CN116993742B - 基于机器视觉的镍合金轧制缺陷检测方法 - Google Patents

基于机器视觉的镍合金轧制缺陷检测方法 Download PDF

Info

Publication number
CN116993742B
CN116993742B CN202311264951.5A CN202311264951A CN116993742B CN 116993742 B CN116993742 B CN 116993742B CN 202311264951 A CN202311264951 A CN 202311264951A CN 116993742 B CN116993742 B CN 116993742B
Authority
CN
China
Prior art keywords
texture
window
intersection
local
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311264951.5A
Other languages
English (en)
Other versions
CN116993742A (zh
Inventor
史玮
王铁南
吕涛
黑文帅
何志强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongse Tianjin New Material Technology Co ltd
Original Assignee
Zhongse Tianjin New Material Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongse Tianjin New Material Technology Co ltd filed Critical Zhongse Tianjin New Material Technology Co ltd
Priority to CN202311264951.5A priority Critical patent/CN116993742B/zh
Publication of CN116993742A publication Critical patent/CN116993742A/zh
Application granted granted Critical
Publication of CN116993742B publication Critical patent/CN116993742B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/40Analysis of texture
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Abstract

本发明涉及图像处理技术领域,具体涉及基于机器视觉的镍合金轧制缺陷检测方法,包括:采集镍合金灰度图像;根据镍合金灰度图像得到滑动窗口;获取纹理局部方向,根据纹理局部方向得到纹理相交窗口;获取纹理中心点,根据纹理中心点得到裂痕概率;获取相邻纹理相交窗口以及第二相邻纹理相交窗口,从而得到局部延展一致性以及第二局部延展一致性;根据裂痕概率、局部延展一致性以及第二局部延展一致性得到抑制程度;根据抑制程度得到边缘相交窗口;根据边缘相交窗口得到纹理缺陷程度;根据纹理缺陷程度得到缺陷区域。本发明提高了识别镍合金缺陷纹理的准确性。

Description

基于机器视觉的镍合金轧制缺陷检测方法
技术领域
本发明涉及图像处理技术领域,具体涉及基于机器视觉的镍合金轧制缺陷检测方法。
背景技术
镍合金的应力是平衡镍合金内部的力,在没有外力干扰的情况下,镍合金的应力保持动态平衡状态;而镍合金在制作的过程中通过会采用轧制的方式,利用轧辊对镍合金施加外部压力,破坏镍合金的应力平衡,使镍合金产生形变,并打造为工业使用所需的形状;但在对镍合金进行轧制的过程中,可能因轧制压力不当,导致制作出的镍合金表面产生裂痕、挫伤、翘曲等缺陷;为了保证镍合金的生产质量,需要对镍合金进行缺陷检测。
通常使用Canny算子对镍合金进行缺陷检测,但由于镍合金表面存在部分没有缺陷的纹理,这些没有缺陷的纹理通常与存在缺陷的纹理交错分布,常规的Canny算子无法有效识别存在缺陷的纹理,所以获取的边缘往往是包含存在缺陷的纹理与没有缺陷的纹理。
发明内容
本发明提供基于机器视觉的镍合金轧制缺陷检测方法,以解决现有的问题:镍合金表面存在部分没有缺陷的纹理,这些没有缺陷的纹理通常与存在缺陷的纹理交错分布,常规的Canny算子无法有效识别存在缺陷的纹理,获取的边缘往往是包含存在缺陷的纹理与没有缺陷的纹理。
本发明的基于机器视觉的镍合金轧制缺陷检测方法采用如下技术方案:
本发明一个实施例提供了基于机器视觉的镍合金轧制缺陷检测方法,该方法包括以下步骤:
采集若干镍合金灰度图像;
对镍合金灰度图像进行窗口划分得到若干滑动窗口;获取每个滑动窗口的纹理局部方向,根据纹理局部方向得到每个纹理相交窗口;
将位于每个纹理相交窗口中心处的像素点记为纹理中心点,根据纹理中心点得到每条纹理折线的裂痕概率;获取每个纹理相交窗口的若干相邻纹理相交窗口以及若干第二相邻纹理相交窗口;根据相邻纹理相交窗口以及第二相邻纹理相交窗口,得到每个纹理相交窗口在每个局部方向上的局部延展一致性以及第二局部延展一致性;
根据裂痕概率、局部延展一致性以及第二局部延展一致性得到每个纹理相交窗口在每个局部方向上的抑制程度;根据抑制程度得到若干边缘相交窗口;
获取每个边缘相交窗口在每次遍历过程中的纹理缺陷程度;根据纹理缺陷程度得到缺陷区域。
优选的,所述获取每个滑动窗口的纹理局部方向,包括的具体方法为:
将预设的八个方向度数分别记为Q1、Q2、Q3、Q4、Q5、Q6、Q7、Q8;
对于任意一个滑动窗口,将滑动窗口的中心作为方向起始点,将预设的Q1、Q2、Q3、Q4、Q5、Q6、Q7、Q8分别记为滑动窗口的一个局部方向;
获取滑动窗口的内每个像素点的梯度大小,对于滑动窗口的任意一个局部方向,将局部方向上每个像素点的梯度大小的累加和记为局部方向的方向幅值;
