一种基于缺陷分布图谱的热轧带钢表面质量分级方法技术

本发明专利技术提供一种基于缺陷分布图谱的热轧带钢表面质量分级方法，属于智能检测技术领域。该方法利用热轧带钢表面缺陷检测系统的缺陷数据，绘制出单个缺陷类别、交叉易混缺陷类别等多种缺陷分布图谱，针对不同类别组合的缺陷分布图谱，依据其所具有的内部特征，可对应的采用置信度检测、直线检测、周期检测、聚类检测、分布特征检测等方式从缺陷分布图谱中寻找出供分级判断的关键特征，整合各缺陷分布图谱得到的关键特征，形成接近于人感知的上层分析模式图，实现数据的降维和降伪，通过结合钢种、规格、工艺参数等信息，针对性调整不同缺陷分布图谱中关键特征的等级标准，采用严重级别高掩盖严重级别低的原则，得到最终的带钢质量等级。级。级。

【技术实现步骤摘要】
一种基于缺陷分布图谱的热轧带钢表面质量分级方法


[0001]本专利技术涉及智能检测
，特别是指一种基于缺陷分布图谱的热轧带钢表面质量分级方法。

技术介绍

[0002]带钢生产过程中因来料、工艺、机械老化等问题会造成其表面产生很多缺陷。早期通过人工开卷的方式判断缺陷信息并进行记录，这种方式效率较慢且检测疏漏较多；近几年来，多采用基于机器视觉的表面检测设备进行缺陷检测，可实现对表面缺陷的全面记录，但仍无法摆脱人工参与，需要人工复查检测缺陷信息，再通过综合判断得到带钢等级，并确定钢卷是否需要封锁。
[0003]研究发现造成带钢不能自动判级的主要原因是目前的表面缺陷检测系统对于单个缺陷的识别率只能达到85％左右，通过单一缺陷的判级方式会直接受识别率低的影响，导致判级准确率不高，而且由于缺陷形态多样，各缺陷类别之间会存在互相混淆的情况，给自动分级带来了很大困难。

