[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

说明书

本发明公开是关于一种基于机器视觉的金属板材表面缺陷检测方法，涉及数字图像处理技术领域。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；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；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。采用条纹的打光方式，消除镜面反射效应影响的同时，能够增强对板材表面缺陷的显现力，得到具有高质量的缺陷图像。针对不同类型、不同形态、不同位置的板材缺陷，检出效果100％适应，说明此方式适应于金属板材表面缺陷检测。

技术领域

本发明公开涉及数字图像处理技术领域，尤其涉及一种基于机器视觉的金属板材表面缺陷检测方法。

背景技术

金属板材在汽车车身的生产中有着重要的应用，汽车行业的快速发展带动了金属板材的大批量生产，在板材需求量显著提高的同时，其质量也越来越受到人们的重视。轧制过程中由于连铸钢坯、轧制设备和轧制工艺等原因，轧制后板材表面会形成缺陷，这样既不美观也影响板材寿命和性能。因此，国内外众多科研机构和学者展开了对板材表面缺陷检测的研究。

从20世纪开始，至今大致经历3个检测阶段，分别是人工目视与离线抽检相结合、单纯机电技术或光学技术(涡流检测等)、光机电一体化的机器视觉。在长期的单一重复性工作中，工人容易产生疲劳，导致不合格的产品流入到应用市场中。且不同的工人操作的手法力度宽严也不尽相同，对于极限件合格性的判断会产生相对应的差异。

随着计算机视觉技术的发展，逐步出现了一些基于计算机视觉的缺陷检测方法，起初主要是利用CCD对钢板生产过程中的图像进行采集，利用相关的信号处理程序实现对表面缺陷的定位。接着出现了一些基于图像处理的表面缺陷阈值分割，静态检测与识别的研究。随后有学者将数据挖掘技术与表面缺陷检测结合起来，并建立了相应的表面缺陷数据挖掘关联规则系统。近些年来出现了一些新的检测方法，例如蒋芸等通过分析灰度图像在三维空间中的特点，提出了一种基于三维灰度矩阵的表面缺陷图像分割算法，胡联亭利用模式识别技术对缺陷进行了有效的分割与分类，崔洁将随机森林算法与传统的超声检测法相结合，通过提取特征的方式，对表面缺陷进行了检测及分类。虽然这些现有的方法都可以检测钢板表面的缺陷，但由于检测结果很大程度上依赖于图像处理结果的好坏，并且步骤繁琐，因此只能应用于静态的金属表面缺陷检测，无法实时地对生产过程进行监控。但金属板材表面反光强烈，缺陷成因复杂，使得缺陷检测系统性能的进一步提升遇到了瓶颈。

鉴于上述分析，现有技术中存在的问题是：

(1)在长期的单一重复性工作中，工人容易产生疲劳，导致不合格的产品流入到应用市场中

(2)不同的工人操作的手法力度宽严也不尽相同，对于极限件合格性的判断会产生相对应的差异。

(3)金属板材表面反光强烈，缺陷成因复杂，在机器视觉检测中也存在诸多问题。

解决上述技术问题的难度在于：

板材表面缺陷类别众多，有凹坑、凸起、划痕等缺陷，位置存在板材表面任意地方、缺陷的状态、大小均不同。本文提出一种基于机器视觉的金属板材表面缺陷检测方法，适应不同类型、不同形态、不同位置的缺陷。通过条纹畸变情况，间接反映缺陷的大小，为现场员工提供了一个参考的依据。

解决上述技术问题的意义在于：

考虑到传统人工检测方式以及传统视觉的检测方式，采用本文提出的检测方法可以适应不同类型、不同形态、不同位置的缺陷，降低了传统方式的检出要求，提高了检测的效率，并且根据缺陷处图像中曲率变化程度，计算出缺陷的大小。

发明内容

为克服相关技术中存在的问题，本发明公开实施例提供了一种基于机器视觉的金属板材表面缺陷检测方法。所述技术方案如下：

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：