一种钢材缺陷在线自动检测方法技术

本发明专利技术提供一种钢材缺陷在线自动检测方法，包括：通过视觉设备采集钢材图像，并将采集的钢材图像作为目标图像；对目标图像进行特征提取，生成特征图像；利用机器学习算法和图像检测技术，对生成的特征图像进行缺陷检测和分类，找出钢材缺陷的位置和类型；输出钢材缺陷检测结果。本发明专利技术采用的深度测量算法可以自动学习和提取更高层次的特征，并且对图像处理和样本数量的要求较低；本发明专利技术采用的Support Vector Machine分类算法可以在非线性情况下进行分类，并且对于离群点和噪声具有一定的鲁棒性；本发明专利技术采用的基于神经网络的分类算法具有良好的适应性和泛化性能。本发明专利技术的技术方案能够实现在生产过程中在线检测钢板的表面缺陷，从而控制和提高钢板产品的表面质量。从而控制和提高钢板产品的表面质量。从而控制和提高钢板产品的表面质量。

【技术实现步骤摘要】
一种钢材缺陷在线自动检测方法


[0001]本专利技术涉及钢材缺陷检测
，具体而言，尤其涉及一种钢材缺陷在线自动检测方法。

技术介绍

[0002]人类是通过眼睛和大脑来获取处理与理解视觉信息的，周围环境中的物体在可见光照射下，在人眼的视网膜上形成图像，由感光细胞将其转换成神经脉冲信号，并经神经纤维传入大脑皮层进行处理与理解。所以，视觉不仅指对光信号的感受，还包括对视觉信息的获取、处理与理解的全过程。随着信号处理理论和计算机技术的发展，人们试图用摄像机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息处理的全过程，这样就形成了一门新兴的学科
‑‑
计算机视觉。
[0003]计算机视觉就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成对信息的处理和解释。计算机视觉检测技术狭义上可理解为采用基于CCD摄像机的视觉传感器获取被测物体信息的自动化检测过程，即自动化地获取被测物体的特征信息，完成物体形状和位置的检测，如物体尺寸、形状、位置、表面平整度等。同时人类在其它诸如模式识别、人工智能技术等领域的发展也极大的促进了计算机视觉检测技术的发展。目前，它以非接触性、柔性好、较高精度及能够迅速获得被测物体信息等优点，其应用正渗透到电子工业、汽车工业、航空航天以及其他诸多工业领域，在生产加工、尺寸控制、质量检测中起着重要作用。
[0004]钢板的表面质量是钢板最为重要的质量因素之一，表面质量的优劣直接影响其最终产品的性能与质量。然而在加工过程中，由于原材料、轧制设备和工艺等原因，导致钢板表面出现结疤、裂纹、辊印、刮伤、针眼、磷皮、孔洞、麻点等不同类型的缺陷。这些缺陷不仅影响产品的外观，而且降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能。如何在生产过程中在线检测钢板的表面缺陷，从而控制和提高钢板产品的表面质量，一直是钢铁加工企业非常关注的问题。