技术实现思路

[0004]本专利技术要解决的技术问题是提供一种基于缺陷分布图谱的热轧带钢表面质量分级方法，该方法利用热轧带钢表面缺陷检测系统的缺陷数据，绘制出单个缺陷类别、交叉易混缺陷类别等多种缺陷分布图谱，采用图像处理的方式对缺陷分布图谱进行信息挖掘，提取得到对于带钢分级起决定性作用的关键特征信息，进而实现带钢的自动分级。
[0005]该方法具体包括步骤如下：
[0006](1)利用带钢表面缺陷检测数据，按单独类别、易混类别分别进行数据组合，针对每一种数据组合依据缺陷的横向位置、纵向位置在预先设定的全黑背景图像上绘制各个缺陷点，形成不同类别组合的缺陷分布图谱；
[0007](2)针对不同类别组合的缺陷分布图谱，依据其所具有的内部特征(包括形态、灰度、周期性、长度、宽度、面积、连续性、分布情况等)，对应的采用置信度检测、直线检测、周期检测、聚类检测、分布特征检测从缺陷分布图谱中寻找出供分级判断的关键特征；
[0008](3)整合各缺陷分布图谱得到的关键特征，形成接近于人感知的上层分析模式图，实现数据的降维和降伪；
[0009](4)结合钢种、规格、工艺参数(如除磷、带钢温度等)信息，针对性调整不同缺陷分布图谱中关键特征的等级标准，采用严重级别高掩盖严重级别低的原则，保留关键特征中严重级别最高的等级作为最终的带钢质量等级。
[0010]其中，不同钢种的带钢分级标准不同，需要实际情况进行调整，例如有的钢种连续性缺陷达到1m需要降到B级，也有的钢种连续性缺陷需要达到2m才定为B级。带钢经过除磷工艺，铁鳞缺陷对分级影响较大；不经过除磷工艺的带钢，铁鳞缺陷对分级无影响。
[0011]上述，步骤(1)中将表面缺陷检测系统中的缺陷数据，在预定义大小的图像上进行
绘制，缺陷统一绘制为10
×
10像素大小；
[0012]缺陷在图像上绘制的横向像素位置：
[0013][0014]其中，P
d_w
为缺陷在图像上绘制的横向像素位置，W
I
为图像宽度，默认为2048；W
s
为带钢宽度，单位为mm；P
s_w
为缺陷在带钢宽度方向上的位置；
[0015]缺陷在图像上绘制的纵向像素位置：
[0016][0017]其中，P
d_l
为缺陷在图像上绘制的纵向像素位置，L
I
为图像高度，默认为8192；L
S
为带钢长度，单位为mm；P
s_l
为缺陷在带钢长度方向上的位置。
[0018]步骤(1)中首先针对不同类别的缺陷分别单独绘制缺陷分布图谱，然后对于缺陷识别时易混淆的缺陷类别进行组合，得到组合类别的缺陷分布图谱，其中，易混淆的缺陷类别包括辊印和斑点、重皮和划伤。
[0019]步骤(2)中对于不同类别组合的缺陷分布图谱分别寻找关键特征的具体过程如下：
[0020]对于单点缺陷，依赖于图像分类置信度和缺陷数量作为关键特征，单点缺陷包括结疤、边裂；
[0021]对于纵向连续性缺陷，通过对缺陷分布图谱进行阈值处理，即进行二值化处理，阈值为1；采用随机抽样一致算法寻找出图像中近乎直线的缺陷像素分布为关键特征加以保留，其余零散缺陷点忽略，纵向连续性缺陷包括划伤、狭缝；
[0022]对于周期性缺陷，在缺陷分布图谱上通过对横向位置一致的像素点根据间隔判断出是否存在周期，以及具体的周期值作为关键特征，其余零散缺陷点忽略；周期性缺陷包括辊印、压痕；
[0023]对于密集型缺陷，在缺陷分布图谱上首先采用图像像素聚类的方式，得到具有堆簇规律的区域，利用形态学变换将整个区域分割出，将区域像素面积超过指定大小(根据实际确定)的保留作为关键特征；密集型缺陷包括脱皮、夹杂；
[0024]对于分布型缺陷，将图像按长度方向均分成100个子区块，通过统计不同区块下缺陷像素点分布情况，确定出缺陷所占面积及分布离散度作为关键特征，分布型缺陷包括铁鳞、氧化铁皮。
[0025]其中，对于分布型缺陷统计时，针对每一子区块先进行二值化处理，然后计算缺陷所占面积比，公式如下：
[0026][0027]其中，φ为缺陷所占面积比，N
pix_nozero
为缺陷所占像素个数；N
pix_total
为子区块的像素总个数；
[0028]将缺陷所占面积比大于指定阈值(需要根据实际情况确定，对于不同钢种设置值不一样)的子区块进行保留，然后将保留的子区块图再均匀切分成4
×
4个小图，依次统计各
小图的平均灰度值，并计算16张小图平均灰度的方差，方差越大，表明区块中缺陷分布越集中，方差越小，表明区块中缺陷分布越离散。
[0029]步骤(3)中对存在关键特征的缺陷分布图谱进行合并，即可得到区别于传统表面检测缺陷信息的更加高级的特征信息，这些信息中只保留了对判级准确性起决定性因素的关键特征，实现了数据的降维和降伪。
[0030]步骤(3)中上层分析模式图为综合当前带钢提取到的关键特征的位置、大小及等级(不同缺陷分布图谱的关键特征等级划分有所不同，需要依据其特性，如长度、置信度、面积、分布情况等，并根据实际需求进行设定)，在带钢模拟图对应位置绘制关键特征标识。
[0031]步骤(4)中按缺陷带钢质量等级划分为：C：严重，B：中度，A：一般。
[0032]本专利技术的上述技术方案的有益效果如下：
[0033]上述方案中，通过采用缺陷分布图谱分析的方式综合了不同类别中相似缺陷类间误报的问题，在传统缺陷统计的基础上，提取出对于带钢分级起决定性因素的关键特征，得到近乎人工判级的标准，可在一定程度上替换人工进行判级，减少了人工成本，弥补的表面检测系统的不足，提升了判级准确率。
附图说明
[0034]图1为本专利技术的基于缺陷分布图谱的热轧带钢表面质量分级方法原理图；
[0035]图2为本专利技术的带钢缺陷图形化分布关键特征检测原理图；
[0036]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于缺陷分布图谱的热轧带钢表面质量分级方法，其特征在于：包括步骤如下：(1)利用带钢表面缺陷检测数据，按单独类别、易混类别分别进行数据组合，针对每一种数据组合依据缺陷的横向位置、纵向位置在预先设定的全黑背景图像上绘制各个缺陷点，形成不同类别组合的缺陷分布图谱；(2)针对不同类别组合的缺陷分布图谱，依据其所具有的内部特征，对应的采用置信度检测、直线检测、周期检测、聚类检测、分布特征检测从缺陷分布图谱中寻找出供分级判断的关键特征；(3)整合各缺陷分布图谱得到的关键特征，形成接近于人感知的上层分析模式图，实现数据的降维和降伪；(4)结合钢种、规格、工艺参数信息，针对性调整不同缺陷分布图谱中关键特征的等级标准，采用严重级别高掩盖严重级别低的原则，保留关键特征中严重级别最高的等级作为最终的带钢质量等级。2.根据权利要求1所述的基于缺陷分布图谱的热轧带钢表面质量分级方法，其特征在于：所述步骤(1)中将表面缺陷检测系统中的缺陷数据，在预定义大小的图像上进行绘制，缺陷统一绘制为10
×
10像素大小；缺陷在图像上绘制的横向像素位置：其中，P
d_w
为缺陷在图像上绘制的横向像素位置，W
I
为图像宽度，默认为2048；W
s
为带钢宽度，单位为mm；P
s_w
为缺陷在带钢宽度方向上的位置；缺陷在图像上绘制的纵向像素位置：其中，P
d_l
为缺陷在图像上绘制的纵向像素位置，L
I
为图像高度，默认为8192；L
S
为带钢长度，单位为mm；P
s_l
为缺陷在带钢长度方向上的位置。3.根据权利要求1所述的基于缺陷分布图谱的热轧带钢表面质量分级方法，其特征在于：所述步骤(1)中首先针对不同类别的缺陷分别单独绘制缺陷分布图谱，然后对于缺陷识别时易混淆的缺陷类别进行组合，得到组合类别的缺陷分布图谱，其中，易混淆的缺陷类别包括辊印和斑点、重皮和划伤。4.根据权利要求1所述的基于缺陷分布图谱的热轧带钢表面质量分级方法，其特征在于：所述步骤(2)中内部特征包括缺陷的形态、灰度、周期性、长度、宽度、面积、连续性...

【专利技术属性】
技术研发人员：吴昆鹏，石杰，邓能辉，杨朝霖，
申请(专利权)人：北京科技大学设计研究院有限公司，
类型：发明
国别省市：