[发明专利]一种基于机器视觉的钢板表面缺陷检测与识别系统及方法在审

专利信息
申请号: 202111374985.0 申请日: 2021-11-19
公开(公告)号: CN114119526A 公开(公告)日: 2022-03-01
发明(设计)人: 姜乐兵;沈晓东;吴鑫;裴永胜;付文杰;宋飞虎;李静;李臻峰 申请(专利权)人: 江南大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/62;G06N3/04;G06K9/62;G01N21/88;G06V10/764;G06V10/82
代理公司: 无锡华源专利商标事务所(普通合伙) 32228 代理人: 过顾佳
地址: 214122 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 机器 视觉 钢板 表面 缺陷 检测 识别 系统 方法
【权利要求书】:

1.一种基于机器视觉的钢板表面缺陷检测与识别系统,其特征在于,系统包括照明模块、图像采集模块、采集控制模块、缺陷检测与识别模块,被测钢板由传动机构带动沿其长度方向运动;所述照明模块和图像采集模块组合构成两种光路,放置在被测钢板表面的上方,光路包括明域光路和暗域光路,所述照明模块用于照亮所述被测钢板表面;所述采集控制模块包括NI采集卡和PC机,所述PC机连接所述NI采集卡,所述NI采集卡连接所述图像采集模块,所述PC机用于提供方波信号,所述图像采集模块被所述方波信号触发,用于采集被测钢板表面图像;所述缺陷检测与识别模块安装在所述PC机上,用于对所述被测钢板表面图像进行缺陷检测与定位。

2.根据权利要求1所述的基于机器视觉的钢板表面缺陷检测与识别系统,其特征在于,所述缺陷检测与识别模块包括缺陷目标判别模块、图像预处理模块、图像分割定位模块、图像分类识别模块和缺陷信息显示与储存模块;

所述缺陷目标判别模块用于对所述被测钢板表面图像进行缺陷目标判别,并将第一缺陷图像导入至所述图像预处理模块;所述图像预处理模块用于对所述第一缺陷图像进行自适应中值滤波和PSO-Gabor特征增强处理,并将第二缺陷图像分别导入至所述图像分割定位模块和图像分类识别模块;所述图像分割定位模块采用阈值法对所述第二缺陷图像进行分割得到缺陷二值图像,对所述缺陷二值图像中的缺陷像素进行计数得到缺陷面积,计算所述缺陷二值图像中各缺陷目标区域的质心作为缺陷位置,并将所述缺陷面积和缺陷位置导入至所述缺陷信息显示与储存模块;所述图像分类识别模块采用卷积神经网络作为分类模型,用于对所述第二缺陷图像进行缺陷分类识别,缺陷类型包括裂纹、斑块、氧化铁皮压入、麻点、夹杂和划痕,将识别到的缺陷类型导入至所述缺陷信息显示与储存模块;所述缺陷信息显示与储存模块用于对缺陷信息进行实时显示和储存,所述缺陷信息包括缺陷类型、面积和位置。

3.根据权利要求1所述的基于机器视觉的钢板表面缺陷检测与识别系统,其特征在于,所述照明模块包括两个高亮线性LED光源,两个所述高亮线性LED光源平行于被测钢板宽度方向放置;所述图像采集模块包括两套工业CMOS黑白相机和光学镜头,所述工业CMOS黑白相机通过螺纹与光学镜头连接,两套工业CMOS黑白相机和光学镜头沿被测钢板宽度方向依次放置,所述图像采集模块与所述被测钢板表面的垂直高度高于所述照明模块与所述被测钢板表面的垂直高度;

一个高亮线性LED光源与两套所述工业CMOS黑白相机和光学镜头,以被测钢板宽度方向的平面为轴对称分布,组成所述明域光路,所述图像采集模块采集被测钢板表面明域缺陷图像;另一个高亮线性LED光源与两套所述工业CMOS黑白相机和光学镜头,以被测钢板宽度方向的平面为轴非对称分布,组成所述暗域光路,所述图像采集模块采集被测钢板表面暗域缺陷图像。

4.根据权利要求2所述的基于机器视觉的钢板表面缺陷检测与识别系统,其特征在于,在所述缺陷目标判别模块中,设定灰度标准差阈值为1,计算所述被测钢板表面图像的灰度标准差,比较所述灰度标准差与灰度标准差阈值之间的大小,若所述灰度标准差大于等于1,判断图像有缺陷,得到所述第一缺陷图像,若所述灰度标准差小于1,判断图像无缺陷,将对应的被测钢板表面图像清除以释放内存。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111374985.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top