一种连续带状多孔金属材料漏镀缺陷的检测并定位的方法

摘要

本发明提供了一种连续带状多孔金属材料漏镀缺陷的检测并定位的方法，首先判定漏镀缺陷——判定后再定位漏镀缺陷的区域，每个过程均包括训练分类器－测试－输出结果，判定漏镀缺陷时，采用产品图像的灰度均值、方差、同质值及45°和135°两个方向上的惯性矩作为特征向量，而定位漏镀缺陷时，则采用灰度均值、灰度方差、RGB联合向量以及在0°、45°、90°和135°四个方向上的相关性，构成特征向量。本发明针对多孔金属材料能在线自动检测并定位漏镀缺陷区域，不仅准确率高，可实现产品的无损检测，而且还可提高多孔金属材料产品的质量和合格率，降低生产成本，提高生产效率。

主权项

一种连续带状多孔金属材料漏镀缺陷的检测并定位的方法，首先判定漏镀缺陷；判定后再定位漏镀缺陷的区域；其特征在于：按以下步骤判定漏镀缺陷，(1‑I)使用相同的可采集图像数据装置，在相同的光照条件和相同拍摄距离条件下，拍摄同一规格的带状多孔金属产品图像，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≥500，P≥100，选取的图像大小相同，并输入至具有数据处理功能的设备中；(1‑II)采用所述具有数据处理功能的设备，计算每张图像的灰度均值、方差、同质值及45°和135°两个方向上的惯性矩共5个特征值；同质值通过公式(1)计算得到：$H_{(d,\theta )}={\Sigma }_m{\Sigma }_n\frac{P_{(d,\theta )}(m,n)}{1+\left|m-n\right|}---\left(1\right)$其中，d表示距离，θ表示角度，P_(d,θ)(m,n)表示距离为d、角度为θ的灰度共生矩阵的元素值；(1‑III)将正常产品图像按步骤(1‑II)计算得到的5个特征值作为正样本特征向量FP_A:FP_A＝[μ_A,σ_A,H_A(d,θ),I_A(45°)，I_A(135°)]  (2)其中，μ_A为正常产品图像的灰度均值，σ_A为灰度方差，H_A(d,θ)为同质值，I_A(45°)为在45°方向上的惯性矩，I_A(135°)为在135°方向上的惯性矩；将包含漏镀缺陷的产品图像按步骤(1‑II)计算得到的5个特征值作为负样本特征向量FN_B:FN_B＝[μ_B,σ_B,H_B(d,θ),I_B(45°),I_B(135°)]  (3)其中，μ_B为包含漏镀缺陷的产品图像的灰度均值，σ_B为灰度方差，H_B(d,θ)为同质值，I_B(45°)为在45°方向上的惯性矩，I_B(135°)为在135°方向上的惯性矩；(1‑IV)分别对正样本特征向量和负样本特征向量给出不同的标识，输入具有数据处理功能的分类器，完成训练；完成判定漏镀缺陷的分类器训练后，采用与训练分类器完全相同的图像数据采集条件实时采集待测产品的图像，图像大小也与训练分类器时选取的图像大小相同；按所述训练分类器的步骤(1‑II)分别计算每张待测产品图像的灰度均值、方差、同质值及45°和135°两个方向上的惯性矩构成测试特征向量，并输入到已经训练好的分类器中进行测试，若测试结果为正样本类别时，该图像被判定为无漏镀缺陷产品图像，若测试结果为负样本类别时，该图像被判定为含漏镀缺陷产品图像；按以下步骤定位漏镀缺陷的区域：(2‑Ⅰ)在具有数据处理功能的设备中将包含有漏镀缺陷的彩色图像分成大小为n×n的区域块，大小不足n×n的区域块被剔除，再将所分好的区域块分为C、D两组，其中C组的区域块是完全不包含漏镀缺陷的区域块，D组是全部包含漏镀缺陷的区域块；n为64～256的自然数；(2‑Ⅱ)采用所述具有数据处理功能的设备计算C、D两组每个区域块图像的RGB联合向量，再将C、D两组每个区域块图像转化为灰度图像，计算每个区域块图像的灰度均值、灰度方差以及在0°、45°、90°和135°四个方向上的相关性，将C、D两组区域块图像的上述特征分别构成正、负样本特征向量，并对正样本特征向量和负样本特征向量给出不同的标识，输入具有数据处理功能的分类器，完成训练；其中所述的RGB联合向量按公式(4)和公式(5)计算：$\left\{\begin{array}{c}rgb=\alpha R+\beta G+\chi B\\ rbg=\alpha R+\beta B+\chi G\\ gbr=\alpha G+\beta B+\chi R\\ grb=\alpha G+\beta R+\chi B\\ bgr=\alpha B+\beta G+\chi R\\ brg=\alpha B+\beta R+\chi G\end{array}\right.---\left(4\right)$FC＝[rgb,rbg,gbr,grb,bgr,brg]  (5)其中，α、β和χ为比例系数，R是指所述彩色图像中红色通道的像素值，G是指所述彩色图像中绿色通道的像素值，B是指所述彩色图像中蓝色通道的像素值，FC为RGB联合向量；在完成定位的分类器训练后，将已经判定被确认有漏镀缺陷存在的图像作为待定位漏镀区域的图像，将图像分成大小为n×n的区域块，大小不足n×n的区域块被剔除；按所述训练分类器的步骤(2‑Ⅱ)分别计算每张图像每个区域块的RGB联合向量，以及区域块图像转化为灰度图像后的灰度均值、灰度方差和在0°、45°、90°和135°四个方向上的相关性，将计算得到的区域块图像特征构成待定位漏镀区域图像的特征向量，将之输入已完成训练的定位分类器中，输出待定位漏镀区域图像中漏镀区域的识别结果。