在滑动窗口的每个局部方向的方向幅值中,将最大方向幅值的局部方向与最小方向幅值的局部方向记为第一局部方向,将除第一局部方向以外的局部方向记为纹理局部方向。
优选的,所述根据纹理局部方向得到每个纹理相交窗口,包括的具体方法为:
对于任意一个滑动窗口,式中,表示滑动窗口的初始纹理相交程度;/>表示滑动窗口的纹理局部方向数量;/>表示滑动窗口的第/>个纹理局部方向的方向幅值;
获取每个滑动窗口的初始纹理相交程度,将每个滑动窗口的初始纹理相交程度进行线性归一化,将归一化后的每个滑动窗口的初始纹理相交程度记为纹理相交程度;
对于任意一个滑动窗口,若滑动窗口的纹理相交程度大于预设的纹理相交程度阈值,将滑动窗口记为纹理相交窗口;若该滑动窗口的纹理相交程度小于等于预设的纹理相交程度阈值,不对滑动窗口进行任何处理;
获取每个纹理相交窗口。
优选的,所述根据纹理中心点得到每条纹理折线的裂痕概率,包括的具体方法为:
将任意一个纹理中心点记为目标纹理中心点,将目标纹理中心点作为起点,依次连接与目标纹理中心点最近的纹理中心点,获取目标纹理中心点的纹理折线;获取镍合金灰度图像的若干纹理折线;
将任意一条纹理折线记为目标纹理折线,将目标纹理折线与其他纹理折线相交的点记为目标纹理折线的纹理相交点;
将目标纹理折线中任意一个像素点记为目标像素点,获取目标像素点的切线,并获取目标纹理折线上与目标像素点前后相邻的两个像素点,记为目标像素点的两个相邻像素点;获取两个相邻像素点的切线,若目标像素点的切线与相邻像素点的切线的夹角均大于预设阈值,将目标像素点记为目标纹理折线的拐点;获取目标纹理折线的所有拐点;
式中,表示目标纹理折线的初始裂痕概率;/>表示目标纹理折线的纹理相交点的数量;/>表示目标纹理折线的拐点的数量;/>表示目标纹理折线的第/>个拐点与第/>个拐点的欧式距离;获取每条纹理折线的初始裂痕概率,将每条纹理折线的初始裂痕概率进行线性归一化,将归一化后的每个初始裂痕概率记为裂痕概率。
优选的,所述获取每个纹理相交窗口的若干相邻纹理相交窗口以及若干第二相邻纹理相交窗口,包括的具体方法为:
将任意一个纹理相交窗口记为目标纹理相交窗口,获取目标纹理相交窗口的若干局部方向;
对于目标纹理相交窗口的任意一个局部方向,在局部方向上,将与目标纹理相交窗口距离最近的预设窗口数量个纹理相交窗口,记为目标纹理相交窗口在局部方向上的相邻纹理相交窗口;将与目标纹理相交窗口距离最近的预设第二窗口数量个纹理相交窗口,记为目标纹理相交窗口在局部方向上的第二相邻纹理相交窗口;
获取每个纹理相交窗口的若干相邻纹理相交窗口若干第二相邻纹理相交窗口。
优选的,所述根据相邻纹理相交窗口以及第二相邻纹理相交窗口,得到每个纹理相交窗口在每个局部方向上的局部延展一致性以及第二局部延展一致性,包括的具体方法为:
对于任意一个纹理相交窗口的任意一个局部方向;
式中,表示纹理相交窗口在该局部方向上的局部延展一致性;/>表示纹理相交窗口在局部方向上的相邻纹理相交窗口的数量;/>表示在纹理相交窗口与纹理相交窗口在局部方向上的所有相邻纹理相交窗口内,所有方向幅值的方差;/>表示超参数;/>表示以自然常数为底的指数函数;
式中,表示纹理相交窗口在该局部方向上的第二局部延展一致性;/>表示纹理相交窗口在局部方向上的第二相邻纹理相交窗口的数量;/>表示在纹理相交窗口与纹理相交窗口在局部方向上的所有第二相邻纹理相交窗口内,所有方向幅值的方差;/>表示超参数;/>表示以自然常数为底的指数函数;
获取每个纹理相交窗口在每个局部方向上的局部延展一致性以及第二局部延展一致性。
优选的,所述根据裂痕概率、局部延展一致性以及第二局部延展一致性得到每个纹理相交窗口在每个局部方向上的抑制程度,包括的具体方法为:
对于任意一个纹理相交窗口以及任意一条纹理折线,将纹理折线经过的每个像素点与纹理相交窗口的纹理中心点的欧式距离,记为纹理相交窗口与每个像素点的折线距离;
获取纹理相交窗口与所有像素点的折线距离,将最小的折线距离记为纹理相交窗口的纹理相交窗口与每条纹理折线的第二折线距离;获取纹理相交窗口与所有纹理折线的第二折线距离的最小值记为纹理相交窗口的趋势折线距离;获取每个纹理相交窗口的趋势裂痕程度;将纹理相交窗口的趋势折线距离对应纹理折线的裂痕概率记为纹理相交窗口的趋势裂痕程度;获取每个纹理相交窗口的趋势裂痕程度;
对于任意一个纹理相交窗口的任意一个局部方向;
式中,表示纹理相交窗口在局部方向上的抑制程度;/>表示纹理相交窗口在局部方向上的局部延展一致性;/>表示纹理相交窗口在局部方向上的第二局部延展一致性;/>表示纹理相交窗口的趋势裂痕程度;/>表示纹理相交窗口的趋势折线距离;/>表示以自然常数为底的指数函数;
获取每个纹理相交窗口在每个局部方向上的抑制程度。
优选的,所述根据抑制程度得到若干边缘相交窗口,包括的具体方法为:
对于任意一个纹理相交窗口的任意一个局部方向,根据纹理相交窗口在局部方向上的抑制程度对纹理相交窗口在局部方向上的方向幅值进行抑制,得到纹理相交窗口在局部方向上的抑制后的方向幅值,并记为修正方向幅值;其中纹理相交窗口在局部方向上的修正方向幅值的计算方法为:
式中,表示纹理相交窗口在局部方向上的修正方向幅值;/>表示纹理相交窗口在局部方向上的方向幅值;/>表示纹理相交窗口在局部方向上的抑制程度;获取每个纹理相交窗口在每个局部方向上的修正方向幅值;
对于任意一个纹理相交窗口,对纹理相交窗口在每个局部方向上的修正方向幅值按照修正方向幅值大小进行降序排序,将排序后的序列记为修正方向幅值序列;将修正方向幅值序列中除第一个修正方向幅值以外的任意一个修正方向幅值,记为目标修正方向幅值;
若第一个修正方向幅值与目标修正方向幅值的差值的绝对值大于预设差值阈值,将目标修正方向幅值的数值设置为预设的数值,并将预设的数值记为目标纹理相交窗口内目标修正方向幅值的第二修正方向幅值;若第一个修正方向幅值与目标修正方向幅值的差值的绝对值小于等于预设差值阈值,将第一个修正方向幅值与目标修正方向幅值分别记为目标纹理相交窗口内目标修正方向幅值的第二修正方向幅值;
获取目标纹理相交窗口内所有修正方向幅值的第二修正方向幅值后,将目标纹理相交窗口记为边缘相交窗口;
获取若干边缘相交窗口。
优选的,所述获取每个边缘相交窗口在每次遍历过程中的纹理缺陷程度,包括的具体方法为:
