[发明专利]一种基于机器视觉的金属板材表面缺陷检测方法

权利要求书

1.一种基于机器视觉的金属板材表面缺陷检测方法，其特征在于，该基于机器视觉的金属板材表面缺陷检测方法包括以下步骤：

步骤一、将红色条纹光投射到板材表面，使凹坑、凸起、划痕等缺陷被突显出来，使用CCD摄像机采集条纹投影图像；

步骤二、将彩色图像分解，突显光源的色彩信息，突显光源的色彩信息；

步骤三、提取条纹中心，通过算法判断线条的畸变情况，反映缺陷的大小。

2.根据权利要求1所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，在步骤一中，将相机和镜头模组垂直于板材表面架设，激光发射器倾斜于板材表面架设，激光器向板材表面投射粗细均匀、间隔均匀的激光线；

然后使用CCD摄像机采集条纹投影图像。

3.根据权利要求2所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，激光发射器与板材表面倾斜夹角为45度到60度。

4.根据权利要求1所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，在步骤二中，根据彩色图像进行通道的分解。

5.根据权利要求4所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，通道分解为R通道、G通道、B通道、H通道、S通道、V通道。

6.根据权利要求1所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，在步骤三中，以幅值等于零的点为初始点，确定初始点的法线方向，沿法线方向遍历出初始点两侧的有效边界点，利用灰度重心法提取出条纹中心；采用阈值分割法处理图像，粗略的分割出条纹信息，将图像中的最大灰度值与最小灰度值的平均值作为阈值。

7.根据权利要求6所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，图像处理过程中，将图像f(x，y)与高斯函数g(x，y)进行卷积，即G(x，y)＝f(x，y)*g(x，y),以降低图像中噪声点的影响。

8.根据权利要求7所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，计算图像的灰度梯度(G_x，G_y)和幅值|G(x，y)|,计算过程为

在图像中遍历出幅值为零的点P₀(i₀，j₀),将该点作为初始点。

9.根据权利要求8所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，由初始点邻域内像素的梯度向量构造出协方差矩阵，依据主成分分析法，通过求解协方差矩阵的特征向量，获得条纹的法线方向和切线方向；选取的领域大小为W，建立协方差矩阵C

求解矩阵的特征值u₁、u₂和对应的特征向量v₁、v₂

其中，绝对值大的特征值所对应的特征向量即为初始点的法线方向；由式(4)、(5)可知u₁＞u₂，故u₁对应的特征向量v₁为初始点的法线方向，u₂对应的特征向量v₂为初始点的切线方向。

10.根据权利要求9所述的基于机器视觉的金属板材表面缺陷检测方法，其特征在于，已经确定初始点P₀(i₀，j₀)即其法线方向v₁,沿着法线方向在初始点两侧分别找出幅值最大的点P₁(i₁，j₁)、P₂(i₂，j₂)，将此两点作为边界点，利用灰度重心法求出中心点P_c(i_c，j_c)；中心点的计算过程为

在中心点的切线方向附近找出与中心点相连接且幅值最小的点作为下一次求解的初始点，重复公式(3)、(4)、(5)、(6)。