压延过程中压延材料表面周期性缺陷的检测方法
【技术领域】
[0001] 本发明属于材料表面光学检测技术领域，尤其涉及一种压延过程中压延材料表面 周期性缺陷的检测方法。
【背景技术】
[0002] 周期性缺陷是压延生产过程中由于前工序故障引起的严重缺陷，及早识别可减少 缺陷生成率。基于机器视觉的表面缺陷检测与识别方法已经被应用到各个领域当中，例如 纸制品表面缺陷图像识别、纺织品缺陷识别、带钢表面缺陷识别等。但材料表面周期性缺陷 的检测方法很少，目前已有的检测方法也存在如下问题：
[0003] (1)专利号为ZL200980112171.0的中国专利《周期性缺陷检测装置及其方法》中公 开了一种磁场检测法，即先将磁场转化为图像，再基于图像进行周期性缺陷识别。该磁场检 测法检测速率较低，且仅适用于金属表面。
[0004] (2)专利号为ZL201010205357.5的中国专利《周期性纹理图像中缺陷的检测方法 和装置》公开了一种基于机器视觉的检测方法，该方法易将伪缺陷较多的材料表面图像中 非周期性缺陷误判为周期性缺陷；当部分周期性缺陷的颜色和形貌发生变化时，该方法会 造成周期性缺陷的漏检；当周期性缺陷非连续出现时，该方法会将一组周期性缺陷被误识 别为两组周期性缺陷或者遗检。
[0005] 随着基于机器视觉的检测方法的广泛应用，将其用于压延过程中产品表面周期性 缺陷的识别具有重要的理论意义与现实意义。
【背景技术】 [0006] 涉及如下参考文献：
[0007] [ 1 ] S Zhao ,H Huang ,et al. Estimating periodic length and defect coordinates from a series of integer values[J].Measurement,2009,42(4):516-523.
[0008] [2]Changhyun Park,S Choi ,et al.Vision-based inspection for periodic defects in steel wire rod production!! J] · Optical Engineering,2010,49(1): 017202-017202-10.
[0009] [3]FG Bulnes,U Ruben,et al.An efficient method for defect detection during the manufacturing of web materials[J]·Journal of Intelligent Manufacturing,2014:1-15.
[0010] [4]FG Bulnes,U Ruben,et al.Vision-Based Sensor for Early Detection of Periodical Defects in Web Materials[J].Sensors,2012,12(8):10788-10809.
[0011] [5]FG Bulnes,R Usamentiaga,et al. Periodic defects in steel strips : detection through a vision-base technique. Industry Applications Magazine IEEE,2013,19:39-46.
【发明内容】
[0012] 针对现有技术中存在的不足，本发明提供了一种压延过程中压延材料表面周期性 缺陷的检测方法，本发明基于机器视觉实现，可快速准确识别压延材料表面的周期性缺陷， 且适用于任何材料。
[0013] 为解决上述技术问题，本发明采用如下的技术方案：
[0014] 压延过程中压延材料表面周期性缺陷的检测方法，包括步骤：
[0015] S1采集待检测压延材料表面的缺陷源图像；
[0016] S2提取缺陷源图像中缺陷的图像特征，所述的图像特征包括位置特征、形貌特征、 颜色特征、质心特征和段特征；
[0017] S3对缺陷源图像进行周期性缺陷预判定，本步骤进一步包括：
[0018] 3.1根据实际情况预设相邻周期性缺陷的间距范围为[ru，ri2];
