带钢生产过程表面质量在线精准检测方法,属于带钢表面质量在线检测技术领域,特别是涉及一种图像式带钢生产过程表面质量在线精准检测方法。本发明专利技术能够实现带钢表面缺陷的实时检测和精准分类。包括如下步骤:步骤一:读取计算机中存储的缺陷图像;步骤二:提取缺陷图像的图像特征;步骤三:根据步骤二中提取的缺陷图像的图像特征,采用支持向量机SVM与智能优化算法相结合的方法进行缺陷分类;步骤四:存储检测和分类结果,判断是否结束检测,若是,则执行步骤五;否则,返回执行步骤一;步骤五:结束。
【技术实现步骤摘要】
本专利技术属于带钢表面质量在线检测
,特别是涉及一种图像式。
技术介绍
带钢已成为汽车生产、机械制造、化工、航空航天、造船等工业不可缺少的原材料, 但由于受轧制设备、加工工艺等方面因素的影响,带钢表面容易形成辊印、擦伤、孔洞等几十种不同类型的缺陷,这些缺陷严重影响了最终产品的性能和质量。在实际工业生产过程中,由于技术条件的限制,带钢表面质量检测主要由人工完成。人工检测方法具有以下突出弊端不适合在高速生产线上进行检测,为保证精度一般要求离线低速检测;对工人经验依赖性强,缺乏检测的一致性、科学性;工人劳动强度高,长期高强度劳动易造成检测精度下降。国内也有企业及研究机构对于带钢表面质量检测问题进行了相关研究。申请号为 200610117168.6的中国专利“基于机器视觉的带钢表面缺陷测试平台及其检测方法”、申请号为200510010049.6的中国专利“线阵图像式带钢表面在线缺陷检测装置及其检测方法”,分别公开了一种可以模拟带钢直线运动、通过像机和光源配合试验,从而获取带钢缺陷最佳图像的测试平台的构建方法和通过一种在线监测装置的结构实现在一台电脑上完成对带钢表面实时监测的方法,但没有提出新的检测和分类方法,不能实时、全面、精准的对带钢表面缺陷进行检测和分类。申请号为200910092408. 5的中国专利“一种连铸板坯表面裂纹在线检测方法”, 公开了一种连铸板坯表面裂纹在线检测方法,该方法实现了对高温板坯的在线裂纹检测; 但是该方法只能针对一种缺陷实现在线检测,而不能同时实现多种缺陷的在线检测与分类。
技术实现思路
针对现有技术存在的不足,本专利技术提供一种,该方法能够实现带钢表面缺陷的实时检测和精准分类。为了实现上述目的,本专利技术采用如下技术方案,一种,包括如下步骤步骤一读取计算机中存储的缺陷图像;步骤二 提取缺陷图像的图像特征;步骤三根据步骤二中提取的缺陷图像的图像特征,采用支持向量机SVM与智能优化算法相结合的方法进行缺陷分类;步骤四存储检测和分类结果,判断是否结束检测,若是,则执行步骤五;否则,返回执行步骤一;步骤五结束。步骤一中所述的读取计算机中存储的缺陷图像,其中,缺陷图像的在线获取,其具体步骤如下步骤a:在摄像机的摄像头上的感光元件感受到目标之后,感光元件将光的强度信号转化为电信号通过传输设备进行传输,每次传输一行的图像,计算机将成行的图像组合成一幅图像后存储在计算机的内存中;步骤b 从计算机的内存中读取一幅图像;步骤c 采用自适应阈值边缘检测方法判断该图像是否存在缺陷,若检测到边缘信息,则认为该图像存在缺陷,执行步骤d ;若没有检测到边缘信息,则认为该图像不存在缺陷,转去执行步骤e;步骤d 记录该图像的批号、位置信息,并存储该图像到计算机硬盘;步骤e 判断是否停止在线获取图像,若是,则执行步骤f;否则,释放内存,读取下一幅图像,转去执行步骤C;步骤f:结束。步骤三中所述的根据步骤二中提取的缺陷图像的图像特征,采用支持向量机SVM 与智能优化算法相结合的方法进行缺陷分类,其具体步骤如下步骤a:建立分类模型,首先,对样本图像进行读取和特征提取的操作,建立SVM所需的样本数据;然后采用SVM与智能优化算法相结合的方法建立分类模型;步骤(a)初始化智能优化算法中的参数;步骤(b)根据每个个体的值,对特征值进行加权,并且将SVM分类算法的参数进行赋值;步骤(c)根据每个个体的值,用SVM方法利用加权后的特征值建立分类模型,对所建立的分类模型进行交叉检验,交叉检验的结果作为适应度值,按照智能优化算法的个体更新公式更新个体,判断是否达到终止条件,若达到终止条件,则输出分类模型的参数、 特征加权的权重系数以及核函数的参数值,若没有达到,则转去执行步骤(b);所述的终止条件是指达到智能优化算法的最大迭代次数,或者交叉检验结果满足要求;步骤b 根据步骤a所建立的分类模型进行分类,提取需要分类图像的特征值,读入分类模型的参数、特征加权的权重系数以及核函数的参数值,根据提取到的特征值计算决策函数,得到分类结果。