基于機(jī)器視覺的帶鋼表面缺陷的檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能檢測(cè)技術(shù)領(lǐng)域，特別涉及基于圖像處理的產(chǎn)品表面缺陷的自動(dòng)化檢測(cè)方法。
【背景技術(shù)】
[0002]在鋼鐵制造業(yè)中，從連鑄和熱軋到鍍鋅及精整，扁平帶鋼加工中各式各樣的質(zhì)量挑戰(zhàn)經(jīng)常出現(xiàn)。缺陷檢測(cè)與分類是質(zhì)量控制環(huán)節(jié)中非常重要的一環(huán)，材料表面質(zhì)量的優(yōu)劣直接影響最終產(chǎn)品的性能和質(zhì)量。面對(duì)越來越激烈的市場(chǎng)化競(jìng)爭(zhēng)，諸多企業(yè)對(duì)金屬材料表面質(zhì)量提出了越來越高的要求。工業(yè)生產(chǎn)中，由于各種技術(shù)或者生產(chǎn)工藝問題，會(huì)造成一定的缺陷。對(duì)于帶鋼這類表面積很大的產(chǎn)品，僅靠人工去識(shí)別缺陷，容易誤判缺陷類別以及錯(cuò)過微小缺陷，尤其是帶鋼處于高速運(yùn)轉(zhuǎn)狀態(tài)時(shí)。由此來看人工檢視缺陷不是一種高效的方法。為了避免人工檢測(cè)誤判造成的損失，有效降低生產(chǎn)成本、提升正品率并為客戶提供優(yōu)質(zhì)的產(chǎn)品，隨著CCD成像技術(shù)和計(jì)算機(jī)技術(shù)的迅猛發(fā)展，應(yīng)用機(jī)器視覺來解決缺陷的檢測(cè)與分類問題逐漸成為一種趨勢(shì)，通過計(jì)算機(jī)的輔助可以實(shí)現(xiàn)對(duì)帶鋼的表面質(zhì)量性能進(jìn)行精密的檢測(cè)與記錄。
[0003]通過相機(jī)采集鋼帶表面的圖像，采用一定的圖像處理的算法來獲得圖像上異常的區(qū)域，相對(duì)正常的區(qū)域，這一部分屬于缺陷區(qū)域。

【發(fā)明內(nèi)容】

[0004]為解決現(xiàn)有帶鋼表面缺陷依靠人工識(shí)別，造成檢測(cè)效率低、容易產(chǎn)生誤判的問題，本發(fā)明提供一種基于機(jī)器視覺的帶鋼表面缺陷的檢測(cè)方法，其技術(shù)方案如下:
[0005]基于機(jī)器視覺的帶鋼表面缺陷的檢測(cè)方法，包括以下順序步驟:
[0006]步驟1:濾波處理:
[0007]采用圖像采集設(shè)備將待檢測(cè)帶鋼讀入計(jì)算機(jī)，得到帶鋼彩色圖像，然后將帶鋼彩色圖像轉(zhuǎn)化成帶鋼灰度圖像，得到原始圖像f，原始圖像f中坐標(biāo)為第X列、第y行的像素點(diǎn)的灰度值為f (x，y)；
[0008]對(duì)原始圖像f進(jìn)行一次均值濾波，得到一次濾波圖像Π，一次濾波圖像f I中坐標(biāo)為第X列、第I行的像素點(diǎn)的灰度值為fl (X，y)；
[0009]對(duì)原始圖像f進(jìn)行二次均值濾波，得到二次濾波圖像f2，二次濾波圖像f2中坐標(biāo)為第X列、第I行的像素點(diǎn)的灰度值為f2 (X，y),其中二次均值濾波時(shí)所用的均值濾波器的窗口大于一次均值濾波時(shí)所用的均值濾波器的窗口 ；
[0010]步驟2:缺陷判定:
[0011]檢驗(yàn)以下數(shù)據(jù)是否在設(shè)定區(qū)間之內(nèi):
[0012]f (X, y)；
[0013]fl (X, y)；
[0014]f (X, y) — f2 (x, y)；
[0015]fI (x, y) — f2 (x, y)；
[0016]如果上述數(shù)據(jù)均在設(shè)定區(qū)間之內(nèi)，則判定待檢測(cè)帶鋼為初級(jí)合格品；
[0017]如果上述數(shù)據(jù)中有一個(gè)在設(shè)定區(qū)間之外，則判定待檢測(cè)帶鋼存在表面缺陷。
[0018]作為本發(fā)明方法的優(yōu)選方案:
[0019]所述步驟I還包括以下步驟:
