，c)對(duì)應(yīng)的學(xué)習(xí)樣本作為支持向量機(jī)分類器的輸 入向量，最終準(zhǔn)確分出c類缺陷。
[0063]S5 :判斷缺陷種類，用type表示分類結(jié)果，其中type=0,1，2, 3, 4, 5,如果type= 1，則表明該缺陷類型為結(jié)疤；如果type= 2,則表明該缺陷類型為縱向裂紋；如果type= 3,則表明該缺陷類型為橫向裂紋；如果type= 4,則表明缺陷類型為麻點(diǎn)；如果type= 5， 則表明缺陷類型為網(wǎng)紋；如果type= 0,則表明數(shù)據(jù)庫(kù)沒有此類缺陷，則將新的缺陷類型存 入數(shù)據(jù)庫(kù)并附缺陷數(shù)據(jù)類型編號(hào)，最終輸出檢測(cè)結(jié)果。數(shù)據(jù)庫(kù)信息參見圖4,圖中給出了數(shù) 據(jù)庫(kù)中部分鋼板缺陷信息，其中第一列為鋼板缺陷的種類，其余列為鋼板缺陷的屬性。
[0064] 最后說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較 佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技 術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本 發(fā)明的權(quán)利要求范圍當(dāng)中。
【主權(quán)項(xiàng)】
1. 基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，其特征在于；包括如下步驟： 51 ;獲取鋼板表面缺陷圖像； 52 ;對(duì)步驟S1獲取的缺陷圖像進(jìn)行預(yù)分類，生成不同的圖像處理闊值區(qū)間； 53 ;對(duì)步驟S2獲取的不同類別的圖像進(jìn)行相應(yīng)的圖像預(yù)處理，最終將缺陷W白色高亮 狀態(tài)顯不； S4;提取鋼板缺陷圖像的幾何特征、灰度特征、投影特征和紋理特征，優(yōu)化特征向量，采 用模糊聚類方法計(jì)算各類樣本的聚類中屯、，將兩兩聚類中屯、的距離作為支持向量機(jī)分類器 每級(jí)分類劃分的度量； S5 ;分類判定，得到缺陷檢測(cè)結(jié)果。用type表示分類結(jié)果，其中type= 0, 1，2, 3, 4, 5， 如果type= 1，則表明該缺陷類型為結(jié)瘡；如果type= 2,則表明該缺陷類型為縱向裂紋； 如果type= 3,則表明該缺陷類型為橫向裂紋；如果type= 4,則表明缺陷類型為麻點(diǎn)；如 果type= 5,則表明缺陷類型為網(wǎng)紋；如果type= 0,則表明數(shù)據(jù)庫(kù)沒有此類缺陷，則將新 的缺陷類型存入數(shù)據(jù)庫(kù)并附缺陷數(shù)據(jù)類型編號(hào)，最終輸出檢測(cè)結(jié)果。
2. 如權(quán)利要求1所述的基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，其特征在于： 所述步驟S1中，W鋼板生產(chǎn)線實(shí)時(shí)拍攝的圖像作為鋼板表面缺陷檢測(cè)的源圖像。
3. 如權(quán)利要求1所述的基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，其特征在于： 所述步驟S2中，在灰度圖像的前提下，通過(guò)闊值分割法確定圖像處理的闊值區(qū)間，完成圖 像預(yù)分類。
4. 如權(quán)利要求3所述的基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，其特征在于： 所述步驟S2具體包括如下步驟： 521 ;對(duì)步驟S1獲取的缺陷圖像進(jìn)行灰值化； 522 ;對(duì)灰值化后的缺陷圖像進(jìn)行直方圖繪制，計(jì)算灰度直方圖的均值、峰值和方差； 523 ;對(duì)步驟S22提取的灰度特征統(tǒng)計(jì)分析，結(jié)合灰度直方圖判斷缺陷圖像均值、方差 分布范圍，并計(jì)算兩者的差值dif，將差值統(tǒng)計(jì)歸類，選取最優(yōu)闊值T= {Xi，X2}，其中XI，X2 為闊值分割點(diǎn)，完成圖像預(yù)分類； 524 ;結(jié)合線性插值、非線性插值和梯度銳化對(duì)步驟S23的預(yù)分類結(jié)果進(jìn)行圖像預(yù)處 理，在基本的圖像處理操作下，最終使缺陷目標(biāo)W白色高亮狀態(tài)顯示。
5. 如權(quán)利要求1至4中任一項(xiàng)所述的基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法， 其特征在于；所述步驟S3具體包括如下步驟： 531 ;當(dāng)dif<xi時(shí)，圖像灰度偏暗，在缺陷目標(biāo)確定前要對(duì)圖像做梯度銳化處理；當(dāng)xi <dif<X2時(shí)，圖像目標(biāo)區(qū)域偏大，在缺陷目標(biāo)確定前要對(duì)圖像做線性插值處理；當(dāng)dif> X2時(shí)，圖像反光，在缺陷目標(biāo)確定前要對(duì)圖像做非線性插值處理； 532 ;缺陷圖像經(jīng)過(guò)步驟S31 ;的預(yù)處理后，對(duì)圖像做基本圖像處理操作，最終將灰度直 方圖W單峰、灰度有效值在170-255區(qū)間內(nèi)的形式顯示； 533 ;結(jié)合交互式闊值分割法選取圖像二值化的最優(yōu)闊值y，優(yōu)化二值化圖像，得到目 標(biāo)缺陷圖像； 534 ;計(jì)算步驟S33 ;的目標(biāo)缺陷圖像的幾何特征；將目標(biāo)缺陷圖像做水平X軸和垂直y 軸方向上的投影直方圖，獲取投影特征；W灰度圖像為背景，提取灰度直方圖下的灰度特征 和灰度共生矩陣下的紋理特征。