对于任意一个边缘相交窗口,从预设起始低阈值以及预设起始高阈值开始,以步长为1进行遍历,在每次遍历时对边缘相交窗口进行Canny算子边缘检测,获取边缘相交窗口的一个初始纹理缺陷程度,直至预设起始低阈值等于预设终止低阈值以及预设起始高阈值等于预设终止高阈值,停止遍历;
对于边缘相交窗口的任意一次遍历过程;
式中,表示边缘相交窗口遍历过程中的初始纹理缺陷程度;/>表示在遍历过程中,边缘相交窗口对应的阈值迭代次数;/>表示在遍历过程中,边缘相交窗口中的纹理相交点的数量;/>表示边缘相交窗口的趋势裂痕程度;/>表示边缘相交窗口的趋势折线距离;获取边缘相交窗口在每次遍历过程中的初始纹理缺陷程度,对边缘相交窗口的每个初始纹理缺陷程度进行线性归一化,将归一化后的边缘相交窗口的每个初始纹理缺陷程度记为纹理缺陷程度。
优选的,所述根据纹理缺陷程度得到缺陷区域,包括的具体方法为:
对于任意一个边缘相交窗口,在边缘相交窗口在所有遍历过程中的纹理缺陷程度中,将纹理缺陷程度最大的遍历过程作为边缘相交窗口的最佳阈值遍历过程,将最佳阈值遍历过程对应的低阈值以及高阈值记为边缘相交窗口的最佳高低阈值;根据边缘相交窗口的最佳高低阈值对边缘相交窗口进行Canny算子边缘检测,得到标记边缘窗口;
若标记边缘窗口的纹理缺陷程度大于预设纹理缺陷程度阈值,将标记边缘窗口记为缺陷区域;若标记边缘窗口的纹理缺陷程度小于等于预设纹理缺陷程度阈值,不对标记边缘窗口进行任何处理;获取每张镍合金灰度图像的所有缺陷区域。
本发明的技术方案的有益效果是:通过对镍合金灰度图像进行窗口划分得到滑动窗口,获取滑动窗口的纹理局部方向,根据纹理局部方向得到纹理相交窗口,根据纹理相交窗口得到裂痕概率,获取局部延展一致性以及第二局部延展一致性,根据裂痕概率、局部延展一致性以及第二局部延展一致性得到抑制程度,根据抑制程度得到边缘相交窗口的纹理缺陷程度,根据纹理缺陷程度得到缺陷区域;相较于现有技术常规Canny算子无法根据镍合金纹理缺陷特征准确识别出存在缺陷的纹理;提高了识别镍合金缺陷纹理的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于机器视觉的镍合金轧制缺陷检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于机器视觉的镍合金轧制缺陷检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于机器视觉的镍合金轧制缺陷检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于机器视觉的镍合金轧制缺陷检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集若干镍合金灰度图像。
需要说明的是,通常使用Canny算子对镍合金进行缺陷检测,但由于镍合金表面存在部分没有缺陷的纹理,这些没有缺陷的纹理通常与存在缺陷的纹理交错分布,常规的Canny算子无法有效识别存在缺陷的纹理,所以获取的边缘往往是包含存在缺陷的纹理与没有缺陷的纹理。为此,本实施例提出了一种基于机器视觉的镍合金轧制缺陷检测方法。
具体的,为了实现本实施例提出的基于机器视觉的镍合金轧制缺陷检测方法,首先需要采集镍合金灰度图像,具体过程为:使用工业相机拍摄若干镍合金板得到若干镍合金图像,对每张镍合金图像进行灰度化处理得到镍合金灰度图像。其中灰度化处理是公知技术,本实例不进行叙述。
至此,通过上述方法得到若干镍合金灰度图像。
步骤S002:对镍合金灰度图像进行窗口划分得到若干滑动窗口;获取每个滑动窗口的纹理局部方向,根据纹理局部方向得到每个纹理相交窗口。
需要说明的是,镍合金灰度图像中包含不存在缺陷的正常纹理与存在缺陷的缺陷纹理这两种纹理;一般情况下,由于正常纹理与缺陷纹理都是因轧辊而产生,所以在镍合金灰度图像内的正常纹理与缺陷纹理会呈现交错分布的状态,因此正常纹理与缺陷纹理的延伸方向都与轧辊的压力方向有关;由于延伸方向会影响镍合金灰度图像中像素点的灰度变化,同时像素点的梯度可以较大程度地表示像素点的灰度变化,所以可以根据镍合金灰度图像中的纹理分布分析应力分布。
进一步需要说明的是,传统的Canny算子边缘检测是通过对滑动窗口中的非极大值梯度进行抑制,利用极大值梯度表征整个滑动窗口的梯度信息;但是由此提取的梯度信息对正常纹理与缺陷纹理的边缘区分并不明显;而且在传统的检测过程中,缺陷纹理的边缘会存在不光滑的细小边缘,而正常纹理并不存在不光滑的细小边缘;所以可以通过分析缺陷纹理与正常纹理相交的区域,来调整对滑动窗口内非极大值梯度的抑制程度,来提高对不光滑的细小边缘的敏感度,从而修正滑动窗口的梯度信息。
具体的,以任意一张镍合金灰度图像为例,预设一个窗口边长T1,其中本实施例以T1=3为例进行叙述,本实施例不进行具体限定,其中T1可根据具体实施情况而定;在该镍合金灰度图像中,将窗口大小为T1T1的窗口以步长为1开始滑动,得到若干滑动窗口;预设八个方向度数Q1、Q2、Q3、Q4、Q5、Q6、Q7、Q8,其中本实施例以Q1=/>、Q2=/>、Q3=/>、Q4=/>、Q5=/>、Q6=/>、Q7=/>、Q8=/>为例进行叙述,本实施例不进行具体限定,其中Q1、Q2、Q3、Q4、Q5、Q6、Q7、Q8可根据具体实施情况而定;以任意一个滑动窗口为例,将该滑动窗口的中心作为方向起始点,将预设的Q1、Q2、Q3、Q4、Q5、Q6、Q7、Q8这八个方向度数分别记为该滑动窗口的一个局部方向;获取该滑动窗口的内每个像素点的梯度大小,以该滑动窗口的任意一个局部方向为例,将该局部方向上每个像素点的梯度大小的累加和记为该局部方向的方向幅值;获取该滑动窗口的所有局部方向以及对应的方向幅值,获取所有滑动窗口的所有局部方向以及对应的方向幅值。其中窗口滑动的过程、梯度大小的获取是Sobel算子的公知内容,本实施例不进行叙述。
进一步的,以任意一个滑动窗口为例,在该滑动窗口中,将最大方向幅值与最小方向幅值的局部方向记为第一局部方向,将除第一局部方向以外的局部方向记为纹理局部方向;根据该滑动窗口的若干纹理局部方向的方向幅值,得到该滑动窗口的初始纹理相交程度;其中该滑动窗口的初始纹理相交程度的计算方法为:
式中,表示该滑动窗口的初始纹理相交程度;/>表示该滑动窗口的纹理局部方向数量;/>表示该滑动窗口的第/>个纹理局部方向的方向幅值。获取所有滑动窗口的初始纹理相交程度,将所有滑动窗口的初始纹理相交程度进行线性归一化,将归一化后的每个滑动窗口的初始纹理相交程度记为纹理相交程度。其中该滑动窗口的初始纹理相交程度越大,说明该滑动窗口的整体梯度越大,反映该滑动窗口内缺陷纹理与正常纹理相交越复杂。
进一步的,预设一个纹理相交程度阈值T2,其中本实施例以T2=0.8为例进行叙述,本实施例不进行具体限定,其中T2可根据具体实施情况而定;以任意一个滑动窗口为例,若该滑动窗口的纹理相交程度大于纹理相交程度阈值T2,将该滑动窗口记为纹理相交窗口;若该滑动窗口的纹理相交程度小于等于纹理相交程度阈值T2,不对该滑动窗口进行任何处理;获取所有纹理相交窗口。
至此,通过上述方法得到所有纹理相交窗口。
步骤S003:获取纹理中心点,根据纹理中心点得到每条纹理折线的裂痕概率;获取每个纹理相交窗口的若干相邻纹理相交窗口以及若干第二相邻纹理相交窗口;根据相邻纹理相交窗口以及第二相邻纹理相交窗口,得到每个纹理相交窗口在每个局部方向上的局部延展一致性以及第二局部延展一致性。
需要说明的是,由于轧制过程中需要对镍合金表面喷洒水,附着在镍合金表面的水滴蒸发后,也会在镍合金表面产生水滴纹理;由于水滴纹理与正常纹理的边缘都较为平滑,梯度方向变化较平缓,而缺陷纹理并不平滑,梯度方向变化较剧烈;所以可以根据水滴纹理、正常纹理以及缺陷纹理的特征确定纹理相交窗口内属于缺陷纹理的纹理。
进一步需要说明的是,由于缺陷纹理对镍合金的影响是一个范围性的影响,在主裂痕缺陷纹理周围会存在一些细小的裂痕纹理延展,所以纹理相交窗口中的缺陷纹理和周围相邻的缺陷纹理相交窗口的缺陷纹理会在裂痕方向上存在一定的一致性;因此与正常纹理无论在局部范围还是整体范围内在延展方向上均具有较好的一致性的特征不同;缺陷纹理在局部范围内的裂痕方向上有较好的一致性,而在整体范围内的裂痕方向上有较差的一致性。
具体的,以任意一个纹理相交窗口为例,将位于该纹理相交窗口中心处的像素点记为纹理中心点,获取所有纹理中心点;以任意一个纹理中心点为例,将与该纹理中心点的欧式距离最小的纹理中心点记为该纹理中心点的第一个纹理线点,将与第一个纹理线点的欧式距离最小的纹理中心点记为该纹理中心点的第二个纹理线点,将与第二个纹理线点的欧式距离最小的纹理中心点记为该纹理中心点的第三个纹理线点,将与第三个纹理线点的欧式距离最小的纹理中心点记为该纹理中心点的第四个纹理线点,以此类推,直至遍历完所有纹理中心点或者欧式距离小于窗口边长T1时停止遍历;获取该纹理中心点的所有纹理线点,获取所有纹理中心点的所有纹理线点。其中每个纹理中心点对应一个纹理相交窗口,每个纹理中心点对应一个纹理相交程度,每个纹理中心点对应若干纹理线点,欧式距离的获取是公知技术,本实施例不进行叙述。另外需要说明的是,将任意一个纹理中心点记为参考纹理中心点,在获取参考纹理中心点的所有纹理线点的过程中,若除参考纹理中心点以外的任意一个纹理中心点已经作为参考纹理中心点的纹理线点,那么该纹理中心点不参与参考纹理中心点后续纹理线点的获取。
进一步的,预设一个度数阈值U,其中本实施例以U=60为例进行叙述,本实施例不进行具体限定,其中U可根据具体实施情况而定,以任意一个纹理中心点为例,按照纹理线点的获取顺序将该纹理中心点的所有纹理线点依次连接,得到该纹理中心点的纹理折线;获取镍合金灰度图像的若干纹理折线;以任意一条纹理折线为例,将该纹理折线与其他纹理折线相交的点记为该纹理折线的纹理相交点;以该纹理折线中任意一个像素点为例,获取该像素点的切线,并获取该纹理折线上与该像素点前后相邻的两个像素点,记为该像素点的两个相邻像素点;获取这两个相邻像素点的切线,若该像素点的切线与相邻像素点的切线的夹角均大于U,将该像素点记为该纹理折线的拐点;获取该纹理折线的所有拐点。需要说明的是,本实施例中像素点的切线获取方法为:将纹理折线拟合成三阶贝塞尔曲线,像素点在三阶贝塞尔曲线上的切线记为像素点的切线。其中三阶贝塞尔曲线是公知技术,本实施例不进行叙述。
进一步的,根据该纹理折线的纹理相交点以及拐点得到该纹理折线的裂痕概率。其中该纹理折线的裂痕概率的计算方法为:
式中,表示该纹理折线的初始裂痕概率;/>表示该纹理折线的纹理相交点的数量;/>表示该纹理折线的拐点的数量;/>表示目标纹理折线的第/>个拐点与第/>个拐点的欧式距离。获取所有纹理折线的初始裂痕概率,将所有纹理折线的初始裂痕概率进行线性归一化,将归一化后的每个初始裂痕概率记为裂痕概率。其中该纹理折线的裂痕概率越大,说明该纹理折线变化特征明显的折线部分差异更大,反映该纹理折线的折线变化越趋向于裂痕趋势。
进一步的,预设一个窗口数量T3,其中本实施例以T3=2为例进行叙述,本实施例不进行具体限定,其中T3可根据具体实施情况而定;以任意一个纹理相交窗口的任意一个局部方向为例,在该局部方向上,将与该纹理相交窗口距离最近的T3个纹理相交窗口,记为该纹理相交窗口在该局部方向上的相邻纹理相交窗口;获取所有纹理相交窗口的所有相邻纹理相交窗口。需要说明的是,在获取该纹理相交窗口的相邻纹理相交窗口的过程中,若与该纹理相交窗口距离最近的纹理相交窗口数量不满足窗口个数T3,那么以实际的纹理相交窗口数量为准。
进一步的,以任意一个纹理相交窗口的任意一个局部方向为例,根据该纹理相交窗口的在该局部方向上的梯度变化得到该纹理相交窗口在该局部方向上的局部延展一致性;其中该纹理相交窗口在该局部方向上的局部延展一致性的计算方法为:
式中,表示该纹理相交窗口在该局部方向上的局部延展一致性;/>表示该纹理相交窗口在该局部方向上的相邻纹理相交窗口的数量;/>表示在该纹理相交窗口与该纹理相交窗口在该局部方向上的所有相邻纹理相交窗口内,所有方向幅值的方差;/>表示超参数,本实施例预设/>,用于防止分母为0;/>表示以自然常数为底的指数函数,实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数。获取该纹理相交窗口在所有局部方向上的局部延展一致性,获取所有纹理相交窗口在所有局部方向上的局部延展一致性。其中该纹理相交窗口在该局部方向上的局部延展一致性越大,说明在该纹理相交窗口周围较小范围内,在该局部方向上的梯度变化越剧烈,反映该纹理相交窗口在该局部方向上的一致性越差。