[0020]沿縱向?qū)⒃紙D像f劃分為若干個(gè)單元，每一個(gè)單元包括相同行數(shù)的像素點(diǎn)，將每一個(gè)單元中每一列像素點(diǎn)的灰度值的平均值，作為一個(gè)新像素點(diǎn)的灰度值，得到重建圖像f3，重建圖像f3中坐標(biāo)為第X列、第k行的的新像素點(diǎn)的灰度值為f3 (X，k)，重建圖像f3中的坐標(biāo)為第x+1列、第k行的新像素點(diǎn)的灰度值為f3 (x+1, k)；
[0021]然后采用I Xm大小的濾波器對(duì)重建圖像f3進(jìn)行濾波，其中m為大于I的正整數(shù)，得到重建圖像f4，重建圖像f4中坐標(biāo)為第X列、第k行的的新像素點(diǎn)的灰度值為f4 (X，k)；
[0022]所述步驟2中的初級(jí)合格品還要進(jìn)行以下缺陷判定:
[0023]檢驗(yàn)以下數(shù)據(jù)是否在設(shè)定區(qū)間之內(nèi):
[0024]f3 (X, k) — f3 (x+1, k)；
[0025]f4 (x, k) — f3 (x, k)；
[0026]如果上述數(shù)據(jù)均在設(shè)定區(qū)間之內(nèi)，則判定初級(jí)合格品為合格成品；
[0027]如果上述數(shù)據(jù)中有一個(gè)在設(shè)定區(qū)間之外，則判定初級(jí)合格品存在表面缺陷。
[0028]作為本發(fā)明方法的進(jìn)一步優(yōu)選方案:
[0029]所述步驟I中的一次均值濾波，是指采用3X3大小的均值濾波器對(duì)原始圖像f進(jìn)行濾波；
[0030]所述步驟I中的二次均值濾波，是指采用21X21大小的均值濾波器對(duì)原始圖像f進(jìn)行濾波；
[0031 ] 所述步驟I中的m為9。
[0032]作為本發(fā)明方法的進(jìn)一步優(yōu)選方案:
[0033]f (X，y)中有一個(gè)在設(shè)定區(qū)間之外，則判定待檢測(cè)帶鋼存在大面積色差的缺陷；
[0034]fl (X，y)中有一個(gè)在設(shè)定區(qū)間之外，則判定待檢測(cè)帶鋼存在油污的缺陷；
[0035]f (X，y) - f2 (x, y)中有一個(gè)在設(shè)定區(qū)間之外，則判定待檢測(cè)帶鋼存在鋅浪、氧化鐵皮的缺陷；
[0036]fl (X，y) - f2 (x, y)中有一個(gè)在設(shè)定區(qū)間之外，則判定待檢測(cè)帶鋼存在點(diǎn)狀?yuàn)A雜的缺陷；
[0037]f3 (X，k) - f3 (x+1, k)中有一個(gè)在設(shè)定區(qū)間之外，則判定待檢測(cè)帶鋼存在長條劃傷的缺陷；
[0038]f4 (X，k) - f3 (x, k)中有一個(gè)在設(shè)定區(qū)間之外，則判定待檢測(cè)帶鋼存在長條來料劃痕的缺陷。
[0039]作為本發(fā)明方法的進(jìn)一步優(yōu)選方案:
[0040]所述步驟I中的原始圖像f包含512行，2048列個(gè)像素點(diǎn)。
[0041]作為本發(fā)明方法的進(jìn)一步優(yōu)選方案:
[0042]所述步驟I中沿縱向?qū)⒃紙D像f劃分為若干個(gè)單元時(shí)，每一個(gè)單元包括64行像素點(diǎn)。
[0043]本發(fā)明用于從帶鋼圖像中提取缺陷區(qū)域，可應(yīng)用于工業(yè)品表面缺陷檢測(cè)，屬于圖像處理問題，提供了一種基于圖像處理的缺陷類型的快速判斷方法。
[0044]通過本發(fā)明上述兩個(gè)步驟可以對(duì)整張圖像中像素點(diǎn)做是否屬于缺陷像素點(diǎn)的判斷。本發(fā)明與現(xiàn)有技術(shù)相比具有如下特點(diǎn):算法簡(jiǎn)單、運(yùn)算速度快、精確度高、誤檢率低等優(yōu)點(diǎn)，為工業(yè)產(chǎn)品表面缺陷檢測(cè)提供了一種新的可靠的方法。本發(fā)明可以檢測(cè)到的最小缺陷為涵蓋圖片的四個(gè)像素，并且缺陷灰度的信噪比至少為2:1，本發(fā)明的圖片上每個(gè)像素對(duì)應(yīng)鋼板實(shí)際大小為0.5mm*0.5mm,就是說最小能檢測(cè)到的缺陷,本發(fā)明方法對(duì)這種lmm*Imm缺陷的檢測(cè)率達(dá)到95%以上。
