一种基于机器视觉的金属板材表面缺陷检测方法技术

本发明专利技术公开是关于一种基于机器视觉的金属板材表面缺陷检测方法，涉及数字图像处理技术领域。将红色条纹光投射到板材表面，使凹坑、凸起、划痕等缺陷被突显出来，使用CCD摄像机采集条纹投影图像；将彩色图像分解，突显光源的色彩信息，突显光源的色彩信息；提取条纹中心，通过算法判断线条的畸变情况，反映缺陷的大小。采用条纹的打光方式，消除镜面反射效应影响的同时，能够增强对板材表面缺陷的显现力，得到具有高质量的缺陷图像。针对不同类型、不同形态、不同位置的板材缺陷，检出效果100％适应，说明此方式适应于金属板材表面缺陷检测。说明此方式适应于金属板材表面缺陷检测。说明此方式适应于金属板材表面缺陷检测。

【技术实现步骤摘要】
一种基于机器视觉的金属板材表面缺陷检测方法


[0001]本专利技术公开涉及数字图像处理
，尤其涉及一种基于机器视觉的金属板材表面缺陷检测方法。

技术介绍

[0002]金属板材在汽车车身的生产中有着重要的应用，汽车行业的快速发展带动了金属板材的大批量生产，在板材需求量显著提高的同时，其质量也越来越受到人们的重视。轧制过程中由于连铸钢坯、轧制设备和轧制工艺等原因，轧制后板材表面会形成缺陷，这样既不美观也影响板材寿命和性能。因此，国内外众多科研机构和学者展开了对板材表面缺陷检测的研究。
[0003]从20世纪开始，至今大致经历3个检测阶段，分别是人工目视与离线抽检相结合、单纯机电技术或光学技术(涡流检测等)、光机电一体化的机器视觉。在长期的单一重复性工作中，工人容易产生疲劳，导致不合格的产品流入到应用市场中。且不同的工人操作的手法力度宽严也不尽相同，对于极限件合格性的判断会产生相对应的差异。
[0004]随着计算机视觉技术的发展，逐步出现了一些基于计算机视觉的缺陷检测方法，起初主要是利用CCD对钢板生产过程中的图像进行采集，利用相关的信号处理程序实现对表面缺陷的定位。接着出现了一些基于图像处理的表面缺陷阈值分割，静态检测与识别的研究。随后有学者将数据挖掘技术与表面缺陷检测结合起来，并建立了相应的表面缺陷数据挖掘关联规则系统。近些年来出现了一些新的检测方法，例如蒋芸等通过分析灰度图像在三维空间中的特点，提出了一种基于三维灰度矩阵的表面缺陷图像分割算法，胡联亭利用模式识别技术对缺陷进行了有效的分割与分类，崔洁将随机森林算法与传统的超声检测法相结合，通过提取特征的方式，对表面缺陷进行了检测及分类。虽然这些现有的方法都可以检测钢板表面的缺陷，但由于检测结果很大程度上依赖于图像处理结果的好坏，并且步骤繁琐，因此只能应用于静态的金属表面缺陷检测，无法实时地对生产过程进行监控。但金属板材表面反光强烈，缺陷成因复杂，使得缺陷检测系统性能的进一步提升遇到了瓶颈。
[0005]鉴于上述分析，现有技术中存在的问题是：
[0006](1)在长期的单一重复性工作中，工人容易产生疲劳，导致不合格的产品流入到应用市场中
[0007](2)不同的工人操作的手法力度宽严也不尽相同，对于极限件合格性的判断会产生相对应的差异。
[0008](3)金属板材表面反光强烈，缺陷成因复杂，在机器视觉检测中也存在诸多问题。
[0009]解决上述技术问题的难度在于：
[0010]板材表面缺陷类别众多，有凹坑、凸起、划痕等缺陷，位置存在板材表面任意地方、缺陷的状态、大小均不同。本文提出一种基于机器视觉的金属板材表面缺陷检测方法，适应不同类型、不同形态、不同位置的缺陷。通过条纹畸变情况，间接反映缺陷的大小，为现场员工提供了一个参考的依据。
[0032][0033][0034]其中，绝对值大的特征值所对应的特征向量即为初始点的法线方向；由式(4)、(5)可知u1＞u2，故u1对应的特征向量v1为初始点的法线方向，u2对应的特征向量v2为初始点的切线方向。
[0035]在一个实施例中，已经确定初始点P0(i0，j0)即其法线方向v1,沿着法线方向在初始点两侧分别找出幅值最大的点P1(i1，j1)、P2(i2，j2)，将此两点作为边界点，利用灰度重心法求出中心点P
