[发明专利]一种用于钢材剥皮的缺陷识别方法

说明书

本发明涉及图像处理技术领域，具体涉及一种用于钢材剥皮的缺陷识别方法。该方法包括：获取剥皮后的待检测钢材的RGB图像中像素点的亮度分量，根据所述亮度分量，得到各像素点对应的亮度波动强度，进而确定区域生长的种子点；根据种子点对应的亮度波动强度、种子点的预设邻域内各像素点对应的亮度波动强度、种子点的亮度分量、种子点的预设邻域内各像素点的亮度分量，确定区域生长规则，进而获得各疑似凹坑区域；基于预先训练好的神经网络对所有疑似凹坑区域进行筛选，判断剥皮后的待检测钢材是否存在缺陷。本发明提高了钢材剥皮的缺陷检测精度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种用于钢材剥皮的缺陷识别方法。

背景技术

钢材在加工前需要通过剥皮操作去除氧化层，剥皮常用手段为使用相关器具进行打磨，打磨过程中不可避免会出现凹坑，而某些对表面尺寸有要求的特殊用途钢材，不能通过加大打磨量去除凹坑，需要进行定位后人工使用风铲等损伤较小的工具进行去除，但当凹坑与钢材色差较小时人工较难辨认且效率较低，因此一般通过计算机视觉方式对缺陷区域进行确定，常用的计算机视觉方式一般通过区域生长算法来获取缺陷区域，但当凹坑区域与钢材正常区域颜色差别较小时，固定的生长规则使得区域生长的生长结果的准确性较低，进而导致钢材剥皮缺陷的检测精度较低。

发明内容

为了解决现有方法在对钢材剥皮缺陷进行识别时存在的识别精度较低的问题，本发明的目的在于提供一种用于钢材剥皮的缺陷识别方法，所采用的技术方案具体如下：

本发明提供了一种用于钢材剥皮的缺陷识别方法，该方法包括以下步骤：

获取剥皮后的待检测钢材的RGB图像；

获取所述RGB图像中各像素点的亮度分量，根据所述RGB图像中各行像素点的亮度分量或各列像素点的亮度分量，得到所述RGB图像中各像素点对应的亮度波动强度；基于所述亮度波动强度获得区域生长的种子点；

根据种子点对应的亮度波动强度、种子点的预设邻域内各像素点对应的亮度波动强度、种子点的亮度分量、种子点的预设邻域内各像素点的亮度分量，确定区域生长规则；基于所述生长规则对所述RGB图像中的种子点进行区域生长，获得所述RGB图像中的各疑似凹坑区域；基于预先训练好的神经网络对所有疑似凹坑区域进行筛选，基于筛选结果判断剥皮后的待检测钢材是否存在缺陷。

优选的，所述根据所述RGB图像中各行像素点的亮度分量或各列像素点的亮度分量，得到所述RGB图像中各像素点对应的亮度波动强度，包括：

根据所述RGB图像中各行像素点的亮度分量或各列像素点的亮度分量，构建各行对应的亮度序列或各列对应的亮度序列；

根据所述RGB图像中各像素点的亮度分量和与其所在的亮度序列中相邻的亮度分量，得到所述RGB图像中各像素点对应的亮度波动强度。

优选的，根据所述RGB图像中各像素点的亮度分量和与其所在的亮度序列中相邻的亮度分量，得到所述RGB图像中各像素点对应的亮度波动强度，包括：

对于所述RGB图像中的第i个像素点：

计算第i个像素点的亮度分量和与其所在的亮度序列中相邻的亮度分量的差异；计算第i个像素点的亮度分量中亮度分量的最大值和最小值的差值；基于所述差异和所述差值，得到第i个像素点对应的亮度波动强度，所述差异与所述亮度波动强度呈正相关关系，所述差值与所述亮度波动强度呈负相关关系。

优选的，所述基于所述亮度波动强度获得区域生长的种子点，包括：分别判断所述RGB图像中各像素点对应的亮度波动强度是否大于超参数，若大于，则将对应像素点作为区域生长的种子点。

优选的，所述根据种子点对应的亮度波动强度、种子点的预设邻域内各像素点对应的亮度波动强度、种子点的亮度分量、种子点的预设邻域内各像素点的亮度分量，确定区域生长规则，包括：