[發明專利]一種金屬近表面缺陷檢測用智能檢測與感知系統

在審

• 申請號: 202111051401.6
• 申請日: 2021-09-08
• 公開（公告）號: CN113763359A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 文志軍;呂光宏;肖湘
• 申請（專利權）人: 蘇州華測信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 湖南楚墨知識產權代理有限公司 43268
• 代理人: 梁琴琴

1.一種金屬近表面缺陷檢測用智能檢測與感知系統，包括紅外成像儀、檢測與感知系統、存儲數據庫和用戶計算機，其特征在于，所述紅外成像儀與檢測與感知系統信號連接，所述檢測與感知系統分布與存儲數據庫和用戶計算機信號連接，所述檢測與感知系統包括灰度變換模塊、優化值分隔模塊、特征提取模塊、分類處理模塊和缺陷結果反饋模塊；

所述灰度變換模塊：采用灰度歸一化方法和濾波對紅外成像儀上傳的圖片進行灰度處理和濾波處理；

所述優化值分隔模塊：基于區域生長的方法對紅外圖像進行分割；

所述特征提取模塊：特征提取算法提取缺陷的特征，對這些缺陷特征進行監督學習訓練，保存訓練的結果；

所述分類處理模塊：對缺陷位置進行計算，并將上傳圖像與處理后圖像作對比；

所述缺陷結果反饋模塊：將金屬近表面缺陷檢測反饋至用戶計算機，并對處理結果上傳存儲數據庫進行存儲。

2.根據權利要求1所述的一種金屬近表面缺陷檢測用智能檢測與感知系統，其特征在于：所述灰度歸一化方法：利用灰度拉伸的方法將原圖像中的灰度分布擴展到具有整個灰度級的圖像，所述灰度變換歸一化公式為：

式中I(i，j)為原圖像灰度值，N(i，j)為變換后圖像的灰度值，min為原圖像最小灰度值，max為原圖像最大灰度值。

3.根據權利要求1所述的一種金屬近表面缺陷檢測用智能檢測與感知系統，其特征在于：所述濾波采用Gabor濾波算法對紅外圖像進行處理，由一個高斯函數與復指數函數相乘的母小波經過尺度變換與旋轉變換后得到。

4.根據權利要求1所述的一種金屬近表面缺陷檢測用智能檢測與感知系統，其特征在于：所述基于區域生長的方法對紅外圖像進行分割包括以下步驟：

第一步：將灰度處理的圖片在每一個要分隔的區域選擇一個要分割的區域，選擇一個種子像素作為生長的起點，生長的起點為灰度高的像素點；

第二步：安裝確定的閥值準則，將種子像素周圍相鄰中與種子像素有相同或相近性質的像素合并到種子像素所在的區域中；

第三步：重復上述第二步，直到再沒有滿足條件的像素可被包括進來。

5.根據權利要求1所述的一種金屬近表面缺陷檢測用智能檢測與感知系統，其特征在于：所述特征提取模塊：采用LBP算法將鄰域像素的灰度值與中間元素進行比較大小，若大于中心灰度，則將該鄰域像素置1，若小于中心灰度，則將該鄰域像素置0，將這幾個鄰域元素從左上角順時針排列構成一個二進制序列，將該二進制轉化為十進制，則該十進制數即為該區域類的特征，對整幅圖像進行該操作，左后得到一個序列的數，則該序列即為該圖像的LBP特征向量。

6.根據權利要求1所述的一種金屬近表面缺陷檢測用智能檢測與感知系統，其特征在于：所述監督學習訓練：將提取到的每一幅圖像的特征即其標簽放入分類器中進行訓練，之后用新的圖像輸入測試其正確率用以驗證其訓練可靠性。

7.根據權利要求1所述的一種金屬近表面缺陷檢測用智能檢測與感知系統，其特征在于：所述缺陷位置計算：采用霍夫變換直線檢測算法進行計算包括以下步驟：

第一步：計算每個檢測出的直線長度，剔除那些過短的線(小于閾值)；

第二步：計算所有檢測直線與y軸的夾角，若夾角小于某個閾值，則認為是豎線，否則是橫線；

第三步：計算每根線的中點的坐標；

第四步：確定直線為豎線或橫線，直線是豎線，將直線按中點X坐標有小到大順序排序，直線是橫線，將直線按中點Y坐標有小到大順序排序；

第五步：將檢測到的第一根線作為直線累計初始狀態，對所有直線進行遍歷判斷相鄰兩直線的X坐標之差是否小于某閾值，若小于，則認為該直線與之前的累計直線屬于同一根劃痕，并繼續進行累加；若X之差大于閾值，則認為該直線與下一個直線分屬于不同的劃痕，則計算前面類間直線端點坐標的最大值與最小值作為劃痕的端點，求其長度并畫圖，同時將累計的直線清0，重復上述操作；對于橫線，判斷標準變為判斷相鄰兩直線Y坐標之差是否小于閾值，其他操作同豎線；

第六步：將剩余的線統一當作同一個劃痕，按第四步進行。

8.根據權利要求1所述的一種金屬近表面缺陷檢測用智能檢測與感知系統，其特征在于：所述缺陷結果反饋模塊，通過對缺陷的計算，將計算結果反饋至用戶計算機，用戶計算機根據對比圖，精確確定金屬表面缺陷位置。