[发明专利]基于图像处理的钢卷缺陷检测方法

权利要求书

1.一种基于图像处理的钢卷缺陷检测方法，其特征在于，包括：

步骤： 通过对采集到的图像进行语义分割，得到钢卷区域图像;

步骤： 通过霍夫圆检测对钢卷区域内，各层钢卷圆形边缘进行提取;

步骤： 对霍夫圆的边缘点统计策略进行优化，得到钢卷各层的松卷程度；

所述步骤为:通过Canny边缘检测算法将图像中属于边缘的像素点提取出来，然后将所有边缘像素点的位置坐标进行三维极坐标系转化，此时，图像中每一个像素点为三维空间（a,b,r）中的一个圆,圆的笛卡尔坐标系中的方程为：，进行三维空间映射后得到，；选取任意点，在三维直角坐标系中，绘出所有通过点的圆，得到三维曲线；当两个不同点进行上述操作后得到的曲线在三维空间相交，即两个不同点有一组公共的，则该两个不同点在同一个圆上；多条曲线相交于一点，则该交点表示的圆由多个点组成，当交点的曲线数量大于阈值，则为标准圆，反之，则为不规则的圆形；当多组曲线出现多组公共的时，则图像中存在多个圆；其中；

所述步骤具体如下：当为不规则的圆形时，在进行同一圆形边缘点映射时，边缘点在三维空间某个范围内对应多个半径，相交多个交点,表示所有不满足阈值的三维空间交点总数，每个交点代表某个圆心对应的圆形边缘，将各交点进行聚类，得到缺失区域的钢卷边缘；其中聚类的起始中心点是以步骤中得到的标准圆边缘的三维空间交点最近邻的交点作为聚类的起始中心点，起始中心点的具体选取方法为：首先，对阈值进行调节，将阈值缩小10倍,获取一部分圆的边缘图像三维空间交点作为起始聚类中心点，每次缩小的比例即为聚类中心的初始半径,以缺陷区域最近邻标准圆形边缘区域的交点为初始中心点进行聚类，将初始半径内所有的交点聚为一类，同类中的不同交点所在的圆弧为同一个不规则圆上的边缘像素点,得到与标准钢卷圆最近邻不规则钢卷区域,将聚类的初始半径进行不断的扩大，当第一初始半径聚类完成后，不再有新的交点出现时，初始半径，在进行聚类，然后不断的扩大初始半径，直到聚类区域中参与聚类的交点数量大于阈值，第一次聚类结束，得到最近邻不规则圆的所有边缘像素点,以最近邻不规则圆的聚类中心点的终止聚类半径为第二次聚类半径的起始半径，继续进行最近邻不规则圆的外侧第二个不规则圆的边缘像素点聚类，当聚类区域中参与聚类的交点数量大于阈值，第二次聚类结束，得到第二个不规则圆的所有边缘像素点,然后不断进行迭代聚类，得到所有层的钢卷边缘所构成的不规则圆，半径的迭代的次数,m表示：共有m层不规则圆形边缘；则每层不规则圆的松卷程度，通过不同层的钢卷卷取的松卷程度的变化规律实现对当前松卷缺陷的判断。

2.根据权利要求1所述一种基于图像处理的钢卷缺陷检测方法，其特征在于，所述步骤为：通过相机采集的钢卷的正面图像，进行图像数据预处理，将采集到的图像进行灰度化处理，得到灰度图像；灰度化采用加权灰度化；将处理后的图像输入语义分割网络，输出语义分割后的钢卷图像，具体的语义分割网络步骤如下：语义分割网络结构为Encoder-Decoder，输出的图像为二值图像;通过人工对图像像素点进行标记，将训练集的钢卷区域的像素值标注为1，其他区域的像素标记为0，将标记好的图像输入语义分割网络进行训练；标签作为网络训练的监督;网络损失函数为交叉熵损失函数;将训练好的语义分割网络输出的二值图像与原图像相乘，得到钢卷图像。