[发明专利]基于机器视觉的铜带表面缺陷检测方法及系统

说明书

本发明公开了基于机器视觉的铜带表面缺陷检测方法及系统，属于测试技术领域，通过目标检测确定铜片表面图像是否存在缺陷，再根据该目标检测结果基于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，分割效果好，能够将不同的缺陷完整的分割出来，进一步提取缺陷的特征信息再进行分类处理，进而确定铜片表面的缺陷类型，分类准确度高。

技术领域

本发明涉及测试技术领域，尤其涉及基于机器视觉的铜带表面缺陷检测方法及系统。

背景技术

铜带作为一种金属元件，已经广泛应用于生产电器元件、灯头、电池帽、钮扣、密封件、接插件，主要用作生产导电、导热、耐蚀器材，如电气元器件、开关、垫圈、垫片、电真空器件、散热器、导电母材及汽车水箱、散热片、气缸片等各种零部件。

铜带的表面质量是铜带最为重要的质量因素之一，其质量的优劣直接影响其最终产品的性能与质量。然而在加工过程中，由于原材料、轧制设备和工艺等原因，会导致铜带表面出现结疤、裂纹、刮伤、孔洞等不同类型的缺陷，严重影响了最终产品的质量。为保证铜片表面质量，需要对铜片表面缺陷进行检测，针对铜片表面的缺陷检测手段包括超声波扫描、激光扫描、红外成像等，目前应用较多是基于机器视觉的图像分类法，即通过图像采集装置采集图像，并通过图像分类技术对图像进行处理，进而确定铜带表面是否出现缺陷，再进一步图像缺陷进行分类，由于图像处理过程中需要进行图像的传送、转换等，会造成图像质量的下降，无法准对图像进行分割，进而影响分类器的分类准确率。

发明内容

本发明的目的在于克服现有技术中检测精度不够高的问题，提供了一种基于机器视觉的铜带表面缺陷检测方法及系统。

本发明的目的是通过以下技术方案来实现的：基于机器视觉的铜带表面缺陷检测方法，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。

作为一选项，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。

作为一选项，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。

作为一选项，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：