分类识别，

将识别结果输出存入数据库，方便进行分析和控制以及缺陷报警的处理。

在步骤2中滤波方法采用非线性滤波，将邻域内所有像素点的值从小到大的顺序排序，取中间值作为中心像素点的输出值。就是利用一个奇数点的移动窗口，将窗口中心点的值用窗口各点的中间值代替。例如，若窗口内有 5点，其值分别为 118、88、98、128、158，那么计算中值就为 118。它不是通过对邻域内的所有像素点求平均值来消除噪声的，而是让与周围像素点灰度值的差比较大的像素点改取近似于周围像素点灰度值的值，从而实现消除噪声的目的。

在步骤5中特征选择是通过主成分分析法进行处理，可以在特征空间中找到一组向量，使特征空间从高维降到低维，并能可以保证在降维后保留特征的主要信息，新的特征被称为主成分，并且各个主成分之间线性无关，与原始特征相比，这些特征更为优越，采用主成分分析法实现钢板表面缺陷的特征降维。

在步骤6采用支持向量机Vapnik的分类方法对钢板表面缺陷的分类，通过支持向量机的理论、核函数及其性质及多类分类方法设计了多类分类器，解决了分类问题的核函数选择方法和参数优化方法。

本发明相比传统钢表面缺陷检测方法，大大提高的检测效率，更加智能化和自动化，无需人为干预，检测误差低，采用高速线阵相机搭配采集卡进行钢板表面图像采集，大大提高了图像采集效率，实现了高速准确的钢板表面图像采集，相比现有的机器视觉检测技术采用更加有效的图像滤波去噪技术，使图像更清晰，对于图像特征选择和缺陷分类识别的处理过程更加优化，检测结果更精准。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。