[发明专利]一种基于机器视觉的螺纹钢表面缺陷检测方法及系统

说明书

本发明公开了一种螺纹钢表面缺陷识别检测方法及系统，所述方法包括：获取螺纹钢原始图像并进行预处理；对预处理后的原始图像进行图像分割和裁剪，得到螺纹钢区域图像；对所述螺纹钢区域图像进行霍夫变换直线检测，根据直线检测结果进行正侧面的区分；对正面图像或侧面图像执行缺陷检测；在原始图像中标记识别出的缺陷，并进行可视化。本发明能够快速准确的判断正面图像中存在的缺陷，有效的降低漏检率和过检率，提高了检测的精度。

技术领域

本发明属于机器视觉技术领域，具体涉及一种基于机器视觉的螺纹钢缺陷检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

螺纹钢生产过程中，每一根坯料轧制出的螺纹钢产品，都要按照国标要求或企业内控标准进行产品样棒离线实验室检测，检测内容包括：样棒的尺寸、外观、表面、负差等等，一般每15至20分钟左右检测一次，一旦检测出超过范围的上述问题需要及时报警，并迅速调整轧机压力或更换轧制设备。由于生产工艺、原材料、压制设备等因素，螺纹钢表面经常会出现划痕、裂纹、凹坑、麻面、折叠、结疤等缺陷，如果不能及时发现处理，会给后续生产造成大量废品，给企业带来巨大损失。由于取样点工作环境恶、劳动强度、操作危险、检测效率低，距离生产点远时效性差等因素，使各个螺纹钢生产企业，都迫切需要自动快速智能分析系统来破解这一难题。

人工检测主要是凭借人眼对缺陷进行检测和识别，但时间过长，眼睛会产生视觉疲劳，出现“运动模糊感”，人就无法分辨细微的表面缺陷，这样会导致出现大量误检、漏检。1989年由法国洛林连轧公司研制而成的涡流检测装置，通过配置在板坯窄面和上下表面的涡流探测器进行热连铸板坯的表面裂纹缺陷的检测。但该装置检测出的缺陷种类比较少，而且提取的缺陷特征参数也极为有限，无法完成产品的表面质量状况的综合性评估，只适用于要求不高的场合。2010年宋志强,李著信,张镇等利用漏磁检测方法结合连续小波变换能量法检测埋地输油管道裂纹缺陷。但是漏磁检测装置结构复杂，难以维护，并且容易受环境因素的影响，不能检测带钢表面的粗糙度，也无法实现表面缺陷的正确分类，因此在工业生产中没有得到广泛应用。红外检测装置最早由挪威Elkem公司于1990年研制成功，当存在缺陷时，传送辊道上高频感应线圈产生的感应电流的行程就会增加，引起钢坯表面温度的升高，从而实现检测功能。但红外检测法对环境的要求比较高，而且也无法实现对缺陷类型进行准确分类。

在机器视觉检测算法研究过程中，许多学者提出了自己的缺陷检测算法。2006年韩国浦项制铁公司Jong Pil Yun等人提出了一种实时缺陷检测算法。该检测算法主要提出了利用形态学运算方法进行缺陷检测。但在形态学的算法运用中有一些不完善的地方。2007年，Choi等人在处理线材表面缺陷检测算法时提出了将边缘滤波、laplacian滤波和双阈值二值化三个步骤相结合的思想。该方法可以满足实时检测的要求，但对图像的精度要求高，对图像采集和传输过程提出了更高的要求。2010年，Choi等人在原有的基础上通过在行图像之间或行图像进行阈值选取，利用图像之间的二阶微分值与设定的阈值相比较，初步检出图像是否存在表面缺陷。该算法计算简单，速度快，但是对图像的质量要求较高，进一步的检测还得采取更加全面的方法。2015年，王奇等人采用中值滤波和基于离散余弦变换的图像增强方法，对图像进行预处理，提取螺纹表面的牙顶断痕和牙底划痕缺陷，对疑似缺陷区域求取其最小外接矩形的长度和宽度，与标准进行比较来判断是否为缺陷。但该方法普适性一般，抗干扰能力不强，不满足工业发展的脚步。2015年，来煜等人通过螺纹钢正面和侧面图像的联合处理，设计了基于投影重心的亚像素边界定位方法，设计基于边缘的螺纹钢尺寸计算算法，为螺纹钢外形尺寸缺陷的检测提供了参考依据，但未涉及到具体的螺纹钢表面缺陷的检测研究。由于螺纹钢表面缺陷种类多样、纹理复杂、形态多变，对缺陷检测的算法要求较高，所以目前可借鉴的算法及资料相对较少。