[发明专利]基于模板匹配的带钢表面缺陷精准检测方法

说明书

本发明涉及基于模板匹配的带钢表面缺陷精准检测方法，包括如下步骤：步骤1，统计非缺陷分布；步骤2，读取图像；步骤3，重构图像：将待检测图像I0中的像素值按照每一列升序或降序排列，得到重构图像I1；步骤4，建立匹配模板C：根据步骤1拟合得到的高斯曲线构建一个与待检测图像I0大小相等的矩阵，该矩阵即为匹配模板C；步骤5，图像差分：将匹配模板C与重构图像I1的每一点的像素值进行差分运算，得到差分图像I2，并将差分图像I2中的各像素值按照待检测图像I0中的位置进行重排，得到重排图像I3；步骤6，缺陷定位：利用正向分割阈值TH及负向分割阈值‑(TH+D)对重排图像I3进行二值化，实现了缺陷的准确定位。

技术领域

本发明属于带钢表面缺陷检测技术领域，特别是涉及基于模板匹配的带钢表面缺陷精准检测方法。

背景技术

钢铁是汽车生产、机械制造、航空航天等领域不可或缺的原材料，其年产量可以达到所有产品生产的80％以上。但由于轧制设备、生产环境等的影响，钢铁表面极易产生各种各样不可预知的缺陷，这些缺陷不仅影响钢材的美观，而且会影响产品耐腐性，这往往会造成不可预估的损失及危险，故相关的用户对钢材的表面质量提出了更高的要求。近年来，随着钢材需求量的不断增加，生产线往往要求更快的速度，这使得人工检测质量不能够满足速度要求，且快速的生产要求导致人工检测的准确率下降，故基于机器视觉的带钢表面检测技术被越来越多得用于生产中。

现有的检测方法大致分为监督方法与非监督方法两类。监督方法需要预先收集大量缺陷图像进行训练，训练过程往往耗时较长，且带钢表面的缺陷有些是不可预知的，这限制了该类方法在实际生产中的应用。非监督方法是通过人工提取特征后，查找图像中具有异常特征的分块从而实现缺陷定位，该类方法中有些是难以实现且耗时较长。如：Y.Lee等人(Y.Lee,J.Lee,Accurate Automatic Defect Detection Method Using QuadtreeDecomposition on SEM Images,in IEEE Transactions on SemiconductorManufacturing,vol.27,no.2,pp223-231,May 2014.)使用四叉树分解方法进行缺陷检测，该方法需要前期对图像的一些处理再通过查找异常分块实现检测，但前期处理过程复杂且采用的分块方法使得检测精度局限于分块大小，对于全图均匀分布的缺陷不能达到好的检测效果。X.Bi,等人(X.Bi,X.Xu and J.Shen,“An automatic detection method of muradefects for liquid crystal display using real Gabor filters,”20158thInternational Congress on Image and Signal Processing(CISP),Shenyang,2015,pp.871-875.)使用Gabor小波对缺陷进行检测，该方法是使用不同方向的滤波器对图像分别进行滤波操作，这就增加了该方法的计算量。D.Aiger等人(D.Aiger and H.Talbot,“Thephase only transform for unsupervised surface defect detection,”ComputerVision and Pattern Recognition(CVPR),2010IEEE Conference on,San Francisco,CA,2010,pp.295-302.)使用在频域空间下对周期性纹理缺陷进行检测，该方法仅使用了傅里叶变换就可以实现对缺陷的检测，但该方法只能检测到缺陷的边缘信息，虽然J.Choi等人(J.Choi and C.Kim,“Unsupervised detection of surface defects:A two-stepapproach,”201219th IEEE International Conference on Image Processing,Orlando,FL,2012,pp.1037-1040.)对通过增加局部细化过程对该方法进行了改进，使之对缺陷内部的像素有填充效果，但对于块状的缺陷，如：油斑、滴焦油等缺陷，该方法依然会产生漏检。因此研究具有高检测率且具有低复杂度的检测方法具有非常重要的意义。