[发明专利]一种建立在线表面质量检测系统缺陷库的方法有效

专利信息
申请号: 201210096427.7 申请日: 2012-04-01
公开(公告)号: CN102637258A 公开(公告)日: 2012-08-15
发明(设计)人: 刘金东;于顺兵;孙海;石江 申请(专利权)人: 首钢总公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京市德权律师事务所 11302 代理人: 刘丽君
地址: 100041 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 建立 在线 表面 质量 检测 系统 缺陷 方法
【说明书】:

技术领域

发明属于冷轧板带表面质量检测技术领域,涉及一种建立在线表面质量检测系统缺陷库的方法。

背景技术

在线表面质量检测系统是用于检测带钢表面缺陷的可视化在线自动检测系统,能够自动检出带钢表面缺陷,并对缺陷进行准确命名,同时为用户提供报警信息,提高质检工作的效率和质量。在线表面质量检测系统缺陷库是将需要检测的带钢产品中常见的典型缺陷图像按照一定的规则进行分类命名后,得到的缺陷典型样本的集合,它是在线表面质量检测系统对检测到的缺陷进行正确命名的标准化模板。以前在进行缺陷分类的过程中往往是通过技术人员的感官进行判断缺陷的大小和形貌等,没有一个数字化的标准,导致各个类别质检界限不清,从而导致系统缺陷识别正确率低。

发明内容

为解决上述技术问题,本发明提供了一种建立在线表面质量检测系统缺陷库的方法,提高在线表面质量检测系统缺陷识别正确率,为质检人员提供准确的质量信息。

具体方案如下:

一种建立在线表面质量检测系统缺陷库的方法,具体步骤如下:

A在线表面质量检测系统采集带钢表面的缺陷图像,根据所述缺陷图像确定缺陷大类别;

B根据所述缺陷图像确定所述缺陷大类别的基本缺陷特征,根据所述基本缺陷特征对每一个所述缺陷大类别确定两个以上的缺陷小类别;

C采集两张以上的所述缺陷图像作为所述缺陷小类别的样本图像,建立初级缺陷库;

D所述在线表面质量检测系统的学习分类器对所述初级缺陷库进行学习分析,并将所述初级缺陷库内的所述缺陷大类别和所述缺陷小类别存入所述在线表面检测系统的数据库内,所述学习分类器学习结束后,所述学习分类器验证所述缺陷小类别的样本图像质量,删除所述缺陷小类别中不合格样本图像,增加所述缺陷小类别中的合格样本图像,所述学习分类器继续验证所述在线表面质量检测系统的调整后的缺陷数据库,达到实际检测水平即可。

进一步地,所述步骤A中确定缺陷大类别的方法为,将对带钢表面质量的影响类似和所述缺陷图像的成像特征类似的归为一类。

进一步地,所述步骤A中所述缺陷大类别包括夹杂、擦划伤、孔洞、油斑或边折印。

进一步地,所述步骤B中所述缺陷小类别包括轻微细线缺陷、严重细线缺陷、轻微片状缺陷、严重片状缺陷。

进一步地,所述步骤B中对每一个所述缺陷大类别下的所述缺陷小类别不超过8个。

进一步地,所述步骤B中的所述基本缺陷特征包括缺陷图像的长度、缺陷图像的宽度、缺陷图像的明场可见百分比和缺陷图像的暗场可见百分比。

进一步地,所述步骤C中对每一个所述缺陷小类别的所述样本图像为50-300张。

本发明提供的一种建立在线表面质量检测系统缺陷库的方法,分类标准明确,便于进行缺陷收集,提高了缺陷收集工作的效率和质量,同时在经过系统学习分类器学习及后期调整后,正确率能够达到90%以上,有利于在线表面质量检测系统在检测过程中正确命名带钢表面缺陷。

具体实施方式

本发明提供了一种建立在线表面质量检测系统缺陷库的方法,具体步骤如下:

第一,建立缺陷大类别。

按照产品质量要求,根据在线表面质量检测系统采集的缺陷图像的形貌特征,确定缺陷大类别,如夹杂、擦划伤、孔洞、油斑、边折印等。在确定缺陷大分类的过程中,要结合现场带钢实际表面产生缺陷的情况,因为在线表面质量检测系统相机拍到的图像为黑白图像,往往会存在失真,通过图像很难判断真实带钢表面缺陷的情况。在掌握各个缺陷类别经在线表面质量检测系统相机成像后的图像特点后,便可依照《连退产品表面及外观质量判定标准的技术通知单》中判定表面级别的要求,制定合理的分类。如:夹杂和翘皮两类缺陷在通知单中对带钢表面质量的影响类似,且在线表面质量检测系统中成像特征类似,故此在系统中将这两类缺陷统称叫做夹杂。

第二,建立缺陷小类别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于首钢总公司,未经首钢总公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201210096427.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top