一种用于建筑模板系统的合金板材辊压缺陷识别方法与流程

本发明涉及图像分析，具体涉及一种用于建筑模板系统的合金板材辊压缺陷识别方法。

背景技术：

1、在利用合金板材制作建筑模板的过程中，辊压成型是重要的加工步骤。在辊压过程中，可能会由于辊压受力不均等问题出现部分辊压缺陷，为了确保建筑模板的安全性和加工质量，需要在辊压后对板材进行缺陷识别。

2、在对合金板材进行辊压过程中，最容易出现压入物问题，通常因板材边部毛刺和表面异物在辊压过程中被轧辊压入板材表面导致，压入物会导致板材表面被破环产生压入物缺陷；压辊润滑油可能滴落在板材上形成油渍污染区域，且压入物缺陷区域与油渍污染区域分别和周围正常板材区域的灰度差异特征具有一定相似性，现有金属板材缺陷识别中没有针对油渍污染区域对压入物缺陷区域识别的影响，导致缺陷识别过程中误将油渍污染区域识别为压入物缺陷区域，从而降低合金板材辊压缺陷识别的准确率。

技术实现思路

1、为了解决没考虑有油渍污染区域的灰度对压入物缺陷识别的影响，导致合金板材辊压缺陷识别不准确的技术问题，本发明的目的在于提供一种用于建筑模板系统的合金板材辊压缺陷识别方法，所采用的技术方案具体如下：

2、本发明提出了一种用于建筑模板系统的合金板材辊压缺陷识别方法，所述方法包括：

3、获取经过辊压的待测合金板材的板材灰度图像；

4、将板材灰度图像划分为不同图像区域；根据每个图像区域内像素点的灰度分布获取对应图像区域的板材反光指标；

5、对板材灰度图像进行边缘检测得到异常区域；根据每个异常区域内边缘像素点的灰度分布，每个异常区域的形状以及每个异常区域所处区域图像的所述板材反光指标，获取每个异常区域的缺陷边缘指标；

6、根据每个图像区域内包含的异常区域的纹理情况与所述缺陷边缘指标，以及所述板材反光指标对待测合金板进行辊压缺陷识别。

7、进一步地，所述将板材灰度图像划分为不同图像区域的方法，包括：

8、根据任意两个像素点之间的距离与灰度值差异，获取对应两个像素点之间的相似指标；基于所述相似指标对板材灰度图像中像素点进行聚类，得到不同聚类簇；将每个聚类簇内像素点的构成的连通域记为初始区域；

9、将初始区域内像素点的总数量顺序排列，得到分析序列；将分析序列划分为第一子序列与第二子序列；所述第一子序列中元素的均值小于所述第二子序列中元素的均值；将第一子序列中每个元素对应的初始区域作为疑似异常区域；将第二子序列中每个元素对应的初始区域作为整体区域；

10、对于每个疑似异常区域，将与疑似异常区域邻接的整体区域作为疑似异常区域的分析区域；计算疑似异常区域分别与每个所述分析区域内像素点的灰度值均值之间的差异，将最小的所述差异对应的分析区域作为疑似异常区域的目标区域；将每个疑似异常区域与其所述目标区域合并得到图像区域。

11、进一步地，所述根据每个图像区域内像素点的灰度分布获取对应图像区域的板材反光指标的方法，包括：

12、将每个图像区域中所述整体区域内像素点的灰度值众数记为对应图像区域的基准值；将每个图像区域中整体区域内每个像素点的灰度值与所述基准值的差异作为对应像素点的基准差异值；根据每个图像区域中整体区域内像素点的灰度值和所述基准差异值，获取对应图像区域的板材反光指标。

13、进一步地，所述对板材灰度图像进行边缘检测得到异常区域的方法，包括：

14、对板材灰度图像进行边缘检测得到板材灰度图像中边缘像素点；将由所述边缘像素点构成的闭合区域记为目标区域；对于每个目标区域，判断目标区域是否处于所述疑似异常区域中，若是，将目标区域所处疑似异常区域作为异常区域；若否，将目标区域作为异常区域。

