[发明专利]基于机器视觉的铜带表面缺陷检测方法及系统

权利要求书

1.基于机器视觉的铜带表面缺陷检测方法，其特征在于：所述方法包括：

目标检测步骤：将采集的铜片表面图像进行目标检测，判断是否存在缺陷；

图像分割步骤：基于Canny算法计算连续前帧铜片表面图像、后帧铜片表面图像的梯度直方图自适应设置高阈值和低阈值进而实现铜带表面的缺陷分割；

特征提取步骤：提取铜片表面图像中缺陷部分的特征信息，包括几何特征、灰度特征、形状特征和纹理特征；

分类步骤：根据所述特征信息对铜片表面图像中的缺陷进行分类处理，实现铜带表面的缺陷分类。

2.根据权利要求1所述的基于机器视觉的铜带表面缺陷检测方法，其特征在于：所述目标检测步骤具体包括：

将采集的铜片表面图像与标准图像进行减法处理获得差影图，通过分析差影图像素点灰度值判断铜片表面图像是否存在缺陷并输出目标检测结果。

3.根据权利要求2所述的基于机器视觉的铜带表面缺陷检测方法，其特征在于：当所述目标检测结果为前帧铜片表面图像无缺陷、后帧铜片表面图像存在缺陷时，边缘检测与连接的高阈值、低阈值计算具体为：

通过前帧铜片表面图像的梯度直方图，累积计算梯度幅值的像素数目，当像素数据大于图像像素的99％时的梯度幅值作为标准阈值T，后帧铜片表面图像进行边缘检测的高阈值、低阈值的计算公式为：

T_H＝T

T_L＝0.4T_H

后续铜片表面图像进行边缘检测和连接时的高阈值计算公式为：

T_H＝T₁

其中，T_H表示高阈值，T_L表示低阈值，T₁为上一帧无缺陷的铜片表面图像的梯度直方图获取的高阈值。

4.据权利要求2所述的基于机器视觉的铜带表面缺陷检测方法，其特征在于：当所述目标检测结果为前帧铜片表面图像、后帧铜片表面图像均无缺陷时，后续边缘检测与连接的高阈值计算公式如下：

T_H＝T₂

其中，T₂为上一帧无缺陷的铜片表面图像的梯度直方图获取的高阈值。

5.根据权利要求1所述的基于机器视觉的铜带表面缺陷检测方法，其特征在于：当所述目标检测结果为前帧铜片表面图像存在缺陷或者前帧铜片表面图像、后帧铜片表面图像均存在缺陷时，后续边缘检测与连接的高阈值为预存储标准阈值，所述预存储标准阈值为标准图像像素数据大于图像像素的99％时的梯度幅值。

6.根据权利要求1所述的基于机器视觉的铜带表面缺陷检测方法，其特征在于：所述特征提取步骤包括：

对铜片表面图像中的缺陷部分进行旋转、缩放处理，得到具有不变性的宽长比、矩形度、圆形度和不变矩的缺陷特征向量。

7.根据权利要求6所述的基于机器视觉的铜带表面缺陷检测方法，其特征在于：所述分类步骤包括：

对缺陷特征向量进行归一化处理后输入分类器，并计算缺陷特征向量的缺陷类型分类系数矩阵，进而实现铜片表面的缺陷分类。

8.根据权利要求1所述的基于机器视觉的铜带表面缺陷检测方法，其特征在于：所述目标检测步骤前还包括对采集的铜片表面图像进行灰度化处理以及中值滤波处理。

9.根据权利要求1-8任意一项所述的的基于机器视觉的铜带表面缺陷检测方法的系统，所述系统包括：

目标检测单元，用于将采集的铜片表面图像进行目标检测，判断是否存在缺陷；

图像分割单元，用于通过计算连续前帧铜片表面图像、后帧铜片表面图像的梯度直方图自适应设置高阈值和低阈值进而实现铜带表面的缺陷分割；

特征提取单元，用于提取铜片表面图像中缺陷部分的特征信息，包括几何特征、灰度特征、形状特征和纹理特征；

分类单元，用于根据所述特征信息对铜片表面图像中的缺陷进行分类处理，实现铜带表面的缺陷分类。

10.根据权利要求9所述的基于机器视觉的铜带表面缺陷检测系统，其特征在于：所述系统还包括预处理单元，用于对采集的铜片表面图像进行灰度化处理以及中值滤波处理。