[发明专利]一种在线检测连续带状泡沫金属材料漏镀缺陷的方法

摘要

本发明提供了一种在线检测连续带状多孔金属材料漏镀缺陷的方法，分类器训练和分类器测试两个步骤。训练分类器时，取部分正常产品的图像经Gabor滤波后再相加取平均值作为模板图像，再计算模板图像特征值组成特征向量，余下的正常产品图像以及含漏镀缺陷的产品图像经Gabor滤波，计算特征值后，再分别与模板图像相对应位置特征向量相减取绝对值后，分别作为正样本和负样本，输入到分类器中进行训练。完成训练后，再取待测产品按训练器分类的条件与步骤得出特征向量，再与模板图像相对应位置特征向量相减取绝对值后输入到分类器得到分类结果。本发明可针对多孔金属材料能在线自动检测其中的漏镀缺陷的方法，不仅准确率高、可以在生产的同时实现自动检测，并且还可实现无损检测。

主权项

1.一种在线检测连续带状泡沫金属材料漏镀缺陷的方法，包括分类器训练和分类器测试两个步骤，其中分类器训练具体步骤如下：(I)使用相同的可采集图像数据装置，在相同光源和相同拍摄距离条件下，拍摄同一规格的带状泡沫金属产品图像，从拍摄的图像中选取N张正常产品图像和P张包含漏镀缺陷的产品图像，其中N≥100和P≥10；(Ⅱ)从N张正常产品图像中随机选取N1张图像，Gabor滤波后相加取平均值，得到正常区域图像模板，其中N1≥20；(Ⅲ)将正常区域图像模板平均分成M个大小为n×n像素的子区域块，其中n为不小于150的正整数，计算每个子区域块的灰度均值、梯度不均匀性、相关度、共生和方差五个特征值；(Ⅳ)每张包含漏镀缺陷的产品图像经Gabor滤波后分成M个大小为n×n像素的子区域块，计算每个子区域块的灰度均值、梯度不均匀性、相关度、共生和方差五个特征值；(Ⅴ)计算第Ⅳ步中得到的每个子区域块特征值与正常区域图像模板相对应位置区域块特征值之差的绝对值，并将它们按一定顺序组成一个行向量，作为正样本特征向量；(Ⅵ)从正常产品图像集除去已选取的N1张外的图像中，随机选取K张，其中10≤K≤20，经Gabor滤波后将每一张图像分成M个大小为n×n像素的区域块，计算每个区域块的灰度均值、梯度不均匀性、相关度、共生和方差五个特征值；(Ⅶ)计算第Ⅵ步中得到的每个区域块特征值与正常区域图像模板相对应位置区域块特征值之差的绝对值，并将它们按一定顺序组成一个行向量，作为负样本特征向量；(Ⅷ)将正、负样本特征向量分别给出不同的标识后输入到SVM分类器中，完成分类器训练；完成SVM分类器的训练后，采用与训练SVM分类器完全相同的数据图像采集条件，实时采集待测产品的图像；待检测图像经过Gabor滤波后，将其分成M个大小为n×n像素的区域块，计算每个区域块的灰度均值、梯度不均匀性、相关度、共生和方差五个特征值，组成特征向量；计算待测产品图像与正常区域图像模板相对应位置区域块的特征值之差的绝对值，并将它们按一定顺序组成一个行向量，输入到已训练好的SVM分类器中，输出分类结果。