[0019] 3.2从宽度方向将缺陷源图像分割为η段宽d、长3?的纵向区域，10mm〈d〈300mm;
[0020] 3.3判断纵向区域内缺陷数，对缺陷数达到3个的纵向区域执行步骤3.4;若所有纵 向区域内缺陷数均未达到3个，则缺陷源图像判定为无周期性缺陷；
[0021 ] 3.4当前纵向区域中若宽度方向位置在[h- △ h，h+ △ h]范围的缺陷数不小于3，则 对当前纵向区域执行步骤3.5;否则，当前纵向区域判定为无周期性缺陷；
[0022] 3.5构建当前纵向区域缺陷的位置关系矩阵P，并判定疑似周期性缺陷，具体为：
[0023] (a)初始化 R=i、j = ]_、k = 2;
[0024] (b)判断列向量 PR 中元素是否满足条件(a)2-5%〈PRk/PRj〈2+5%;S(b)3-5%〈P Rk/ PRj〈3+5%，若满足，确定当前纵向区域第j个缺陷为第一个疑似周期性缺陷，第一个疑似周 期性缺陷后的缺陷均记为疑似周期性缺陷，对当前纵向区域执行步骤S4;否则，执行步骤 (c)；
[0025] (c)判断k是否为(m-1)，若是，执行步骤(d);否则，令k加1，执行步骤(c);
[0026] (d)判断j是否为(m-2)，若是，执行步骤（e);否则，令j加 l，k = 2,然后执行步骤 (c)；
[0027] (e)判断R是否为(m-1)，若是，当前纵向区域无疑似周期性缺陷；否则，令R加 l，j = 1，k = 2,然后执行步骤(b);
[0028] S4根据疑似周期性缺陷的图像特征，采用图像相关性匹配法对当前纵向区域的相 邻疑似周期性缺陷进行逐一匹配，以确定周期性缺陷；
[0029]
当前纵向区域第j个缺陷在压延方向的位置，j = l，2, . . .m，m为当前纵向区域缺陷数;Pr表 示位置关系矩阵P中第R列的列向量;PRk、PRj、PR1分别表示列向量Pr中第k、j、l个元素;h为当 前纵向区域第一个缺陷在缺陷源图像宽度方向的位置；Ah为周期性缺陷的宽度方向位置 偏差，Ah为经验值。
[0030] 步骤S1中，采用机器视觉检测装置采集待检测压延材料表面的缺陷源图像，所述 的机器视觉检测装置包括CCD相机和光源，光源照射压延材料表面;CCD相机视角覆盖压延 材料宽度，用来获取压延材料表面的缺陷源图像。
[0031]作为一种【具体实施方式】，机器视觉检测装置包括四个CCD相机和两个光源，两个光 源分别照射压延材料上下表面，四个CCD相机分别拍摄压延材料上下表面的缺陷源图像。 [0032] 上述形貌特征包括缺陷最上端距缺陷源图像顶部距离、缺陷距最左端缺陷源图像 左侧距离、缺陷中心距缺陷源图像左侧距离、缺陷长度、缺陷高度、缺陷长宽比率、缺陷面 积、缺陷周长、缺陷密度、缺陷周长比率、缺陷圆整中的多种。
[0033]上述颜色特征包括缺陷的亮度、灰度、对比度、亮度库q+r+s面积、暗度库q+r+s面 积、平均强度、亮度平均强度、暗度平均强度和强度范围中的多种。
[0034]上述质心特征包括缺陷的横向质心位置、纵向质心位置和质心比值。
[0035] 步骤S4具体为：
[0036]根据疑似周期性缺陷的图像特征，顺次计算当前纵向区域的相邻疑似周期性缺陷 的相似性，若相似性不小于预设阈值T_c〇r，则相邻疑似周期性缺陷确定为周期性缺陷；否 则，不为周期性缺陷；阈值T_Cor为经验值，取0.5~1。
[0037]为减少周期性缺陷的检测时间，本发明还可以根据已确定的周期性缺陷进行增量 缺陷匹配，具体为：
[0038]在同一纵向区域内，新增缺陷同时满足条件（1)新增缺陷和前一确定的周期性缺 陷在宽度方向位置的位置偏差小于位置偏差A h; (2)新增缺陷和前一确定的周期性缺陷在 车L制方向的距离[S-Δ δ，δ+Δ δ]范围内；和⑶新增缺陷和前一确定的周期性缺陷的图像特 征向量的相似性不小于阈值T_Cor;则新增缺陷确定为周期性缺陷；
[0039]上述，δ为根据已确定的周期性缺陷的周期，Δ δ为周期偏差，其值和压延过程中最 大辊的辊直径相关。
[0040] 和现有技术相比，本发明具有如下特点和有益效果：
[0041] 1、可快速准确地检测出压延材料表面的周期性缺陷，可提高各种环境下周期性缺 陷检测的漏检率和伪缺陷误检率