[0045]本發(fā)明的優(yōu)點(diǎn)在于通過多種濾波器組合能把帶鋼絕大多數(shù)的常見缺陷檢測(cè)出來
[0046]本發(fā)明中的圖像采集設(shè)備是指高速數(shù)字相機(jī)拍攝鋼帶表面，通過圖像采集卡讀入計(jì)算機(jī)。
【附圖說明】
[0047]圖1為本發(fā)明方法示意圖；
[0048]圖2為圖像原始數(shù)據(jù)與平滑數(shù)據(jù)以及判定方法示意圖；
[0049]圖3為線狀數(shù)據(jù)與平滑線狀數(shù)據(jù)示意圖；
[0050]圖4為基準(zhǔn)線判定、平滑基準(zhǔn)線判定、線狀灰度判定、線狀基準(zhǔn)線判定方法示意圖；
[0051]圖5為經(jīng)本發(fā)明方法檢測(cè)后判定存在大面積色差的帶鋼照片；
[0052]圖6為經(jīng)本發(fā)明方法檢測(cè)后判定存在鋅浪、氧化鐵皮的帶鋼照片；
[0053]圖7為經(jīng)本發(fā)明方法檢測(cè)后判定存在油污的帶鋼照片；
[0054]圖8為經(jīng)本發(fā)明方法檢測(cè)后判定存在點(diǎn)狀?yuàn)A雜的帶鋼照片；
[0055]圖9為經(jīng)本發(fā)明方法檢測(cè)后判定存在長條劃傷的帶鋼照片；
[0056]圖10為經(jīng)本發(fā)明方法檢測(cè)后判定存在長條來料劃痕的帶鋼照片；
[0057]圖11為原始圖像f中的其中一行像素點(diǎn)的灰度值波形圖。
【具體實(shí)施方式】
[0058]以下結(jié)合附圖以及實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)說明。以下實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
[0059]在本發(fā)明的一個(gè)實(shí)施例中，所述方法的流程如圖1所示，本實(shí)施例具體實(shí)施步驟如下(優(yōu)選地使用C++語言編程):
[0060]一種基于機(jī)器視覺的帶鋼表面缺陷的檢測(cè)方法，包括以下順序步驟:
[0061]步驟1:濾波處理:
[0062]在生產(chǎn)線上，采用圖像采集設(shè)備將待檢測(cè)帶鋼讀入計(jì)算機(jī)，得到帶鋼彩色圖像；
[0063]通過計(jì)算機(jī)將帶鋼彩色圖像轉(zhuǎn)化成帶鋼灰度圖像；
[0064]通過邊緣檢測(cè)獲取帶鋼的邊界，去除背景，得到帶鋼區(qū)域的圖像，即原始圖像f，其中原始圖像f包含512行，2048列個(gè)像素點(diǎn)，原始圖像f中的各個(gè)像素點(diǎn)的灰度值構(gòu)成原始數(shù)據(jù)，其中坐標(biāo)為第X列、第I行的像素點(diǎn)的灰度值為f (X，y)，如圖2所示；
[0065]然后按以下步驟對(duì)原始圖像f進(jìn)行處理:
[0066]步驟1.1:小窗口濾波:
[0067]采用3 X 3大小的均值濾波器對(duì)原始圖像f進(jìn)行濾波，即對(duì)于原始圖像f中的每一個(gè)像素點(diǎn)，用該像素點(diǎn)及其周圍最近的9個(gè)像素點(diǎn)的灰度平均值來代替該像素點(diǎn)的原始像素值，從而去除噪聲，得到一次濾波圖像Π，一次濾波圖像fl中的各個(gè)像素點(diǎn)的灰度值構(gòu)成平滑數(shù)據(jù)A，其中坐標(biāo)為第X列、第y行的像素點(diǎn)的灰度值為fl (X，y)，圖2中的平滑數(shù)據(jù)A是指所有平滑數(shù)據(jù)A的其中一行；
[0068]步驟I.2:大窗口濾波:
[0069]采用21X21大小的均值濾波器對(duì)原始圖像f進(jìn)行濾波，即對(duì)于原始圖像f中的每一個(gè)像素點(diǎn)，用該像素點(diǎn)及其周圍最近的441個(gè)像素點(diǎn)的灰度平均值來代替該像素點(diǎn)的原始像素值，在去除噪聲的同時(shí)，得到二次濾波圖像f2，二次濾波圖像f2中的各個(gè)像