15、进一步地，所述获取每个异常区域的缺陷边缘指标的方法，包括：

16、根据每个异常区域内边缘像素点的灰度分布，获取每个异常区域的边缘反光指标；

17、根据每个异常区域的形状获取每个异常区域的边缘形状指标；

18、利用每个异常区域所处区域图像的所述板材反光指标，分别对每个异常区域的所述边缘反光指标与所述边缘形状指标进行加权求和，得到每个异常区域的缺陷边缘指标。

19、进一步地，所述获取每个异常区域的边缘反光指标的方法，包括：

20、对于每个异常区域，将异常区域内每个边缘像素点与异常区域的边界之间的距离记为对应边缘像素点的边界距离；根据异常区域内每个边缘像素点的灰度值与所有边缘像素点的灰度值均值之间的差异，以及所述边界距离，获取对应边缘像素点的局部边缘反光值；将异常区域内所有边缘像素点的所述局部边缘反光值的均值进行归一化处理，得到对应异常区域的边缘反光指标。

21、进一步地，所述获取每个异常区域的边缘形状指标的方法，包括：

22、对每个异常区域的边界上像素点进行曲线拟合，得到对应异常区域的边界拟合曲线；获取所述边界拟合曲线上每个像素点的斜率；在每个异常区域的边界拟合曲线上，计算边界拟合曲线上每个像素点分别与其相邻像素点的斜率差异的均值，作为每个异常区域的边界拟合曲线上每个像素点的位置差值；将每个异常区域的边界拟合曲线上像素点的所述位置差值的均值进行归一化处理，得到异常区域的边缘形状指标。

23、进一步地，所述根据每个图像区域内包含的异常区域的纹理情况与所述缺陷边缘指标，以及所述板材反光指标对待测合金板进行辊压缺陷识别的方法，包括：

24、将每个异常区域内所述目标区域内像素点的灰度值的方差的均值进行负相关映射，得到对应异常区域的纹理表达指标；

25、利用每个图像区域的所述板材反光指标，分别对每个图像区域内包含的所有异常区域的所述缺陷边缘指标的均值与所述纹理表达指标的均值进行加权求和，得到对应图像区域的辊压缺陷指标；

26、若板材灰度图像中存在图像区域的所述辊压缺陷指标大于预设辊压缺陷阈值，则待测合金板材存在辊压缺陷；若板材灰度图像中所有图像区域的所述辊压缺陷指标均小于或者等于预设辊压缺陷阈值，则待测合金板材不存在辊压缺陷。

27、进一步地，所述对板材灰度图像进行边缘检测的方法为canny算子。

28、进一步地，所述预设辊压缺陷阈值为0.55。

29、本发明具有如下有益效果：

30、在本发明实施例中，将板材灰度图像划分为不同图像区域，方便后续基于区域的明暗程度进行反光分析；图像区域的反光程度主要通过灰度值呈现，则根据图像区域内像素点的灰度分布获取板材反光指标；缺陷区域即压入物区域与油渍污染区域在板材灰度图像中通常具备相对明显的边缘，则通过边缘检测得到获取异常区域；由于压入物缺陷形成的凹陷边缘的不同位置的反光程度不同，而油渍污染缺陷的边缘部分的反光量均为接近，且反光量通过像素点的灰度值呈现，则通过异常区域内边缘像素点的灰度分布呈现边缘特征；在板材灰度图像中，较亮区域的缺陷区域中边缘像素点的反光部分与该区域其他像素点可能会因反光程度较大，导致难以通过边缘反光特征进行区分，则需要结合异常区域的形状特征进行分析，以提高缺陷边缘指标呈现缺陷边缘特征的准确率；因油渍区表面反光程度均匀而压入物区域不均匀，在基于缺陷边缘特征对合金板材进行缺陷检测时，考虑图像区域内包含的异常区域的纹理情况可以进一步提高辊压缺陷识别的准确率。本方案基于异常区域反光程度、形状与纹理等特征相结合，对待测合金板进行辊压缺陷识别，能对压入物与压辊润滑油滴落在板材上形成的油渍污染区域进行准确识别，提高合金板材辊压缺陷识别的准确率。