c
(i
c
，j
c
)；中心点的计算过程为
[0036][0037]在中心点的切线方向附近找出与中心点相连接且幅值最小的点作为下一次求解的初始点，重复公式(3)、(4)、(5)、(6)。
[0038]本专利技术公开的实施例提供的技术方案可以包括以下有益效果：
[0039]第一、采用条纹的打光方式，消除镜面反射效应影响的同时，能够增强对板材表面缺陷的显现力，得到具有高质量的缺陷图像。针对不同类型、不同形态、不同位置的板材缺陷，检出效果100％适应，说明此方式适应于金属板材表面缺陷检测。
[0040]第二、通过彩色图像进行通道的分解，利用色彩信息提取板材表面条纹的纹理信息，并对提取到的纹理进行分析，判断。相比较于传统的算力以及运算时间节约50％。
[0041]第三、无缺陷处图像中曲线连续且曲率均匀，缺陷处图像中曲线会出现断裂和扭曲，其曲率变化较大。根据曲率的变化程度，可以计算处缺陷的大小。现场产线可以根据计算的结果进行有条件的筛选，提升检出效率，降低企业的运行成本。
[0042]当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0043]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0044]图1为本专利技术实施例中的基于机器视觉的金属板材缺陷检测方法的流程图。
[0045]图2为本专利技术实施例中提供的专利技术中涉及到板材表面的常见缺陷；
[0046]其中：a、凹坑图；b、划痕图；c、鼓包图；d、异物图；e、生锈图；
[0047]图3为本专利技术实施例中提供的专利技术中涉及到打光环境示意图。
[0048]图4为本专利技术实施例中提供的专利技术中涉及到条纹投影图。
[0049]图5为本专利技术实施例中提供的专利技术中涉及到通道分解图；
[0050]其中：a、R通道图；b、G通道图；c、B通道图；d、H通道图；e、S通道图。
[0051]图6为本专利技术实施例中提供的专利技术中涉及到阈值分割结果图。
[0052]图7为本专利技术实施例中提供的专利技术中涉及到条纹两次边界点图。
[0053]图8为本专利技术实施例中提供的专利技术中涉及到条纹中心提取结果图。
[0054]图9为本专利技术实施例中提供的专利技术中涉及到缺陷检测结果图。
具体实施方式
[0055]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施的限制。
[0056]需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本专利技术所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
[0057]除非另有定义，本专利技术所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本专利技术中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本专利技术所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0058]该基于机器视觉的金属板材表面缺陷检测方本文档来自技高网...

【技术保护点】

【技术特征摘要】
其中，绝对值大的特征值所对应的特征向量即为初始点的法线方向；由式(4)、(5)可知u1＞u2，故u1对应的特征向量v1为初始点的法线方向，u2对应的特征向量v2为初始点的切线方向。10.根据权利要求9所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，已经确定初始点P0(i0，j0)即其法线方向v1,沿着法线方向在初始点两侧分别找出幅值...

【专利技术属性】
技术研发人员：曹彬，胡江洪，袁帅鹏，
申请(专利权)人：菲特天津检测技术有限公司，
类型：发明
国别省市：