[发明专利]基于图像处理的钢卷缺陷检测方法

说明书

本发明涉及一种基于图像处理的钢卷缺陷检测方法，包括：通过对采集到的图像进行语义分割，得到钢卷区域图像;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;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；基于本申请所述通过霍夫圆检测方法能够获取到卷取正常的钢卷层的边缘图像，相较于现有技术有益效果在于能够得到缺失的钢卷层边缘图像，根据缺失区域大小为边缘点统计策略优化提供参考，提高优化效率。

技术领域

本发明涉及人工智能领域，具体涉及一种基于图像处理的钢卷缺陷检测方法。

背景技术

目前，针对钢卷的缺陷类型主要是：钢卷卷度较松，钢卷呈现塔形，卷偏问题，其主要产生原因是：热轧卷卷取导向不良，对中不良，边部未对齐，导致产生偏移，或者钢带形状不良，钢带表面存在镰刀弯。针对上述问题，目前主要的缺陷检测方法还处于通过人工对钢卷质量进行检测，检测过程需要大量的人力持续不间断的对钢卷进行质量检测。

发明内容

为了克服上述现有技术的缺点，本发明采用以下技术方案：

一种基于图像处理的钢卷缺陷检测方法，包括以下步骤：

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。

进一步，所述步骤为：通过相机采集的钢卷的正面图像，进行必要的图像数据预处理，将采集到的图像进行灰度化处理，灰度化采用加权灰度化，具体的灰度化方法不再描述，最终得到灰度图像;将处理后的图像输入语义分割网络，输出语义分割后钢卷图像，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。

进一步，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就变为了三维空间（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，，假设给定一个点，我们可以在三维直角坐标系中，绘出所有通过它的圆，如果两个不同点进行上述操作后得到的曲线在空间相交，即它们有一组公共的（a,b,r），这就意味着它们在同一个圆上，越多曲线相交于一点，也就意味着这个交点表示的圆由更多的点组成，通过设置阈值，来决定多少条曲线相较于一点才认为检测到了一个圆,当多组曲线出现多组公共的时，说明图像中存在多个圆，那么通过重复进行多条曲线相交于一点的阈值判断，那么，就可以检测到图像中的多个圆，由于钢卷的图像相对较大，阈值设置的也对较大。