[发明专利]基于机器视觉的结构钢锭型偏析缺陷检验量化评级方法

摘要

本发明提供的一种基于机器视觉的结构钢锭型偏析缺陷检验量化评级方法，包括步骤：S1：建立结构钢锭型偏析缺陷检验量化评级的数学模型；S2：获取样本图片Ⅰ；S3：将样本图片Ⅰ进行图像预处理，得到样本图片Ⅱ；S4：计算样本图片Ⅱ的锭型偏析框带的平均宽度与圆坯半径的比值和框型的疏密程度；S5：拟合得到数学模型中的未知常数；S6：采集结构钢锭型图片Ⅰ；S7：将结构钢锭型图片Ⅰ进行图像预处理，得到结构钢锭型图片Ⅱ；S8：计算结构钢锭型图片Ⅱ的锭型偏析框带的平均宽度与圆坯半径的比值和框型的疏密程度；S9：计算并判断得到最终评级级别；本发明可对碳素结构钢、合金结构钢、弹簧钢锭型偏析缺陷量化评级，操作性强，检验结果客观、准确。

主权项

1.一种基于机器视觉的结构钢锭型偏析缺陷检验量化评级方法，其特征在于：包括步骤：S1：建立结构钢锭型偏析缺陷检验量化评级的数学模型，所述结构钢锭型偏析缺陷检验量化评级的数学模型为：其中，P表示结构钢锭型偏析缺陷检验评级级别；P的取值越大，表示结构钢锭型偏析程度越大；表示锭型偏析框带的平均宽度与圆坯半径的比值；表示的i次方，d表示框型的疏密程度，a_i表示第i项加权系数Ⅰ，b_i表示第i项加权系数Ⅱ；c表示调整常数；n表示加权系数Ⅰ的个数，所述加权系数Ⅰ的个数与加权系数Ⅱ的个数相同；设定结构钢锭型偏析缺陷检验评级级别的取值集合A；S2：获取结构钢锭型偏析缺陷检验量化评级的样本图片Ⅰ；其中，样本图片Ⅰ中的锭型偏析框带外切圆的圆心位于样本图片Ⅰ的中心；S3：将样本图片Ⅰ进行图像预处理，得到了只含有结构钢锭型偏析的缺陷暗斑的样本图片Ⅱ；S4：计算样本图片Ⅱ的锭型偏析框带的平均宽度与圆坯半径的比值和框型的疏密程度；S5：将样本图片Ⅱ的锭型偏析框带的平均宽度与圆坯半径的比值和框型的疏密程度以及样本图片Ⅱ的结构钢锭型偏析缺陷检验评级级别带入数学模型，拟合得到数学模型中的加权系数Ⅰ的个数、加权系数Ⅰ、加权系数Ⅱ和调整常数，得到确定了加权系数Ⅰ的个数、加权系数Ⅰ、加权系数Ⅱ和调整常数的数学模型；S6：采集需要进行结构钢锭型偏析缺陷检验评级的结构钢锭型图片Ⅰ；所述结构钢锭型图片Ⅰ含有完整的结构钢锭型图像；其中，结构钢锭型图片Ⅰ中的锭型偏析框带外切圆的圆心位于结构钢锭型图片Ⅰ的中心；S7：将结构钢锭型图片Ⅰ进行图像预处理，得到只含有结构钢锭型偏析的缺陷暗斑的结构钢锭型图片Ⅱ；S8：计算结构钢锭型图片Ⅱ的锭型偏析框带的平均宽度与圆坯半径的比值和框型的疏密程度；S9：将结构钢锭型图片Ⅱ的锭型偏析框带的平均宽度与圆坯半径的比值和框型的疏密程度；带入步骤S5得到的确定了加权系数Ⅰ的个数、加权系数Ⅰ、加权系数Ⅱ和调整常数的数学模型，计算得到结构钢锭型偏析缺陷检验评级级别初值；判断计算得到的结构钢锭型偏析缺陷检验评级级别初值是否属于集合A；若属于，则计算得到的结构钢锭型偏析缺陷检验评级级别初值为最终连铸钢的方坯中心偏析缺陷检验评级级别；若不属于，则在集合A中与计算得到的结构钢锭型偏析缺陷检验评级级别初值差值的绝对值最小的元素值为最终结构钢锭型偏析缺陷检验评级级别；上述步骤中，所述图像预处理包括：步骤1：裁剪：采用边缘圆分割法，将图片中的连铸钢圆坯的直径测出，以连铸钢圆坯的圆心为圆心，以连铸钢圆坯的直径的为直径，在图片中画用于裁剪的圆，将位于该圆封闭区域之外的区域裁剪掉，得到裁剪后的图片；步骤2：灰度化：步骤1得到的裁剪后的图片为三通道的彩色图，将步骤1得到的裁剪后的图片转化为单通道的灰度图；步骤3：对步骤2得到的灰度图进行伽马校正，得到经伽马校正后的图片；步骤4：中值滤波：对步骤3得到的经伽马校正后的图片进行中值滤波，得到中值滤波后的图片；步骤5：阈值分割：建立与步骤4得到的中值滤波后的图片像素尺寸大小一样的矩阵G，所述矩阵G中各元素的值的计算公式为：其中，g(x,y)表示矩阵G中位置为(x,y)的元素值；f(x,y)为步骤4中得到中值滤波后的图片中位置为(x,y)的像素点值，T₁和T₂分别为分割下限阈值和分割上限阈值；求矩阵G与步骤4中得到的中值滤波后的图片的哈达玛积，得到阈值分割后的图片；步骤6：采用形态学膨胀算法填充步骤5中阈值分割后的图片中锭型偏析框带区域中非锭型偏析缺陷像素点，得到对图像进行预处理后的图片，其中所述非锭型偏析缺陷像素点为步骤5中阈值分割后的图片中像素点值为0的像素点。