基于视觉处理的钢板等距自动切割调控方法与流程

本发明涉及图像处理，具体涉及基于视觉处理的钢板等距自动切割调控方法。

背景技术：

1、钢板表面的缺陷检测可以利用图像奇异值分解技术，根据钢板图像缺陷区域的灰度分布特点，识别出缺陷区域，便于后续精准调节钢板分割线，提升高端制造用钢板利用率与生产切割效率。图像奇异值分解进行钢板缺陷检测的过程中，由于缺陷区域的灰度分布特征多呈现不规则的特点，同时具有线性与非线性特征，因此在图像奇异值分解获得的秩一矩阵中会包含图像结构信息与部分曲线区域信息，导致缺陷区域难以确定。因此，本发明通过量化局部区域的非线性结构变化特征，区分缺陷区域与光照影响结构，得到缺陷区域位置信息，完成精准调节钢板分割线与钢板等距自动切割。

技术实现思路

1、本发明提供基于视觉处理的钢板等距自动切割调控方法，以解决现有的问题。

2、本发明的基于视觉处理的钢板等距自动切割调控方法采用如下技术方案：

3、本发明一个实施例提供了基于视觉处理的钢板等距自动切割调控方法，该方法包括以下步骤：

4、采集高端制造用钢板待测图像，对高端制造用钢板待测图像灰度化处理并进行边缘检测得到钢板区域，根据钢板区域得到待处理图像；

5、根据待处理图像进行图像奇异值分解得到奇异值矩阵，根据奇异值矩阵得到每个奇异值的分层图像，根据分层图像得到每个奇异值的结构可信程度，在每个奇异值的分层图像上利用每个奇异值的结构可信程度以及分层图像的前景区域和背景区域得到每个像素点的结构异常程度；

6、利用每个奇异值的分层图像进行累加得到每个奇异值的累加图像，并根据相邻奇异值的累加图像之间的差异每个像素点的变化异常程度，根据每个像素点的结构异常程度和每个像素点的变化异常程度得到每个像素点的异常程度，所述异常程度用以表征相同奇异值下钢板待测图像上同一种缺陷的像素点的差异性，根据每个像素点的异常程度得到每两个像素点之间的加权距离，根据每两个像素点之间的加权距离进行聚类得到缺陷区域，根据缺陷区域获取缺陷区域信息；

7、根据缺陷区域信息完成钢板等距自动切割的智能调控。

8、优选的，所述根据奇异值矩阵得到每个奇异值的分层图像，根据分层图像得到每个奇异值的结构可信程度，包括的具体步骤如下：

9、根据待处理图像进行图像奇异值分解得到左奇异矩阵、奇异值矩阵以及右奇异矩阵，计算所有奇异值的算数和，计算奇异值矩阵中每个奇异值的值在所有奇异值的算数和中的占比，记为每个奇异值的结构可信程度；根据左奇异矩阵、奇异值矩阵以及右奇异矩阵得到奇异值矩阵中每一个奇异值对应的秩一矩阵，记为每个奇异值的分层图像。

10、优选的，所述在每个奇异值的分层图像上利用每个奇异值的结构可信程度以及分层图像的前景区域和背景区域得到每个像素点的结构异常程度，包括的具体步骤如下：

11、获取每个奇异值的分层图像上灰度值为0的所有像素点，将灰度值为0的所有像素点的位置组成的集合记为背景区域，获取每个奇异值的分层图像上灰度值不为0的所有像素点，将灰度值不为0的所有像素点的位置组成的集合记为前景区域；在每个奇异值的分层图像上根据每个奇异值的结构可信度得到每个奇异值的分层图像中每个像素点对应的结构异常程度，具体的公式如下：

12、

13、其中，表示第个奇异值的分层图像中第个像素点对应的结构异常程度，表示第个奇异值的结构可信程度，表示第个奇异值的分层图像中第个像素点的位置，表示背景区域，表示前景区域。

14、优选的，所述利用每个奇异值的分层图像进行累加得到每个奇异值的累加图像，并根据相邻奇异值的累加图像之间的差异每个像素点的变化异常程度，包括的具体步骤如下：

15、在每一个奇异值的分层图像上以每个像素点为中心像素点构建一个大小为预设的窗口尺寸的平方的窗口，计算每个中心像素点在每个中心像素点对应的窗口内的局部区域二维熵得到每个像素点的局部区域二维熵；对所有奇异值按照从大到小的顺序进行排列得到奇异值序列，从奇异值序列中第一个奇异值的分层图像开始，对所有奇异值的分层图像进行逐层累加得到每个奇异值对应的累加图像，其中第个奇异值对应的累加图像的计算方法为，其中表示在奇异值序列中第个奇异值之前的第个奇异值对应的分层图像，且有；计算每个奇异值对应的累加图像上每个像素点的局部区域二维熵，计算待处理图像上每个像素点的变化异常程度，计算的具体公式如下：