6. 如權(quán)利要求5所述的基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，其特征在于： 所述步驟S4具體包括如下步驟： 541 ;幾何特征。邊界周長(zhǎng)、缺陷面積、圓形度、矩形度、缺陷緊湊性、區(qū)域占空比、矩特 征、離屯、率、楠圓偏屯、率等；投影特征：波形特征、脈沖特征、峰值特征、裕度特征、投影均 值、投影方差、投影歪度、投影峭度、投影能量、投影滴等；灰度特征；灰度對(duì)比度、灰度均 值、灰度歪度、灰度峭度、灰度能量、灰度滴值等；紋理特征；灰度共生矩陣能量、灰度共生 矩陣對(duì)比度、灰度共生矩陣相關(guān)值、灰度共生矩陣滴值等； 542 ;對(duì)步驟S41提取的特征向量進(jìn)行降維處理，刪除冗余的缺陷信息； 543 ;將步驟S42確定的特征參數(shù)存入特征數(shù)據(jù)庫(kù)； 544 ;某一類樣本聚類中屯、的選?。河?jì)算任意兩個(gè)樣本的歐式距離，取最小距離對(duì)應(yīng)的 兩個(gè)樣本的均值作為第一個(gè)聚類中屯、；選定樣本間最小距離闊值a，計(jì)算與第一個(gè)聚類中 屯、中的兩個(gè)樣本的歐式距離都大于a的樣本，并選擇該些樣本中的歐氏距離最短的兩個(gè) 樣本的均值定為第二個(gè)聚類中屯、；W此類推，直到找到除孤立點(diǎn)之外的所有樣本的聚類中 屯、；將所有聚類中屯、的均值作為該類缺陷的最終聚類中屯、； 545 ;重復(fù)步驟S44,確定已知缺陷種類各類樣本的聚類中屯、Vi(i=i，2,…，C); S42 ;分別計(jì)算兩兩聚類中屯、的距離而=1巧-w；||，其中i，j= 1，2,…，c;i聲j;r= c-1。每個(gè)聚類中屯、都有c-1個(gè)與其他聚類中屯、的距離值，將距離值按由小到大的順序排 列，得到相應(yīng)聚類中屯、新的排序標(biāo)號(hào)； S47 ;將聚類中屯、對(duì)應(yīng)的學(xué)習(xí)樣本作為支持向量機(jī)分類器的輸入，用C-1個(gè)分類器準(zhǔn)確 分出C類缺陷。
7. 如權(quán)利要求6所述的基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，其特征在于： 所述步驟S41中，將投影特征分為水平投影特征和垂直投影特征；紋理特征向量用灰度共 生矩陣計(jì)算，灰度共生矩陣是L*L的方正，其中L為源圖像的灰度級(jí)，描述四種常用的空間 位置關(guān)系；水平、垂直、正對(duì)角，最后生成四類走組特征向量。
8. 如權(quán)利要求7所述的基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，其特征在于： 所述步驟S5中： 用type表示分類結(jié)果，其中type= 0, 1，2, 3, 4, 5,如果type= 1，則表明該缺陷類型 為結(jié)瘡；如果type= 2,則表明該缺陷類型為縱向裂紋；如果type= 3,則表明該缺陷類型 為橫向裂紋；如果type= 4,則表明缺陷類型為麻點(diǎn)；如果type= 5,則表明缺陷類型為網(wǎng) 紋；如果type= 0,則表明數(shù)據(jù)庫(kù)沒有此類缺陷，則將新的缺陷類型存入數(shù)據(jù)庫(kù)并附缺陷數(shù) 據(jù)類型編號(hào)，最終輸出檢測(cè)結(jié)果。
【專利摘要】本發(fā)明涉及數(shù)字圖像處理及模式識(shí)別技術(shù)領(lǐng)域，公開一種基于預(yù)分類的模糊聚類鋼板表面缺陷檢測(cè)方法，可在鋼板表面缺陷檢測(cè)時(shí)，克服現(xiàn)有鋼板表面缺陷檢測(cè)方法出現(xiàn)的漏判和誤判的不足，有效提高鋼板表面缺陷在線實(shí)時(shí)檢測(cè)的準(zhǔn)確度，步驟如下：S1獲取鋼板表面缺陷圖像；S2將步驟S1獲取的圖像進(jìn)行預(yù)分類，確定圖像分類處理的閾值區(qū)間；S3對(duì)步驟S2中各閾值區(qū)間的圖像分類處理，生成白色高亮的缺陷目標(biāo)；S4提取缺陷圖像的幾何、灰度、投影和紋理特征，通過(guò)特征降維確定支持向量機(jī)分類器的輸入向量，采用模糊聚類算法計(jì)算各類樣本的聚類中心，將兩兩聚類中心的距離作為支持向量機(jī)分類器分級(jí)劃分的度量；S5分類判定，得到缺陷檢測(cè)結(jié)果。
【IPC分類】G06K9-62, G06T7-00
【公開號(hào)】CN104794491
【申請(qǐng)?zhí)枴緾N201510208553
【發(fā)明人】鮮曉東, 李嬌嬌, 李曉龍, 蘇航, 劉洋
【申請(qǐng)人】重慶大學(xué)
【公開日】2015年7月22日
【申請(qǐng)日】2015年4月28日