一种连续带状多孔金属材料漏镀缺陷区域的定位方法
【技术领域】
[0001] 本发明涉及一种多孔金属材料在生产过程中产生的一种缺陷区域的定位方法，特 别涉及一种连续带状多孔金属材料在生产过程中产生的漏镀缺陷区域的定位方法。
【背景技术】
[0002] 多孔金属材料是一种由金属基体和大量孔隙组成的结构功能一体化的新型金属 基复合材料。它因密度低、表面积大而具有独特的优势，在高新技术领域得到了广泛的应 用。但在连续化的工业生产过程中，产品的漏镀缺陷（即未镀覆金属)严重影响产品质量。目 前判定及定位材料中有这种缺陷的方法一般是在光线充足条件下，用人工目测法。这种方 法效率低、准确度差、成本高，严重依赖操作员工的经验，与连续化生产不相适应。
【发明内容】
[0003] 本发明旨在提供一种多孔金属材料漏镀缺陷区域的定位方法，可实现在线自动无 损识别，无需人工参与，准确率和效率都大大提高。本发明通过以下方案实现：
[0004] -种连续带状多孔金属材料漏镀缺陷区域的定位方法，包括训练分类器一测试一 输出结果，训练分类器按以下步骤进行：
[0005] (I)向具有数据处理功能的设备中输入N 2 300张已知包含有漏镀缺陷的彩色图 像，将每一张图像分成大小为ηΧη的区域块，大小不足ηΧη的区域块被剔除，再将所分好的 区域块分为C、D两组，其中C组是完全不包含漏镀缺陷的区域块，D组是全部都包含漏镀缺陷 的区域块;所述η为不小于64且不大于256的自然数；
[0006] (II)采用所述具有数据处理功能的设备计算C、D两组每个区域块图像的RGB联合 向量，再将C、D两组每个区域块图像转化为灰度图像，计算每个区域块图像的灰度均值、灰 度方差以及在0°、45°、90°和135°四个方向上的相关性，将C、D两组区域块图像的上述特征 分别构成正、负样本特征向量，并对正样本特征向量和负样本特征向量给出不同的标识，输 入具有数据处理功能的分类器，完成训练;其中所述的RGB联合向量按公式（1)和公式(2)计 算：
[0008] FC =[rgb,rbg,gbr,grb,bgr,brg] (2)
[0009] 其中，α、β和x为比例系数，R是指所述彩色图像中红色通道的像素值，G是指所述彩 色图像中绿色通道的像素值，B是指所述彩色图像中蓝色通道的像素值，FC为RGB联合向量； [0010]在完成训练后，采用相同的图像数据采集装置采集待测产品的图像，选取包含有 漏镀缺陷的图像作为待定位漏镀区域图像，在具有数据处理功能的设备中，将图像分成大 小为ηΧη的区域块，大小不足ηΧη的区域块被剔除；按所述训练分类器的步骤（Π )分别计 算每个区域块的RGB联合向量，以及区域块图像转化为灰度图像后的灰度均值、灰度方差和 在0°、45°、90°和135°四个方向上的相关性，将计算得到的区域图像特征构成待定位漏镀区 域图像的特征向量，将之输入已完成训练的定位分类器中，输出待定位漏镀区域图像中漏 镀区域的识别结果。
[0011] 步骤(II)中的正样本特征向量如公式(3):
[0012] FPC= [FCc，yc，0c，R(c，o。），R(c，45。），R(c，90。），R(c，i35。）] (3)
[0013] 其中，FC^C组图像RGB联合向量，组图像转化为灰度图像后的灰度均值，〇c 是C组图像转化为灰度图像后的灰度方差，R(c,〇。）、R(C,45。）、R (c,9()。)和R(c,135。)是C组图像转化 为灰度图像后在0°、45°、90°和135°四个方向上的相关性。
[0014]负样本特征向量如公式(4):
[0015] FNd= [FCD,yD, 0D,R(D,0° ) ,R(D,45° ) ,R(D,90° ) ,R(D,135° )] (4)
[0016] 其中，FCd是D组图像RGB联合向量，yD是D组图像转化为灰度图像后的灰度均值，〇D 是D组图像转化为灰度图像后的灰度方差，R(D,Q。）、R(d,4 5。）、R(D,9()。)和R(d,135。)是D组图像转化 为灰度图像后在0°、45°、90°和135°四个方向上的相关性。
[0017]待定位漏镀区域图像的特征向量如公式(5):
[0018] FNX= [FCX,μχ, 0x,R(x；0°),R(x,45°),R(x,90°),R(x,?35°)] (5)
[0019] 其中，FCx是待定位漏镀区域图像的RGB联合向量，μχ是待定位漏镀区域图像转化 为灰度图像后的灰度均值，σ χ是待定位漏镀区域图像转化为灰度图像后的灰度方差， ^(^、^，^(^(^和心^们是待定位漏镀区域图像转化为灰度图像后在矿^^邮和 135°四个方向上的相关性。
[0020] 实验发现，当选取的图像不小于1024X1024像素，η为64~256之间的自然数时，识 别的准确率更高。
[0021] 与现有技术相比，本发明针对多孔金属材料能在线自动定位其中的漏镀缺陷区 域，不仅准确率高，可实现产品的无损检测，而且还可提高多孔金属材料产品的质量和合格 率，降低生产成本，提高生产效率。
【具体实施方式】
[0022] 实施例1
[0023] 步骤一：采用分辨率为2448X2056的Vieworks VH-4M高清相机，在同一光照条件 下垂直拍摄350张人工检查出包含漏镀的泡沫镍图像（规格为厚度1.0mm，90PPI，面密度 350g/m2)，拍摄距离为10cm。
[0024]步骤二:将步骤一拍得的彩色图像输入电脑设备，将每一张图像分成大小为200X 200像素的区域块，大小不足η Xη的区域块被剔除，将这些区域块分成C、D两组，其中C组是 完全不包含漏镀的区域块，D组是全部包含漏镀的区域块。
[0025]步骤三:计算C、D两组每个区域块图像的RGB联合向量，再将C、D两组区域块图像转 化为灰度图像，计算每个区域块图像的灰度均值、灰度方差、以及在0°、45°、90°和135°四个 方向上的相关性，RGB联合向量按公式(1)和公式(2)计算：
[0027] FC =[rgb,rbg,gbr,grb,bgr,brg] (2)
[0028] 其中，α、β和x为比例系数，R是指所述彩色图像中红色通道的像素值，G是指所述彩 色图像中绿色通道的像素值，B是指所述彩色图