[發明專利]一種帶鋼表面缺陷分類方法

有效

• 申請號: 201810585825.2
• 申請日: 2018-06-08
• 公開（公告）號: CN108765412B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 王粟;李庚;朱飛;邱春輝;江鑫;詹逸鵬;易夢云;王嘉琪
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06T3/40
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

本發明公開了一種帶鋼表面缺陷分類方法，該方法基于Gabor特征融合分塊直方圖進行，首先建立樣本庫，將樣本集分為訓練集和測試集，然后將樣本集中所有圖片歸一化為相同像素尺寸之后導入Gabor濾波器中，進行多尺度多方向濾波，得到濾波結果圖，然后對濾波結果圖進行融合成與尺度數量相同的結果圖，將結果圖分塊，利用KPCA對每張樣本圖片進行降維，使用訓練集中樣本圖片的標簽和所對應的特征維度建立支持向量機SVM分類預測模型；使用粒子群優化算法PSO對SVM進行參數尋優，利用測試集中處理后的樣本圖片，對SVM模型進行分類預測，之后可以對待測試帶鋼圖片進行比對測試；本發明自動分類準確度高，執行效率也高，具有巨大經濟價值。

技術領域

本發明屬于視覺識別領域，涉及一種利用視覺識別對表面缺陷分類識別方法，具體涉及一種帶鋼表面缺陷分類方法。

背景技術

現在帶鋼產品的運用越來越廣泛，在汽車、機械、家具、航天等行業中對帶鋼表面的質量要求變的越來越高。帶鋼外觀的質量檢測是帶鋼質量的重要環節。影響了帶鋼的外觀和產品質量的等級評價，進而能直接影響產品的核心競爭力，然而目前我國帶鋼缺陷的檢測方法一直采用人工開卷抽檢或者是頻閃光檢測的方法進行表面質量檢測，經過概率的計算和人為的判斷來確定。然而傳統方法存在諸多弊端：(1)缺乏科學的判定依據，主要依賴判定人員的經驗。可能會產生由于判定人員經驗不足所導致的誤判。(2)檢測環境惡劣枯燥,對人的身心危害很大,檢測人員的勞動強度大,極易疲乏,容易造成誤判和漏檢。(3)隨著現代工業技術的迅速發展人眼的速度已經很難跟的上機器生產的速度了。

基于機器視覺對帶鋼表面缺陷進行分類一般的分為缺陷的提取和缺陷的分類2個步驟。目前在缺陷提取這一塊有很多的方法，大致的可以分為4中類型：統計方法、模型方法、結構方法、信號處理方法。在統計方式中灰度共生矩陣(GLCM)效果最好，但是GLCM在計算上十分的繁瑣，而且在紋理的分類上應有十分的受限。在模型方法之中最為有效的就是MRF模型，MRF模型的思想是通過任意像素關于其鄰域像素的條件概率分布來描述紋理的統計特性。其優點是能夠較好的描述圖像的空間，但是在圖片的尺寸增大時，噪聲會明顯的增大。結構方法中效果最好的是句法紋理描述方法。來自一個類別的紋理描述形成了一個可以由它的語法表示的語言。但是它在實現上是很難達到預期的效果的。信號處理的方法中Gabor濾波器能夠同時得到時域和頻域信息，而且Gabor濾波器能夠很好的擬合人眼的視覺系統。但是Gabor濾波器得到的是圖片多個尺度，多個方向的信息。所得到圖片的特征維度較高，相應的所等到的圖片信息的沉余度較高。但是通過有效的降維手段可以大大的降低圖片特征的維度，并且保留原本的圖片信息，

缺陷分類方法目前主流的有：SVM(支持向量機)、鄰近分類、神經網絡、隨機森林等。但是其中SVM是使用最為廣泛的。特別是使用了非線性核方法的SVM。本發明就是將圖片進行改進的Gabor濾波后將圖片利用KPCA(核主成分分析法)降維之后，將數據導入SVM中對帶鋼缺陷進行分類。

隨著現代技術的發展，人們對帶鋼質量的要求越來越高，人眼對帶鋼表面的檢測已經越來越難以滿足現代工業對帶鋼質量的需求。

發明內容

本發明的目的是提供一種對帶鋼表面缺陷進行自動分類的方法，解決現有技術中，帶鋼表面分類準確度低，效率低下的問題，本發明通過機器視覺對帶鋼表面缺陷進行分類，以達到對缺陷識別與分類的功能，滿足識別要求，具體具體經濟價值。

為了解決上述技術問題，本發明采用的技術方案是：

一種基于Gabor特征融合分塊直方圖的帶鋼表面缺陷分類方法，其特征在于，包括以下步驟：

步驟一、先從訓練樣本庫中提取帶鋼圖片，選取M*N個樣本圖片組成的樣本集進行測試，其中M為該樣本集典型缺陷的種類數，N為該樣本集中每種典型缺陷的數量，從樣本集選取W個樣本圖片作為訓練集，剩下M*N-W個樣本圖片作為測試集；

步驟二、使用線性插值的方式對樣本集中所有圖片進行幾何歸一化，將圖片縮放成S*R像素大小的圖片；