技术实现思路

[0005]根据上述提出的技术问题，提供一种钢材缺陷在线自动检测方法。
[0006]本专利技术采用的技术手段如下：
[0007]一种钢材缺陷在线自动检测方法，包括：
[0008]通过视觉设备采集钢材图像，并将采集的钢材图像作为目标图像；
[0009]对目标图像进行特征提取，生成特征图像；
[0010]利用机器学习算法和图像检测技术，对生成的特征图像进行缺陷检测和分类，以找出钢材缺陷的位置和类型；
[0011]输出钢材缺陷检测结果。
[0012]进一步地，所述通过视觉设备采集钢材图像，并将采集的钢材图像作为目标图像，
包括：
[0013]采集钢材的尺寸信息，包括外形轮廓、孔径、高度、面积；
[0014]采集钢材的表面外观缺陷信息，包括裂纹、疵点、脱漆、氧化、凹陷、气泡。
[0015]进一步地，所述对目标图像进行特征提取，生成特征图像，包括：
[0016]对目标图像进行预处理，包括去噪、滤波、调节对比度操作，以提高图像质量和清晰度；
[0017]利用深度学习算法和图像处理技术，对图像进行特征提取；
[0018]通过特征提取算法，生成原始图像的特征图像，用于进行后续的缺陷检测和分类。
[0019]进一步地，所述利用机器学习算法和图像检测技术，对生成的特征图像进行缺陷检测和分类，以找出钢材缺陷的位置和类型，包括：
[0020]采用深度测量算法、Support Vector Machine分类算法或者基于神经网络的分类算法，对生成的特征图像进行缺陷分类。
[0021]进一步地，所述深度测量算法利用卷积神经网络提取特征，并对特征进行分类，包括训练及测试数据采集，具体过程如下：
[0022]首先，利用现场设备采集大量的正负样本的图像数据；然后，进行数据标记及神经网络模型训练，训练完毕后利用分类好的测试数据测试模型的准确性；最后，应用到实际的检测任务中，通过不断的学习、训练、迭代使检测功能不断完善。
[0023]进一步地，所述Support Vector Machine分类算法根据训练数据将不同类别的样本映射到高维空间，并通过最大间隔分类方法进行分类。
[0024]进一步地，所述基于神经网络的分类算法包括多层感知机MLP、卷积神经网络CNN、循环神经网络，通过学习和提取图像特征，在分类时通过多层网络结构进行预测，检测过程包括：
[0025]数据采集：采集钢材缺陷图片，并对图片进行标注，标注出缺陷的位置、类型、大小信息；
[0026]数据预处理：对采集到的数据进行预处理，包括数据清洗、数据增强、特征提取操作；
[0027]模型训练：利用深度学习框架，构建模型，利用标注好的数据对构建的模型进行训练；
[0028]模型评估：利用准确率、召回率、精确率的评估指标，对训练后的模型进行评估；
[0029]模型部署：将经过训练和评估的模型部署到实际生产环境中，进行实时缺陷检测。
[0030]进一步地，所述模型训练的过程包括：
[0031]步骤1、初始化神经网络中所有神经元节点的权值；
[0032]步骤2、输入层接收输入，通过正向传播产生输出；
[0033]步骤3、根据输出的预测值，结合实际值计算偏差；
[0034]步骤4、输出层接收偏差，通过反向传播机制(逆向反推)让所有神经元更新权值；
[0035]步骤5、重复执行步骤2至步骤4，直到偏差值最小。
[0036]进一步地，所述输出钢材缺陷检测结果，包括：
[0037]输出缺陷类型和缺陷位置信息：根据不同缺陷类型，输出具体的缺陷种类，包括气孔、裂纹、疤痕，同时，输出缺陷在钢材表面的位置和形状信息，包括缺陷所在位置的坐标、
宽度、长度、深度；
[0038]检测结果判断和评估：根据检测到的缺陷数量和严重程度，对钢板进行评估并判断是否合格；同时，输出钢材缺陷检测的准确率、误检率、漏检率性能指标，以评估模型的识别能力和可靠性；
[0039]检测图像和可视化结果展示：将检测图像和缺陷信息进行可视化处理，并以图形化的方式进行展示；展示方式包括：将检测图像和缺陷信息叠加在一起，或通过二值化处理，将缺陷区域标记成颜色块，从而形成更直观的结果展示方式。
[0040]较现有技术相比，本专利技术具有以下优点：
[0041]1、本专利技术提供的钢材缺陷在线自动检测方法，根据噪声类型和图像情况对去噪滤波方法进行选择和组合使用，同时，结合其他图像处理方法和算法，如图像增强、分割、复原等，以提高图像清晰度和质量。
[0042]2、本专利技术提供的钢材缺陷在线自动检测方法，采用深度测量算法、Support Vector Machine分类算法或者基于神经网络的分类算法，对生成的特征图像进行缺陷分类，其深度测量算法可以自动学习和提取更高层次的特征，并且对图像处理和样本数量的要求较低；Support Vector Machine分类算法可以在非线性情况下进行分类，并且对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢材缺陷在线自动检测方法，其特征在于，包括：通过视觉设备采集钢材图像，并将采集的钢材图像作为目标图像；对目标图像进行特征提取，生成特征图像；利用机器学习算法和图像检测技术，对生成的特征图像进行缺陷检测和分类，以找出钢材缺陷的位置和类型；输出钢材缺陷检测结果。2.根据权利要求1所述的钢材缺陷在线自动检测方法，其特征在于，所述通过视觉设备采集钢材图像，并将采集的钢材图像作为目标图像，包括：采集钢材的尺寸信息，包括外形轮廓、孔径、高度、面积；采集钢材的表面缺陷外观信息，包括裂纹、疵点、脱漆、氧化、凹陷、气泡。3.根据权利要求1所述的钢材缺陷在线自动检测方法，其特征在于，所述对目标图像进行特征提取，生成特征图像，包括：对目标图像进行预处理，包括去噪、滤波、调节对比度操作，以提高图像质量和清晰度；利用深度学习算法和图像处理技术，对图像进行特征提取；通过特征提取算法，生成原始图像的特征图像，用于进行后续的缺陷检测和分类。4.根据权利要求1所述的钢材缺陷在线自动检测方法，其特征在于，所述利用机器学习算法和图像检测技术，对生成的特征图像进行缺陷检测和分类，以找出钢材缺陷的位置和类型，包括：采用深度测量算法、Support Vector Machine分类算法或者基于神经网络的分类算法，对生成的特征图像进行缺陷分类。5.根据权利要求4所述的钢材缺陷在线自动检测方法，其特征在于，所述深度测量算法利用卷积神经网络提取特征，并对特征进行分类，包括训练及测试数据采集，具体过程如下：首先，利用现场设备采集大量的正负样本的图像数据；然后，进行数据标记及神经网络模型训练，训练完毕后利用分类好的测试数据测试模型的准确性；最后，应用到实际的检测任务中，通过不断的学习、训练、迭代使检测功能不断完善。6.根据权利要求4所述的钢材缺陷在线自动检测方法，其特征在于，所述Support Vector Machine分类算法根据训练数据将不同类别的样本映射到...

【专利技术属性】
技术研发人员：代晓林，刘梦玫，王之相，杨威，由立波，于淇，
申请(专利权)人：大连嘉济自动化机电科技有限公司，
类型：发明
国别省市：