进一步的,预设一个第二窗口数量T4,其中本实施例以T4=5为例进行叙述,本实施例不进行具体限定,其中T4可根据具体实施情况而定;以任意一个纹理相交窗口的任意一个局部方向为例,在该局部方向上,将与该纹理相交窗口距离最近的T4个纹理相交窗口,记为该纹理相交窗口在该局部方向上的第二相邻纹理相交窗口;根据该纹理相交窗口的在该局部方向上的第二相邻纹理相交窗口得到该纹理相交窗口在该局部方向上的第二局部延展一致性。另外需要说明的是,在获取该纹理相交窗口的第二相邻纹理相交窗口的过程中,若与该纹理相交窗口距离最近的纹理相交窗口数量不满足第二窗口个数T4,那么以实际的纹理相交窗口数量为准。其中该纹理相交窗口在该局部方向上的第二局部延展一致性的计算方法为:
式中,表示该纹理相交窗口在该局部方向上的第二局部延展一致性;/>表示该纹理相交窗口在该局部方向上的第二相邻纹理相交窗口的数量;/>表示在该纹理相交窗口与该纹理相交窗口在该局部方向上的所有第二相邻纹理相交窗口内,所有方向幅值的方差;/>表示超参数,本实施例预设/>,用于防止分母为0;/>表示以自然常数为底的指数函数,实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数。获取该纹理相交窗口在所有局部方向上的第二局部延展一致性,获取所有纹理相交窗口在所有局部方向上的第二局部延展一致性。其中该纹理相交窗口在该局部方向上的第二局部延展一致性越大,说明在该纹理相交窗口周围较大范围内,在该局部方向上的梯度变化越剧烈,反映该纹理相交窗口在该局部方向上的一致性越差。
至此,通过上述方法得到所有纹理折线的裂痕概率以及所有纹理相交窗口在所有局部方向上的局部延展一致性以及第二局部延展一致性。
步骤S004:根据裂痕概率、局部延展一致性以及第二局部延展一致性得到每个纹理相交窗口在每个局部方向上的抑制程度;根据抑制程度得到若干边缘相交窗口。
具体的,以任意一个纹理相交窗口以及任意一条纹理折线为例,将该纹理折线经过的每个像素点与该纹理相交窗口的纹理中心点的欧式距离,记为该纹理相交窗口与每个像素点的折线距离;获取该纹理相交窗口与所有像素点的折线距离,将最小的折线距离记为该纹理相交窗口与每条纹理折线的第二折线距离;获取纹理相交窗口与所有纹理折线的第二折线距离的最小值记为该纹理相交窗口的趋势折线距离;将该纹理相交窗口的趋势折线距离对应纹理折线的裂痕概率记为该纹理相交窗口的趋势裂痕程度;以任意一个纹理相交窗口的任意一个局部方向为例,根据该纹理相交窗口的趋势折线距离、趋势裂痕程度、局部延展一致性以及第二局部延展一致性的该纹理相交窗口在该局部方向上的抑制程度;其中每个纹理相交窗口仅对应一个趋势折线距离以及一个趋势裂痕程度;该纹理相交窗口在该局部方向上的抑制程度的计算方法为:
式中,表示该纹理相交窗口在该局部方向上的抑制程度;/>表示该纹理相交窗口在该局部方向上的局部延展一致性;/>表示该纹理相交窗口在该局部方向上的第二局部延展一致性;/>表示该纹理相交窗口的趋势裂痕程度;/>表示该纹理相交窗口的趋势折线距离;/>表示以自然常数为底的指数函数,实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数;/>表示纹理折线对该纹理相交窗口的影响。获取该纹理相交窗口在所有局部方向上的抑制程度,获取所有纹理相交窗口在所有局部方向上的抑制程度。其中该纹理相交窗口在该局部方向上的抑制程度越大,说明该纹理相交窗口在该局部方向上的方向幅值造成的干扰效果越强,反映该局部方向上受到纹理折线的影响越小。
进一步的,以任意一个纹理相交窗口的任意一个局部方向为例,根据该纹理相交窗口在该局部方向上的抑制程度对该纹理相交窗口在该局部方向上的方向幅值进行抑制,得到该纹理相交窗口在该局部方向上的抑制后的方向幅值,并记为修正方向幅值;其中该纹理相交窗口在该局部方向上的修正方向幅值的计算方法为:
式中,表示该纹理相交窗口在该局部方向上的修正方向幅值;/>表示该纹理相交窗口在该局部方向上的方向幅值;/>表示该纹理相交窗口在该局部方向上的抑制程度。获取该纹理相交窗口在每个局部方向上的修正方向幅值;获取所有纹理相交窗口在每个局部方向上的修正方向幅值。
进一步的,预设一个差值阈值T5,其中本实施例以T5=5为例进行叙述,本实施例不进行具体限定,其中T5可根据具体实施情况而定;以任意一个纹理相交窗口为例,对该纹理相交窗口在每个局部方向上的修正方向幅值按照修正方向幅值大小进行降序排序,将排序后的序列记为修正方向幅值序列;以该修正方向幅值序列中除第一个修正方向幅值以外的任意一个修正方向幅值为例,若第一个修正方向幅值与该修正方向幅值的差值的绝对值大于差值阈值T5,将该修正方向幅值的数值预设为0,并将该修正方向幅值的数值记为该纹理相交窗口内该修正方向幅值的第二修正方向幅值;若第一个修正方向幅值与该修正方向幅值的差值的绝对值小于等于差值阈值T5,将第一个修正方向幅值与该修正方向幅值分别记为该纹理相交窗口内该修正方向幅值的第二修正方向幅值;获取该纹理相交窗口的所有第二修正方向幅值后,将该纹理相交窗口记为边缘相交窗口;获取所有边缘相交窗口。其中每个纹理相交窗口仅对应一个修正方向幅值序列。
至此,通过上述方法得到所有边缘相交窗口。
步骤S005:获取每个边缘相交窗口在每次遍历过程中的纹理缺陷程度;根据纹理缺陷程度得到缺陷区域。
具体的,预设一个起始低阈值T6、起始高阈值T7、终止低阈值T8、终止高阈值T9,其中本实施例以T6=1、T7=11、T8=90、T9=100为例进行叙述,本实施例不进行具体限定,其中T6、T7、T8、T9可根据具体实施情况而定;以任意一个边缘相交窗口为例,从起始低阈值T6以及起始高阈值T7开始,以步长为1进行遍历,在每次遍历时对该边缘相交窗口进行Canny算子边缘检测,获取该边缘相交窗口的一个初始纹理缺陷程度,直至T6=T8,T7=T9停止遍历;获取该边缘相交窗口的所有纹理缺陷程度;以该边缘相交窗口的任意一次遍历过程为例,获取该边缘相交窗口在该遍历过程中的纹理缺陷程度;其中Canny算子边缘检测是公知技术,本实施例不进行叙述;另外该边缘相交窗口在该遍历过程中的纹理缺陷程度的计算方法为:
