[發(fā)明專(zhuān)利]一種冷軋帶鋼表面缺陷原因分析方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410026959.2
• 申請(qǐng)日: 2014-01-21
• 公開(kāi)（公告）號(hào): CN103778445B
• 公開(kāi)（公告）日: 2017-02-01
• 發(fā)明（設(shè)計(jì)）人: 孔建益;劉軍偉;石甜;楊壯;王興東
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢科技大學(xué)
• 主分類(lèi)號(hào): G06K9/66
• 分類(lèi)號(hào): G06K9/66
• 代理公司: 北京輕創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司11212
• 代理人: 楊立

1.一種冷軋帶鋼表面缺陷原因分析方法，其特征在于，包括以下步驟：

步驟1：組建基于學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的缺陷原因特征知識(shí)庫(kù)；

步驟2：實(shí)時(shí)缺陷圖像輸入單元采集實(shí)時(shí)缺陷圖像，并將所述實(shí)時(shí)缺陷圖像發(fā)送到缺陷原因匹配單元；

步驟3：所述缺陷原因匹配單元通過(guò)所述學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)在所述缺陷原因特征知識(shí)庫(kù)中匹配出與所述實(shí)時(shí)缺陷圖像相對(duì)應(yīng)的缺陷原因，并將所述缺陷原因發(fā)送到缺陷原因輸出單元；

步驟4：所述缺陷原因輸出單元通過(guò)輸入單元將所述缺陷原因進(jìn)行顯示。

2.根據(jù)權(quán)利要求1所述的一種冷軋帶鋼表面缺陷原因分析方法，其特征在于，所述步驟1具體包括以下步驟：

步驟1.1：通過(guò)輸入單元將缺陷原因知識(shí)輸入到所述缺陷原因特征知識(shí)庫(kù)；

步驟1.2：通過(guò)輸入單元將缺陷圖像輸入到所述缺陷原因特征知識(shí)庫(kù)，并通過(guò)缺陷圖像特征提取法提取出所述缺陷圖像的缺陷圖像特征向量；

步驟1.3：缺陷原因特征訓(xùn)練單元通過(guò)學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)和matlab工具對(duì)輸入的所述缺陷原因知識(shí)和缺陷圖像特征向量進(jìn)行訓(xùn)練，得到所述缺陷原因知識(shí)與所述缺陷圖像特征向量的映射關(guān)系，并將所述映射關(guān)系發(fā)送到原因特征共享編碼單元；

步驟1.4：所述原因特征共享編碼單元對(duì)所述映射關(guān)系進(jìn)行編碼，并將編碼結(jié)果發(fā)送到數(shù)據(jù)庫(kù)單元；

步驟1.5：所述數(shù)據(jù)庫(kù)單元存儲(chǔ)所述編碼結(jié)果。

3.根據(jù)權(quán)利要求1所述的一種冷軋帶鋼表面缺陷原因分析方法，其特征在于，所述步驟3具體包括以下步驟：

步驟3.1：缺陷原因匹配單元通過(guò)缺陷圖像特征提取法提取出所述實(shí)時(shí)缺陷圖像的缺陷圖像特征向量；

步驟3.2：缺陷原因匹配單元通過(guò)所述學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)在所述缺陷原因特征知識(shí)庫(kù)中匹配出與所述實(shí)時(shí)缺陷圖像的缺陷圖像特征向量相對(duì)應(yīng)的缺陷原因，并將所述缺陷原因發(fā)送到缺陷原因輸出單元。

4.一種冷軋帶鋼表面缺陷原因分析系統(tǒng)，其特征在于，包括實(shí)時(shí)缺陷圖像輸入單元、缺陷原因匹配單元、輸入單元、缺陷原因輸出單元和基于學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的缺陷原因特征知識(shí)庫(kù)，所述實(shí)時(shí)缺陷圖像輸入單元、缺陷原因輸出單元和缺陷原因特征知識(shí)庫(kù)均與所述缺陷原因匹配單元電連接，所述缺陷原因特征知識(shí)庫(kù)、缺陷原因輸出單元和所述缺陷原因匹配單元均與所述輸入單元電連接；