本专利技术的有益效果1、本专利技术的检测方法能够实时、全面、精准的对带钢表面缺陷进行检测,检测方法和分类方法准确率能够满足生产要求,实现带钢表面缺陷的在线实时检测、自动识别及分类功能;2、本专利技术的检测方法适用范围广,只需对特征图库进行相应更新,就可以应用到冷轧或者热轧生产线不同产品的质量检测当中,同时实现多种缺陷的在线检测与分类;3、本专利技术的检测方法能够解决带钢生产表面质量检测准确率低的技术问题,迅速完成检测分类工作,提高缺陷识别率,实现检测数据的实时反馈,为设备的维修与维护以及产品的分卷、评级等提供参考。附图说明图1是本专利技术的检测方法的程序流程图;图2是缺陷图像在线获取的程序流程图;图3是缺陷分类的程序流程图;(a)是建立分类模型的程序流程图;(b)是分类的程序流程图;图4是智能优化算法粒子的个体结构图;图5是本专利技术的检测方法所采用的检测装置的结构示意图;图6是采用支持向量机SVM与粒子群优化算法PSO相结合的方法进行缺陷分类的程序流程图;图7是采用支持向量机SVM与差分进化算法DE相结合的方法进行缺陷分类的程序流程图;在图5中,1-照明光源,2-摄像机,3-带钢,4-传输设备,5_计算机,6_服务器, 7-传送辊。具体实施例方式下面结合附图和具体实施方式对本专利技术做进一步的说明如图1所示,一种,包括如下步骤步骤一读取计算机中存储的缺陷图像;如图2所示,缺陷图像的在线获取,其具体步骤如下步骤a:在摄像机的摄像头上的感光元件感受到目标之后,感光元件将光的强度信号转化为电信号通过传输设备进行传输,每次传输一行的图像,计算机将一定数目行数的图像组合成一幅图像后存储在计算机的内存中;步骤b 从计算机的内存中读取一幅图像;步骤c 采用自适应阈值边缘检测方法判断该图像是否存在缺陷,本专利技术中所提及的图像的缺陷是指图像对应的取像对象是否存在缺陷;若检测到边缘信息,则认为该图像存在缺陷,执行步骤d ;若没有检测到边缘信息,则认为该图像不存在缺陷,转去执行步骤e ·’所谓自适应阈值边缘检测方法是指根据图像直方图信息确定阈值,该阈值随着图像自适应改变,再采用图像处理中常用的sobel算子进行边缘检测。步骤d 记录该图像的批号、位置等信息,并存储该图像到计算机硬盘;步骤e 判断是否停止在线获取图像,若是,则执行步骤f;否则,释放内存,读取下一幅图像,转去执行步骤C;步骤f:结束。步骤二 提取缺陷图像的图像特征;由于原始图像中存储位数太大,且有些图像特征在原始数据中不容易体现,为了使缺陷图像的图像特征更直接的表现出来、简化进一步计算,对缺陷图像进行特征提取。总结以往知识与带钢缺陷检测的特点,本专利技术的检测方法采用了 15种缺陷特征作为分类标准,具体特征及计算方法见表1 ;在提取特征值时,所指的感兴趣区域是指缺陷图像。在表1中,x,y分别表示χ轴和y轴的坐标,g(x,y)表示(x,y)点的灰度值,f(x,y) 表示点(x,y)是否在公式的定义域内,若在,则f(x,y) = 1,否则f(x,y) =0。灰度图像的一阶概率分布为P(b) =P{g(x, y) = b} (0彡b彡L-1),在8位灰度图像中,L = 256 ;式中,b为灰度值的本文档来自技高网...
【技术保护点】
1.一种带钢生产过程表面质量在线精准检测方法,其特征在于,包括如下步骤:步骤一:读取计算机中存储的缺陷图像;步骤二:提取缺陷图像的图像特征;步骤三:根据步骤二中提取的缺陷图像的图像特征,采用支持向量机SVM与智能优化算法相结合的方法进行缺陷分类;步骤四:存储检测和分类结果,判断是否结束检测,若是,则执行步骤五;否则,返回执行步骤一;步骤五:结束。
【技术特征摘要】
【专利技术属性】
技术研发人员:唐立新,唐振浩,
申请(专利权)人:东北大学,
类型:发明
国别省市:89
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。