式中,表示该边缘相交窗口该遍历过程中的初始纹理缺陷程度;/>表示在该遍历过程中,该边缘相交窗口对应的阈值迭代次数;/>表示在该遍历过程中,该边缘相交窗口中的纹理相交点的数量;/>表示该边缘相交窗口的趋势裂痕程度;/>表示该边缘相交窗口的趋势折线距离;/>表示纹理折线对该边缘相交窗口的影响。获取该边缘相交窗口在所有遍历过程中的初始纹理缺陷程度,对该边缘相交窗口的所有初始纹理缺陷程度进行线性归一化,将归一化后的该边缘相交窗口的每个初始纹理缺陷程度记为纹理缺陷程度。其中该边缘相交窗口的初始纹理缺陷程度越大,说明该边缘相交窗口的缺陷纹理显示越准确,反映该边缘相交窗口的边缘检测阈值越合理。
进一步的,在该边缘相交窗口在所有遍历过程中的纹理缺陷程度中,将纹理缺陷程度最大的遍历过程作为该边缘相交窗口的最佳阈值遍历过程,将最佳阈值遍历过程对应的低阈值以及高阈值记为该边缘相交窗口的最佳高低阈值,获取所有边缘相交窗口的最佳高低阈值;根据每个边缘相交窗口的最佳高低阈值对每个边缘相交窗口进行Canny算子边缘检测,得到每个标记边缘窗口。其中根据最佳高低阈值进行边缘检测是Canny算子边缘检测的公知内容,本实施例不进行叙述。
进一步的,预设一个纹理缺陷程度阈值T10,其中本实施例以T10=0.75为例进行叙述,本实施例不进行具体限定,其中T10可根据具体实施情况而定;以任意一个标记边缘窗口为例,若该标记边缘窗口的纹理缺陷程度大于纹理缺陷程度阈值T10,将该标记边缘窗口记为缺陷区域;若该标记边缘窗口的纹理缺陷程度小于等于纹理缺陷程度阈值T10,不对该标记边缘窗口进行任何处理。获取该镍合金灰度图像的所有缺陷区域,获取所有镍合金灰度图像的所有缺陷区域。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,该方法包括以下步骤:
采集若干镍合金灰度图像;
对镍合金灰度图像进行窗口划分得到若干滑动窗口;获取每个滑动窗口的纹理局部方向,根据纹理局部方向得到每个纹理相交窗口;
将位于每个纹理相交窗口中心处的像素点记为纹理中心点,根据纹理中心点得到每条纹理折线的裂痕概率;获取每个纹理相交窗口的若干相邻纹理相交窗口以及若干第二相邻纹理相交窗口;根据相邻纹理相交窗口以及第二相邻纹理相交窗口,得到每个纹理相交窗口在每个局部方向上的局部延展一致性以及第二局部延展一致性;
根据裂痕概率、局部延展一致性以及第二局部延展一致性得到每个纹理相交窗口在每个局部方向上的抑制程度;根据抑制程度得到若干边缘相交窗口;
获取每个边缘相交窗口在每次遍历过程中的纹理缺陷程度;根据纹理缺陷程度得到缺陷区域;
所述获取每个纹理相交窗口的若干相邻纹理相交窗口以及若干第二相邻纹理相交窗口,包括的具体方法为:
将任意一个纹理相交窗口记为目标纹理相交窗口,获取目标纹理相交窗口的若干局部方向;
对于目标纹理相交窗口的任意一个局部方向,在局部方向上,将与目标纹理相交窗口距离最近的预设窗口数量个纹理相交窗口,记为目标纹理相交窗口在局部方向上的相邻纹理相交窗口;将与目标纹理相交窗口距离最近的预设第二窗口数量个纹理相交窗口,记为目标纹理相交窗口在局部方向上的第二相邻纹理相交窗口;
获取每个纹理相交窗口的若干相邻纹理相交窗口若干第二相邻纹理相交窗口;
所述根据裂痕概率、局部延展一致性以及第二局部延展一致性得到每个纹理相交窗口在每个局部方向上的抑制程度,包括的具体方法为:
对于任意一个纹理相交窗口以及任意一条纹理折线,将纹理折线经过的每个像素点与纹理相交窗口的纹理中心点的欧式距离,记为纹理相交窗口与每个像素点的折线距离;
获取纹理相交窗口与所有像素点的折线距离,将最小的折线距离记为纹理相交窗口的纹理相交窗口与每条纹理折线的第二折线距离;获取纹理相交窗口与所有纹理折线的第二折线距离的最小值记为纹理相交窗口的趋势折线距离;获取每个纹理相交窗口的趋势裂痕程度;将纹理相交窗口的趋势折线距离对应纹理折线的裂痕概率记为纹理相交窗口的趋势裂痕程度;获取每个纹理相交窗口的趋势裂痕程度;
对于任意一个纹理相交窗口的任意一个局部方向;
式中,表示纹理相交窗口在局部方向上的抑制程度;/>表示纹理相交窗口在局部方向上的局部延展一致性;/>表示纹理相交窗口在局部方向上的第二局部延展一致性;/>表示纹理相交窗口的趋势裂痕程度;/>表示纹理相交窗口的趋势折线距离;/>表示以自然常数为底的指数函数;
获取每个纹理相交窗口在每个局部方向上的抑制程度。
2.根据权利要求1所述基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,所述获取每个滑动窗口的纹理局部方向,包括的具体方法为:
将预设的八个方向度数分别记为Q1、Q2、Q3、Q4、Q5、Q6、Q7、Q8;
对于任意一个滑动窗口,将滑动窗口的中心作为方向起始点,将预设的Q1、Q2、Q3、Q4、Q5、Q6、Q7、Q8分别记为滑动窗口的一个局部方向;
获取滑动窗口的内每个像素点的梯度大小,对于滑动窗口的任意一个局部方向,将局部方向上每个像素点的梯度大小的累加和记为局部方向的方向幅值;
在滑动窗口的每个局部方向的方向幅值中,将最大方向幅值的局部方向与最小方向幅值的局部方向记为第一局部方向,将除第一局部方向以外的局部方向记为纹理局部方向。
3.根据权利要求2所述基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,所述根据纹理局部方向得到每个纹理相交窗口,包括的具体方法为:
对于任意一个滑动窗口,式中,表示滑动窗口的初始纹理相交程度;/>表示滑动窗口的纹理局部方向数量;/>表示滑动窗口的第/>个纹理局部方向的方向幅值;
获取每个滑动窗口的初始纹理相交程度,将每个滑动窗口的初始纹理相交程度进行线性归一化,将归一化后的每个滑动窗口的初始纹理相交程度记为纹理相交程度;
对于任意一个滑动窗口,若滑动窗口的纹理相交程度大于预设的纹理相交程度阈值,将滑动窗口记为纹理相交窗口;若该滑动窗口的纹理相交程度小于等于预设的纹理相交程度阈值,不对滑动窗口进行任何处理;
获取每个纹理相交窗口。