16、

17、其中，表示待处理图像上第个像素点的变化异常程度，表示在奇异值序列中第个奇异值对应的累加图像上第个像素点的局部区域二维熵，表示在奇异值序列中第个奇异值对应的累加图像的上第个像素点的局部区域二维熵，表示奇异值的数量，且有。

18、优选的，所述根据每个像素点的结构异常程度和每个像素点的变化异常程度得到每个像素点的异常程度，包括的具体步骤如下：

19、用待处理图像上每个像素点的结构异常程度和待处理图像上每个像素点的变化异常程度相乘，得到待处理图像上每个像素点的异常值，在待处理图像上所有像素点的异常值中，对待处理图像上每个像素点的异常值进行最大最小值归一化得到待处理图像上每个像素点的异常程度。

20、优选的，所述根据每个像素点的异常程度得到每两个像素点之间的加权距离，包括的具体步骤如下：

21、计算待处理图像上每两个像素点之间的欧式距离，计算待处理图像上每两个像素点的异常程度的差值的绝对值，将每两个像素点之间的欧式距离和每两个像素点的异常程度的差值的绝对值相乘得到乘法结果，将乘法结果记为每两个像素点之间的加权距离。

22、本发明的技术方案的有益效果是：本发明针对高端制造用钢板生产切割场景中，钢板生产过程中存在划痕、凹凸、裂纹、氧化等生产表面缺陷，导致其部分线性结构信息会包含在多个秩一矩阵中，无法通过单一的阈值确定缺陷区域的奇异值对应的秩一矩阵部分的问题，根据图像奇异值分解的秩一矩阵包含的图像结构特征，量化出缺陷区域的线性与非线性结构变化特征，获得每个像素点的异常程度，利用聚类算法划分区域，由此确定缺陷区域位置信息，实现了精准调节钢板分割线与钢板等距自动切割的功能。

技术特征：

1.基于视觉处理的钢板等距自动切割调控方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述基于视觉处理的钢板等距自动切割调控方法，其特征在于，所述根据奇异值矩阵得到每个奇异值的分层图像，根据分层图像得到每个奇异值的结构可信程度，包括的具体步骤如下：

3.根据权利要求1所述基于视觉处理的钢板等距自动切割调控方法，其特征在于，所述在每个奇异值的分层图像上利用每个奇异值的结构可信程度以及分层图像的前景区域和背景区域得到每个像素点的结构异常程度，包括的具体步骤如下：

4.根据权利要求1所述基于视觉处理的钢板等距自动切割调控方法，其特征在于，所述利用每个奇异值的分层图像进行累加得到每个奇异值的累加图像，并根据相邻奇异值的累加图像之间的差异每个像素点的变化异常程度，包括的具体步骤如下：

5.根据权利要求1所述基于视觉处理的钢板等距自动切割调控方法，其特征在于，所述根据每个像素点的结构异常程度和每个像素点的变化异常程度得到每个像素点的异常程度，包括的具体步骤如下：

6.根据权利要求1所述基于视觉处理的钢板等距自动切割调控方法，其特征在于，所述根据每个像素点的异常程度得到每两个像素点之间的加权距离，包括的具体步骤如下：

技术总结
本发明涉及图像处理技术领域，具体涉及基于视觉处理的钢板等距自动切割调控方法，包括：采集高端制造用钢板待测图像，根据高端制造用钢板待测图像得到待处理图像；根据待处理图像进行图像奇异值分解得到每个像素点的结构异常程度和每个像素点的变化异常程度，根据每个像素点的结构异常程度和每个像素点的变化异常程度得到每个像素点的异常程度；根据每个像素点的异常程度进行聚类得到缺陷区域的形状位置信息；根据缺陷区域信息完成钢板等距自动切割的智能调控。本发明通过在奇异值分解过程中的每个秩一矩阵上进行每个像素点的结构信息和混乱信息的分析，得到了聚类距离的权重值，使得对钢板表面缺陷的聚类结果更为精确。

技术研发人员：王凯昌,朱世军
受保护的技术使用者：山东昌啸商贸有限公司
技术研发日：
技术公布日：2024/1/15