[發明專利]一種泡沫鎳表面缺陷提取及分類方法

有效

• 申請號: 201811285952.7
• 申請日: 2018-10-31
• 公開（公告）號: CN109472783B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 朱江;曾艷;李建奇;許海霞;田淑娟;裴廷睿;錢子君;蔣典
• 申請（專利權）人: 湘潭大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/62;G06N3/04;G06N3/08;G01N21/88
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種泡沫鎳表面缺陷提取及分類方法。本發明步驟：首先對泡沫鎳圖像進行預處理；然后，對預處理后的圖像進行缺陷提取，最后利用幾何特征訓練BP神經網絡進行缺陷分類。本發明提出的方法有效提取出泡沫鎳邊裂、刮傷、劃線、空洞、漏鍍、缺口、透孔七類典型缺陷，并能實現缺陷高效、精確分類。

技術領域

本發明的所公開實施例涉及表面檢測技術，且更具體而言，涉及一種用于泡沫鎳表面缺陷的提取及分類方法。

背景技術

泡沫鎳是通過對鎳金屬進行一系列物理化學加工后得到的一種新型功能材料，作為車用電池的基材，泡沫鎳材料的質量對電池性能影響極大。泡沫鎳表面呈銀灰色的金屬光澤，形態類似于金屬海綿，泡沫鎳表面缺陷是指在泡沫鎳的制備過程中，由于加工工藝和原料等多方面因素，導致泡沫鎳表面出現邊裂、缺口、漏鍍、壓痕、鎳皮、劃線、刮傷、污染等多種不同類型的缺陷，這些缺陷嚴重影響最終成品的性能和質量。泡沫鎳表面有著復雜的紋理特征，再加上泡沫鎳表面缺陷相同類別具有差異性和不相同類別具有相似性的特征，以及泡沫鎳質量要求表面平整、無劃傷、無裂紋、無破損、無油污和無氧化，這些方面的特征及要求都為實現泡沫鎳表面缺陷自動化檢測帶來極大難度。

由于泡沫鎳復雜的紋理背景和表面缺陷形態的多樣性，目前對泡沫鎳表面缺陷的檢測和識別較為常見的檢測技術是人工檢測，傳統的人工檢測效率低下，耗費大量的人力物力，并且較強的主觀性使得檢測標準不統一，導致生產出來的產品質量參差不齊。

泡沫鎳缺陷圖像整體特征為對比度低、無固定形狀和紋理特征、光源在表面照明不均勻，特別是泡沫鎳表面結構為三圍網狀交織等原因，灰度的變化范圍覆蓋了[0,255]整個灰度區間。因此，如何自動提取泡沫鎳缺陷并分類成為泡沫鎳產品質量自動檢測的難題。

發明內容

本發明主要解決的技術問題是提供用于泡沫鎳表面缺陷提取、缺陷分類的方法，該方法能夠克服現有泡沫鎳缺陷檢測方法中的低效性、主觀性。首先，根據本方法中的泡沫鎳缺陷提取算法，定量地提取出泡沫鎳缺陷，再將所獲泡沫鎳缺陷的相關特征輸入神經網絡進行訓練，達成定性判別泡沫鎳典型缺陷類型的目的。

本發明提出的泡沫鎳表面缺陷提取及分類方法中，具體包括：對泡沫鎳圖像f(x,y)進行預處理。采用高斯平滑，將泡沫鎳圖像f(x,y)與高斯函數卷積，得到高斯平滑后的圖像G(x,y)，利用鄰域卷積濾波器強化圖像差異部分，采用OTSU法對預處理圖像進行二值化，利用中值濾波去除雜點，再獲取各連通域面積X_i(i＝1,2,…,n)，X_i即疑似缺陷區域，在疑似缺陷區域提取出缺陷區域，實際缺陷區域面積S_min為最小連通域，S_max為最大連通域，利用幾何特征訓練神經網絡對泡沫鎳缺陷進行分類，對泡沫鎳表面缺陷進行分類的過程中，結合面積、周長、矩形度、圓形度、長寬比、孔洞數這六個幾何形態特征形成特征向量，輸入到神經網絡系統中進行缺陷分類。

本發明的有益效果是：在獲取到泡沫鎳的表面圖像時，通過對其進行預處理，利用鄰域卷積濾波器，放大缺陷與圖像中鎳紋的灰度差異，有效、準確地從背景中提取出缺陷；結合面積、周長、矩形度、圓形度、長寬比、孔洞數這六個幾何形態特征形成特征向量訓練神經網絡，精準地甄別出泡沫鎳缺陷類型，該方法實現了背光源和環形光源兩種光源環境下的缺陷提取及分類，具有較高的環境通用性。

附圖說明

圖1為本發明的流程圖；

圖2為缺陷定位算法流程圖；

圖3為背光源照明泡沫鎳圖像，具體為：(a)邊裂、(b)鎳皮、(c)透孔、(d)裂紋、(e)漏鍍、(f)空洞、(g)缺口；

圖4為環形光源照明泡沫鎳圖像，具體為：(a)邊裂、(b)鎳皮、(c)透孔、(d)裂紋、(e)漏鍍、(f)空洞、(g)缺口；