4.根据权利要求1所述基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,所述根据纹理中心点得到每条纹理折线的裂痕概率,包括的具体方法为:
将任意一个纹理中心点记为目标纹理中心点,将目标纹理中心点作为起点,依次连接与目标纹理中心点最近的纹理中心点,获取目标纹理中心点的纹理折线;获取镍合金灰度图像的若干纹理折线;
将任意一条纹理折线记为目标纹理折线,将目标纹理折线与其他纹理折线相交的点记为目标纹理折线的纹理相交点;
将目标纹理折线中任意一个像素点记为目标像素点,获取目标像素点的切线,并获取目标纹理折线上与目标像素点前后相邻的两个像素点,记为目标像素点的两个相邻像素点;获取两个相邻像素点的切线,若目标像素点的切线与相邻像素点的切线的夹角均大于预设阈值,将目标像素点记为目标纹理折线的拐点;获取目标纹理折线的所有拐点;
式中,表示目标纹理折线的初始裂痕概率;/>表示目标纹理折线的纹理相交点的数量;表示目标纹理折线的拐点的数量;/>表示目标纹理折线的第/>个拐点与第/>个拐点的欧式距离;获取每条纹理折线的初始裂痕概率,将每条纹理折线的初始裂痕概率进行线性归一化,将归一化后的每个初始裂痕概率记为裂痕概率。
5.根据权利要求1所述基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,所述根据相邻纹理相交窗口以及第二相邻纹理相交窗口,得到每个纹理相交窗口在每个局部方向上的局部延展一致性以及第二局部延展一致性,包括的具体方法为:
对于任意一个纹理相交窗口的任意一个局部方向;
式中,表示纹理相交窗口在该局部方向上的局部延展一致性;/>表示纹理相交窗口在局部方向上的相邻纹理相交窗口的数量;/>表示在纹理相交窗口与纹理相交窗口在局部方向上的所有相邻纹理相交窗口内,所有方向幅值的方差;/>表示超参数;/>表示以自然常数为底的指数函数;
式中,表示纹理相交窗口在该局部方向上的第二局部延展一致性;/>表示纹理相交窗口在局部方向上的第二相邻纹理相交窗口的数量;/>表示在纹理相交窗口与纹理相交窗口在局部方向上的所有第二相邻纹理相交窗口内,所有方向幅值的方差;/>表示超参数;表示以自然常数为底的指数函数;
获取每个纹理相交窗口在每个局部方向上的局部延展一致性以及第二局部延展一致性。
6.根据权利要求2所述基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,所述根据抑制程度得到若干边缘相交窗口,包括的具体方法为:
对于任意一个纹理相交窗口的任意一个局部方向,根据纹理相交窗口在局部方向上的抑制程度对纹理相交窗口在局部方向上的方向幅值进行抑制,得到纹理相交窗口在局部方向上的抑制后的方向幅值,并记为修正方向幅值;其中纹理相交窗口在局部方向上的修正方向幅值的计算方法为:
式中,表示纹理相交窗口在局部方向上的修正方向幅值;/>表示纹理相交窗口在局部方向上的方向幅值;/>表示纹理相交窗口在局部方向上的抑制程度;获取每个纹理相交窗口在每个局部方向上的修正方向幅值;
对于任意一个纹理相交窗口,对纹理相交窗口在每个局部方向上的修正方向幅值按照修正方向幅值大小进行降序排序,将排序后的序列记为修正方向幅值序列;将修正方向幅值序列中除第一个修正方向幅值以外的任意一个修正方向幅值,记为目标修正方向幅值;
若第一个修正方向幅值与目标修正方向幅值的差值的绝对值大于预设差值阈值,将目标修正方向幅值的数值设置为预设的数值,并将预设的数值记为目标纹理相交窗口内目标修正方向幅值的第二修正方向幅值;若第一个修正方向幅值与目标修正方向幅值的差值的绝对值小于等于预设差值阈值,将第一个修正方向幅值与目标修正方向幅值分别记为目标纹理相交窗口内目标修正方向幅值的第二修正方向幅值;
获取目标纹理相交窗口内所有修正方向幅值的第二修正方向幅值后,将目标纹理相交窗口记为边缘相交窗口;
获取若干边缘相交窗口。
7.根据权利要求4所述基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,所述获取每个边缘相交窗口在每次遍历过程中的纹理缺陷程度,包括的具体方法为:
对于任意一个边缘相交窗口,从预设起始低阈值以及预设起始高阈值开始,以步长为1进行遍历,在每次遍历时对边缘相交窗口进行Canny算子边缘检测,获取边缘相交窗口的一个初始纹理缺陷程度,直至预设起始低阈值等于预设终止低阈值以及预设起始高阈值等于预设终止高阈值,停止遍历;
对于边缘相交窗口的任意一次遍历过程;
式中,表示边缘相交窗口遍历过程中的初始纹理缺陷程度;/>表示在遍历过程中,边缘相交窗口对应的阈值迭代次数;/>表示在遍历过程中,边缘相交窗口中的纹理相交点的数量;/>表示边缘相交窗口的趋势裂痕程度;/>表示边缘相交窗口的趋势折线距离;获取边缘相交窗口在每次遍历过程中的初始纹理缺陷程度,对边缘相交窗口的每个初始纹理缺陷程度进行线性归一化,将归一化后的边缘相交窗口的每个初始纹理缺陷程度记为纹理缺陷程度。
8.根据权利要求7所述基于机器视觉的镍合金轧制缺陷检测方法,其特征在于,所述根据纹理缺陷程度得到缺陷区域,包括的具体方法为:
对于任意一个边缘相交窗口,在边缘相交窗口在所有遍历过程中的纹理缺陷程度中,将纹理缺陷程度最大的遍历过程作为边缘相交窗口的最佳阈值遍历过程,将最佳阈值遍历过程对应的低阈值以及高阈值记为边缘相交窗口的最佳高低阈值;根据边缘相交窗口的最佳高低阈值对边缘相交窗口进行Canny算子边缘检测,得到标记边缘窗口;
若标记边缘窗口的纹理缺陷程度大于预设纹理缺陷程度阈值,将标记边缘窗口记为缺陷区域;若标记边缘窗口的纹理缺陷程度小于等于预设纹理缺陷程度阈值,不对标记边缘窗口进行任何处理;获取每张镍合金灰度图像的所有缺陷区域。
CN202311264951.5A 2023-09-28 2023-09-28 基于机器视觉的镍合金轧制缺陷检测方法 Active CN116993742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311264951.5A CN116993742B (zh) 2023-09-28 2023-09-28 基于机器视觉的镍合金轧制缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311264951.5A CN116993742B (zh) 2023-09-28 2023-09-28 基于机器视觉的镍合金轧制缺陷检测方法