所述實(shí)時(shí)缺陷圖像輸入單元用于采集實(shí)時(shí)缺陷圖像，并將所述實(shí)時(shí)缺陷圖像發(fā)送到缺陷原因匹配單元；

所述缺陷原因匹配單元用于通過(guò)學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)在所述缺陷原因特征知識(shí)庫(kù)中匹配出與所述實(shí)時(shí)缺陷圖像相對(duì)應(yīng)的缺陷原因，并將所述缺陷原因發(fā)送到缺陷原因輸出單元；

所述缺陷原因輸出單元用于通過(guò)所述輸入單元將所述缺陷原因進(jìn)行顯示。

5.根據(jù)權(quán)利要求4所述的一種冷軋帶鋼表面缺陷原因分析系統(tǒng)，其特征在于，所述缺陷原因特征知識(shí)庫(kù)包括缺陷圖像特征提取單元、缺陷原因特征訓(xùn)練單元、原因特征共享編碼單元和數(shù)據(jù)庫(kù)單元；

所述輸入單元還用于將缺陷原因知識(shí)和缺陷圖像輸入到所述缺陷原因特征知識(shí)庫(kù)；

所述缺陷圖像特征提取單元用于通過(guò)缺陷圖像特征提取法提取出所述缺陷圖像的缺陷圖像特征向量，并將所述缺陷圖像特征向量發(fā)送到所述缺陷原因特征訓(xùn)練單元；

所述缺陷原因特征訓(xùn)練單元用于通過(guò)學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)和matlab工具對(duì)輸入的所述缺陷原因知識(shí)和缺陷圖像特征向量進(jìn)行訓(xùn)練，得到所述缺陷原因知識(shí)與所述缺陷圖像特征向量的映射關(guān)系，并將所述映射關(guān)系發(fā)送到所述原因特征共享編碼單元；

所述原因特征共享編碼單元用于對(duì)所述映射關(guān)系進(jìn)行編碼，并將編碼結(jié)果發(fā)送到數(shù)據(jù)庫(kù)單元；

所述數(shù)據(jù)庫(kù)單元用于存儲(chǔ)所述編碼結(jié)果。

6.根據(jù)權(quán)利要求4所述的一種冷軋帶鋼表面缺陷原因分析系統(tǒng)，其特征在于，所述缺陷原因匹配單元包括缺陷圖像特征提取模塊和缺陷原因匹配模塊，所述缺陷圖像特征提取模塊用于通過(guò)缺陷圖像特征提取法提取出所述實(shí)時(shí)缺陷圖像的缺陷圖像特征向量；所述缺陷原因匹配模塊用于通過(guò)所述學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)在所述缺陷原因特征知識(shí)庫(kù)中匹配出與所述實(shí)時(shí)缺陷圖像的缺陷圖像特征向量相對(duì)應(yīng)的缺陷原因，并將所述缺陷原因發(fā)送到缺陷原因輸出單元。

7.根據(jù)權(quán)利要求2、3、5或6所述的一種冷軋帶鋼表面缺陷原因分析方法或系統(tǒng)，其特征在于，所述缺陷圖像特征提取法具體包括以下步驟：

步驟1：圖像預(yù)處理單元對(duì)缺陷圖像依次進(jìn)行平滑處理和灰度變換，所述灰度變換包括時(shí)域、頻域增強(qiáng)算法拉伸對(duì)比度，以提高圖像質(zhì)量，并將處理后的缺陷圖像發(fā)送到缺陷目標(biāo)分割單元；

步驟2：所述缺陷目標(biāo)分割單元對(duì)所述缺陷圖像上與缺陷原因相關(guān)的區(qū)域進(jìn)行標(biāo)注，并將處理后的所述缺陷圖像向特征選擇單元發(fā)送；

步驟3：特征選擇單元選取與缺陷原因相關(guān)的特征向量，所述特征向量包括均值、總方差、X方向方差、Y方向方差、能量、熵、X方向過(guò)零值和/或Y方向過(guò)零值，并將處理后的缺陷圖像向特征降維單元發(fā)送；

步驟4：特征降維單元去除包含冗余信息的特征向量，并將處理后的缺陷圖像向特征提取單元發(fā)送；

步驟5：特征提取單元提取出最終的缺陷圖像特征向量。