[發(fā)明專利]一種金屬近表面缺陷檢測用智能檢測與感知系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111051401.6
• 申請日: 2021-09-08
• 公開（公告）號: CN113763359A
• 公開（公告）日: 2021-12-07
• 發(fā)明（設計）人: 文志軍;呂光宏;肖湘
• 申請（專利權(quán)）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(chǎn)權(quán)代理有限公司 43268
• 代理人: 梁琴琴

本發(fā)明公開了一種金屬近表面缺陷檢測用智能檢測與感知系統(tǒng)，包括紅外成像儀、檢測與感知系統(tǒng)、存儲數(shù)據(jù)庫和用戶計算機，紅外成像儀與檢測與感知系統(tǒng)信號連接，檢測與感知系統(tǒng)分布與存儲數(shù)據(jù)庫和用戶計算機信號連接，檢測與感知系統(tǒng)包括灰度變換模塊、優(yōu)化值分隔模塊、特征提取模塊、分類處理模塊和缺陷結(jié)果反饋模塊。本發(fā)明通過紅外成像儀對金屬表面進行紅外成像，成像的圖片經(jīng)過灰度處理，并對處理的圖片進行分析，并采用Gabor濾波算法和LBP算法對圖像的紋理進行處理，有效的提高了金屬表面缺陷檢測數(shù)據(jù)的準確性。

技術(shù)領域

本發(fā)明涉及一種感知系統(tǒng)，特別涉及一種金屬近表面缺陷檢測用智能檢測與感知系統(tǒng)，屬于金屬檢測技術(shù)領域。

背景技術(shù)

金屬廣泛應用在工業(yè)生產(chǎn)與生產(chǎn)生活的各方面，由于金屬制造過程涉及到的設備、工藝等多因素的影響，金屬表面容易出現(xiàn)種類較多、形態(tài)各異的缺陷，這些缺陷對金屬板的耐磨性、抗腐蝕性、電磁特性及美觀性都會造成不同程度的影響，最終影響金屬的電磁特性和涂鍍效果，因此對于生產(chǎn)金屬的企業(yè)來說，表面缺陷檢測是必不可少的一個工序，一方面可以通過表面缺陷檢測及時檢測到缺陷產(chǎn)品，保證所產(chǎn)金屬板的質(zhì)量，維護企業(yè)的信譽，另一方面也可以通過分析檢測結(jié)果及時發(fā)現(xiàn)生產(chǎn)過程中存在的問題，并及時解決。

目前的金屬表面缺陷檢測一般通過超聲波檢測是利用聲脈在缺陷處發(fā)生特性變化的原理來檢測，聲波在工件內(nèi)的反射狀況就會顯示在熒光屏上，根據(jù)反射波的時間及形狀來判斷工件內(nèi)部缺陷及材料性質(zhì)的方法，超聲波探傷技術(shù)多應用于金屬管道內(nèi)部的缺陷檢測，但是超聲波在檢測無法對金屬表面紋理進行檢測，容易造成檢測數(shù)據(jù)不準確，無法對檢測結(jié)果進行分類處理，影響金屬表面缺陷檢測數(shù)據(jù)的精確性。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種金屬近表面缺陷檢測用智能檢測與感知系統(tǒng)，以解決上述背景技術(shù)中提出的超聲波在檢測無法對金屬表面紋理進行檢測，容易造成檢測數(shù)據(jù)不準確，無法對檢測結(jié)果進行分類處理，影響金屬表面缺陷檢測數(shù)據(jù)的精確性的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：包括紅外成像儀、檢測與感知系統(tǒng)、存儲數(shù)據(jù)庫和用戶計算機，所述紅外成像儀與檢測與感知系統(tǒng)信號連接，所述檢測與感知系統(tǒng)分布與存儲數(shù)據(jù)庫和用戶計算機信號連接，所述檢測與感知系統(tǒng)包括灰度變換模塊、優(yōu)化值分隔模塊、特征提取模塊、分類處理模塊和缺陷結(jié)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(yōu)化值分隔模塊：基于區(qū)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(jiān)督學習訓練，保存訓練的結(jié)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(jié)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(jié)果上傳存儲數(shù)據(jù)庫進行存儲。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，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(jù)權(quán)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(tǒng)，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(shù)與復指數(shù)函數(shù)相乘的母小波經(jīng)過尺度變換與旋轉(zhuǎn)變換后得到。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述基于區(qū)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(qū)域選擇一個要分割的區(qū)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；