Publications (2)

Publication Number Publication Date
CN116993742A CN116993742A (zh) 2023-11-03
CN116993742B true CN116993742B (zh) 2023-12-22

Family

ID=88528730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311264951.5A Active CN116993742B (zh) 2023-09-28 2023-09-28 基于机器视觉的镍合金轧制缺陷检测方法

Country Status (1)

Country Link
CN (1) CN116993742B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117274247B (zh) * 2023-11-20 2024-03-29 深圳市海里表面技术处理有限公司 一种ltcc导体表面镀层质量视觉检测方法
CN117830312A (zh) * 2024-03-05 2024-04-05 陕西长空齿轮有限责任公司 基于机器视觉的合金裂纹无损检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030055A (zh) * 2023-03-29 2023-04-28 凯尔菱电(山东)电梯有限公司 一种电梯相关配件质量检测方法
CN116452589A (zh) * 2023-06-16 2023-07-18 山东伟国板业科技有限公司 基于图像处理的人造板表面缺陷智能检测方法
WO2023134792A2 (zh) * 2022-12-15 2023-07-20 苏州迈创信息技术有限公司 一种led灯芯缺陷检测方法
CN116703907A (zh) * 2023-08-04 2023-09-05 合肥亚明汽车部件有限公司 一种基于机器视觉的汽车铸件表面缺陷检测方法
CN116740098A (zh) * 2023-08-11 2023-09-12 中色(天津)新材料科技有限公司 一种铝合金氩弧焊焊接图像分割方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023134792A2 (zh) * 2022-12-15 2023-07-20 苏州迈创信息技术有限公司 一种led灯芯缺陷检测方法
CN116030055A (zh) * 2023-03-29 2023-04-28 凯尔菱电(山东)电梯有限公司 一种电梯相关配件质量检测方法
CN116452589A (zh) * 2023-06-16 2023-07-18 山东伟国板业科技有限公司 基于图像处理的人造板表面缺陷智能检测方法
CN116703907A (zh) * 2023-08-04 2023-09-05 合肥亚明汽车部件有限公司 一种基于机器视觉的汽车铸件表面缺陷检测方法
CN116740098A (zh) * 2023-08-11 2023-09-12 中色(天津)新材料科技有限公司 一种铝合金氩弧焊焊接图像分割方法及系统

Also Published As

Publication number Publication date
CN116993742A (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN116993742B (zh) 基于机器视觉的镍合金轧制缺陷检测方法
CN116721106B (zh) 一种基于图像处理的型材瑕疵视觉检测方法
CN115222733B (zh) 基于图像识别的金属构件表面缺陷检测方法
CN106780486B (zh) 一种钢板表面缺陷图像提取方法
CN115100203B (zh) 一种钢筋打磨除锈质量检测方法
CN115908411B (zh) 基于视觉检测的混凝土养护质量分析方法
CN107490582B (zh) 一种流水线工件检测系统
CN115082462A (zh) 一种流体输送管外观质量检测方法及系统
CN113689415A (zh) 一种基于机器视觉的钢管壁厚在线检测方法
CN116993731B (zh) 基于图像的盾构机刀头缺陷检测方法
CN112598723B (zh) 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质
CN115063423A (zh) 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法
CN104568956A (zh) 基于机器视觉的带钢表面缺陷的检测方法
CN114881960A (zh) 基于特征增强的布匹直线型缺陷检测方法和系统
CN115272336A (zh) 基于梯度向量的金属零件缺陷精准检测方法
CN115330758A (zh) 基于去噪处理的焊接质量检测方法
CN116630329A (zh) 用于多轴多通道数控系统的在线视觉检测方法
CN117152129B (zh) 一种电池盖板的表面缺陷视觉检测方法及系统
CN116612112B (zh) 一种水桶表面缺陷视觉检测方法
CN115131250A (zh) 用于机床装配的机床组件智能识别方法
CN116168020B (zh) 一种皮革缺陷检测方法
CN117764989B (zh) 一种视觉辅助的显示屏缺陷检测方法
CN117670916B (zh) 一种基于深度学习的涂布边缘检测方法
CN116805314B (zh) 一种建筑工程质量评估方法
CN117274251B (zh) 基于图像数据的药品生产过程中药片质量检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant