像中蓝色通道的像素值，FC为RGB联合向量。 将C组图像的上述特征向量按公式(3)构成正样本特征向量，
[0029] FPC= [FCc,yc,0c,R(c,o°) ,R(c,45°) ,R(c,90°) ,R(c,i35°)] (3)
[0030] 其中，FCc是C组图像RGB联合向量，yc是C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。
[0031] 将D组图像的上述特征向量按公式(4)构成负样本特征向量，
[0032] FNd= [FCd，W)，0d，R(d，o。），R(d，45。），R(d，90。），R(d，135。）] (4)
[0033] 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， 是D组图像转化为灰度图像后的灰度方差，R(D,〇。）、R(D,45。）、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。分别对正样本特征向量和负样本 特征向量给出不同的标识，输入分类器，完成训练。
[0034] 步骤四：在完成训练后，采用分辨率为2448X2056的Vieworks VH-4M高清相机，拍 摄距离为l〇cm，采集待测产品的图像，选取包含有漏镀缺陷存在的图像作为待定位漏镀区 域图像，在已完成所述训练的电脑设备中分别计算每张图像的每个区域块的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，按公式(5)构成待定位样本特征向量：
[0035] FNX= [FCX,μχ, 0x,R(x；0°),R(x,45°),R(x,90°),R(x,?35°)] (5)
[0036]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，σχ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。之后由已完成上述训练的分类器输出待定位图像中漏镀区域的 识别结果。
【主权项】
1. 一种连续带状多孔金属材料漏锻缺陷区域的定位方法，包括训练分类器一测试一输 出结果，其特征在于:按W下步骤训练分类器， (I)向具有数据处理功能的设备中输入N含300张已知包含有漏锻缺陷的彩色图像，将 它们分成大小为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组是完全不包含漏锻缺陷的区域块，D组是全部都包含漏锻缺陷的区域块； 所述的η为不小于64且不大于256的自然数； (Π )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 W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：(1) FC =[rgb,rbg,gbr,grb,bgr,brg] (2) 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； 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，选取包含有漏锻 缺陷的图像作为待定位漏锻区域图像，在具有数据处理功能的设备中，将图像分成大小为η Χη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、W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的W上特征构成待定位漏锻 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，输出待定位漏锻区域图像中 漏锻区域的识别结果。2. 如权利要求1所述的连续带状多孔金属材料漏锻缺陷区域的定位方法，其特征在于： 按公式(3)所述正样本特征向量， FPc= [FCc,]iC,〇C,R(C,0。），R(C,45。），R(C,90。），R(C,135。）] (3) 其中，FCc是C组图像RGB联合向量，是C组图像转化为灰度图像后的灰度均值，是C组 图像转化为灰度图像后的灰度方差，3忙0。）、斬^4日。）、1?祀90。)和1?祀13日。)是(：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。3. 如权利要求1或2所述的连续带状多孔金属材料漏锻缺陷区域的定位方法，其特征在 于:所述选取的图像不小于1024X1024像素。4. 如权利要求1或2所述的连续带状多孔金属材料漏锻缺陷区域的定位方法，其特征在 于:所述η为64~256之间的自然数。
【专利摘要】本发明提供了一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－测试－输出结果。训练分类器时，将有漏镀缺陷产品图像分块后，分成不包含漏镀缺陷的区域块和包含漏镀缺陷的区域块，并计算灰度均值、灰度方差、RGB联合向量以及在0°、45°、90°和135°四个方向上的相关性，构成特征向量，将构建好的特征向量输入分类器，完成训练。再将待测产品图像分块并提取灰度均值、灰度方差、RGB联合向量以及在0°、45°、90°和135°四个方向上的相关性构成测试特征向量，输入SVM分类器输出识别结果。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。
【IPC分类】G06T7/00
【公开号】CN105551051
【申请号】CN201511028224
【发明人】赵于前, 郭宽, 钟发平, 李香花
【申请人】先进储能材料国家工程研究中心有限责任公司
【公开日】2016年5月4日
【申请日】2015年12月31日