[發(fā)明專(zhuān)利]一種基于人工智能的冶煉品缺陷檢測(cè)方法、裝置及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202210720330.2
• 申請(qǐng)日: 2022-06-24
• 公開(kāi)（公告）號(hào): CN114820597B
• 公開(kāi)（公告）日: 2022-09-20
• 發(fā)明（設(shè)計(jì)）人: 黎雪花
• 申請(qǐng)（專(zhuān)利權(quán)）人: 江蘇歐盛液壓科技有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/11;G06T7/136
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于人工智能的冶煉品缺陷檢測(cè)方法，其特征在于，包括：

獲取待檢物各表面原始圖像；

將每一張所述原始圖像轉(zhuǎn)換為灰度圖像；每一張所述灰度圖像由均勻分布的M行、N列像素點(diǎn)組成，其中，M為大于或等于1的整數(shù)，N為大于或等于1的整數(shù)；

對(duì)于各張所述灰度圖像，分別計(jì)算每一行像素平均值和每一行像素方差；

根據(jù)所述每一行像素平均值和每一行像素方差，計(jì)算閾值分割點(diǎn)；

根據(jù)所述閾值分割點(diǎn)與各張所述灰度圖像上各像素點(diǎn)的像素值，判斷每一張所述灰度圖像是否為光照不均圖像：

若所述灰度圖像上存在一個(gè)或多個(gè)像素點(diǎn)的像素值大于所述閾值分割點(diǎn)，則斷定當(dāng)前所述灰度圖像為光照不均圖像；

對(duì)于各張所述光照不均圖像，分別進(jìn)行灰度修正；

確定各張所述灰度圖像上每一行像素點(diǎn)的修正后灰度信息；

同理，獲取每一列像素點(diǎn)的修正后灰度信息;

對(duì)于各張所述灰度圖像，根據(jù)其所述每一行像素點(diǎn)的修正后灰度信息和所述每一列像素點(diǎn)的修正后灰度信息，確定其最終灰度值；

對(duì)于各張所述灰度圖像，根據(jù)其所述最終灰度值進(jìn)行缺陷檢測(cè)，以便對(duì)應(yīng)完成所述待檢物的缺陷檢測(cè)。

2.根據(jù)權(quán)利要求1所述的基于人工智能的冶煉品缺陷檢測(cè)方法，其特征在于，在對(duì)于各張所述灰度圖像，根據(jù)其所述最終灰度值進(jìn)行缺陷檢測(cè)之后，還包括：

選取多張無(wú)缺陷所述灰度圖像和多張有缺陷所述灰度圖像，確定為有效性判定圖像組；

提取所述有效性判定圖像組中每一張圖像的一種或多種特征向量；

根據(jù)所述特征向量，構(gòu)建有效性判定模型；

由所述有效性判定模型分析結(jié)果，確定缺陷圖像篩選特征向量；

根據(jù)所述篩選特征向量，構(gòu)建篩選模型；

根據(jù)所述篩選模型，計(jì)算每一張所述灰度圖像的豐富度；

根據(jù)所述豐富度，對(duì)于各張所述灰度圖像進(jìn)行缺陷再檢測(cè)，以便對(duì)應(yīng)完成所述待檢物的缺陷再檢測(cè)。

3.根據(jù)權(quán)利要求2所述的基于人工智能的冶煉品缺陷檢測(cè)方法，其特征在于，在對(duì)于各張所述灰度圖像進(jìn)行缺陷再檢測(cè)，以便對(duì)應(yīng)完成所述待檢物的缺陷再檢測(cè)之后，還包括：

對(duì)缺陷待檢物對(duì)應(yīng)的缺陷圖像進(jìn)行分割，以便選取所述缺陷圖像中的缺陷區(qū)域；

對(duì)所述缺陷區(qū)域進(jìn)行缺陷類(lèi)型識(shí)別，以便得到所述缺陷待檢物的缺陷類(lèi)型。

4.根據(jù)權(quán)利要求2所述的基于人工智能的冶煉品缺陷檢測(cè)方法，其特征在于，在選取多張無(wú)缺陷所述灰度圖像和多張有缺陷所述灰度圖像，確定為有效性判定圖像組之前，還包括：

對(duì)于各張所述灰度圖像，進(jìn)行濾波處理。

5.根據(jù)權(quán)利要求4所述的基于人工智能的冶煉品缺陷檢測(cè)方法，其特征在于，所述濾波處理包括：

領(lǐng)域均值濾波處理、自適應(yīng)中值濾波去噪處理和高斯濾波處理。

6.根據(jù)權(quán)利要求1所述的基于人工智能的冶煉品缺陷檢測(cè)方法，其特征在于，將每一張所述原始圖像轉(zhuǎn)換為灰度圖像，包括：

采用加權(quán)平均法或最大值法將每一張所述原始圖像轉(zhuǎn)換為灰度圖像。