本發明專利技術涉及鋼帶缺陷檢測技術領域，公開了一種基于機器視覺的鋼帶質量檢測方法、裝置及存儲介質。所述方法包括獲取實時鋼帶圖像；將所述實時鋼帶圖像輸入馬爾科夫模型，得到輸出結果；其中，所述馬爾科夫模型為根據鋼帶樣本圖像進行預先訓練后得到的模型；根據所述輸出結果，將所述輸出結果中對應缺陷類型的概率最大的作為缺陷判定結果，并將所述缺陷判定結果發送至運維端，以使運維端對缺陷進行報警和解決。所述方法能夠使用馬爾科夫模型對特征圖像中的鋼帶特征進行分類與狀態轉移建模，實現缺陷類型與位置的精確檢出。
【技術實現步驟摘要】
本專利技術涉及鋼帶缺陷檢測，尤其涉及一種基于機器視覺的鋼帶質量檢測方法、裝置及存儲介質。
技術介紹
1、鋼鐵作為一種材料，因其具有強度高、成本低、可加工性好的優點，被廣泛應用于國家工業、農業與國防等各個領域。而鋼帶作為一種工業產品，其廣泛用于沖壓、五金、工量具、電子和電工、金屬制品和炊具、農業機械、汽車、航空、精密儀表等。常見的鋼帶缺陷，包括劃痕、壓痕、針孔，起皮等。根據形成原因可分為：鋼帶運輸過程中與轉輥發生摩擦而形成的劃痕；鋼帶加工過程中的工件溫度過高而粘附在模具上形成的壓痕；軋鋼過程中出現裂縫的針孔。根據缺陷性質可劃分為：鋼帶表面存在的缺陷，以及由此而引發的鋼帶的降級報廢。
2、現有的鋼帶檢測技術，通常使用人工檢測，依靠技術人員的觀察和經驗進行鋼帶缺陷判斷，在生產過程中，工人會沿著鋼帶生產線觀察鋼帶的表面，通過肉眼識別鋼帶表面的缺陷，如劃痕、壓痕、針孔、起皮等，有時也會借助觀察工具進行檢測，使用照明良好的燈光或放大鏡來幫助檢測。
3、然而，由于鋼帶生產線上的鋼帶通常會高速運動，且在運動過程中其狀態不斷變化，因此傳統的人工檢測方式對生產線的干擾大，檢測精度低，且具有一定安全隱患，效率低，不能滿足檢測要求。
技術實現思路
1、本專利技術提供了一種基于機器視覺的鋼帶質量檢測方法、裝置及存儲介質，能夠通過分割鋼帶樣本圖像并輸入到神經網絡不同層以獲取特征圖像，然后使用馬爾科夫模型對特征圖像中的鋼帶特征進行分類與狀態轉移建模，實現缺陷類型與位置的精確檢出。
2、第一方面，為了解決上述技術問題，本專利技術提供了一種基于機器視覺的鋼帶質量檢測方法，包括：
3、獲取實時鋼帶圖像；
4、將所述實時鋼帶圖像輸入馬爾科夫模型，得到輸出結果；其中，所述馬爾科夫模型為根據鋼帶樣本圖像進行預先訓練后得到的模型；
5、根據所述輸出結果，將所述輸出結果中對應缺陷類型的概率最大的作為缺陷判定結果，并將所述缺陷判定結果發送至運維端，以使運維端對缺陷進行報警和解決。
6、優選地，所述馬爾科夫模型的訓練方法，包括：
7、獲取鋼帶樣本圖像，對所述鋼帶樣本圖像進行預處理，得到去噪樣本圖像；其中，所述鋼帶樣本圖像格式為rgb格式；
8、對所述去噪樣本圖像進行分割，得到分割圖像；
9、將所述分割圖像輸入到神經網絡模型的不同神經網絡層，得到特征圖像；其中，所述神經網絡層由卷積層與下采樣層組成；
10、對所述特征圖像進行分類，得到缺陷類型；其中，所述缺陷類型包括正常、擦劃傷、油污、劃傷、凹坑和起皮；
11、使用所述缺陷類型建立馬爾科夫模型，得到訓練后的馬爾科夫模型。
12、優選地，所述獲取鋼帶樣本圖像，對所述鋼帶樣本圖形進行預處理，得到去噪樣本圖像，包括：
13、對所述鋼帶樣本圖像進行中值濾波處理，得到第一處理圖像；
14、對所述第一處理圖像進行圖像二值化，得到第二處理圖像；其中，所述圖像二值化的閾值為所述鋼帶樣本圖像的每個像素和對應3*3鄰域內像素的灰度值的中值；
15、對所述第二處理圖像進行連通域分析，得到前景連通區域，并計算所述前景連通區域面積；
16、基于預設閾值，去除所述前景連通區域面積小于所述預設閾值的噪聲點，得到去噪樣本圖像。
17、優選地，所述對所述去噪樣本圖像進行分割，得到分割圖像，包括：
18、基于區域生長的分割算法，對所述去噪樣本圖像進行識別和提取，得到鋼帶區域圖像；
19、將所述鋼帶區域圖像進行紅、綠、藍三通道分割，得到三通道圖像；
20、根據所述三通道圖像，計算各通道中像素點的值與所述像素點所在通道的最大值和最小值之間的距離，并計算所述距離的均值，得到像素點距離均值；
21、根據所述像素點距離均值，將所述像素點距離均值進行大小排序，得到排序結果；
22、根據所述排序結果，將所述像素點距離均值最大的通道作為分割通道，對所述三通道圖像進行分割，得到分割圖像。
23、優選地，所述將所述分割圖像輸入到神經網絡模型的不同神經網絡層，得到所述鋼帶的特征圖像，包括：
24、將所述分割圖像輸入卷積層中，進行卷積操作，并使用激活函數對卷積結果進行非線性變換，得到卷積后特征圖；
25、對所述卷積后特征圖進行池化操作，得到所述特征圖像。
26、優選地，所述使用所述缺陷類型建立馬爾科夫模型，得到訓練后的馬爾科夫模型，具體為：
27、將所述缺陷類型作為馬爾科夫模型中的狀態，計算缺陷類型之間的轉移概率，得到狀態轉移矩陣；其中，所述狀態轉移矩陣中的每個元素aij表示從狀態i轉移到狀態j的概率；
28、對所述馬爾科夫模型進行訓練，得到訓練后的馬爾科夫模型。
29、優選地，所述對所述馬爾科夫模型進行訓練，得到訓練后的馬爾科夫模型，具體為：
30、利用梯度下降法更新所述馬爾科夫模型的權值；其中，所述梯度下降法的計算公式為：
31、
32、式中，w表示缺陷特征在馬爾科夫模型中的權值，w′表示更新后的權值，α表示權重更新步長，表示不同缺陷類型實際值，表示算法對不同缺陷類型的預測值，m表示馬爾科夫模型中的狀態數目，i表示所述缺陷類型。
33、第二方面，本專利技術提供了一種基于機器視覺的鋼帶質量檢測裝置，包括：
34、圖像采集模塊，用于獲取實時鋼帶圖像；
35、缺陷預測模塊，用于將所述實時鋼帶圖像輸入馬爾科夫模型，得到輸出結果；
36、缺陷判定模塊，根據所述輸出結果，將所述輸出結果中對應缺陷類型的概率最大的作為缺陷判定結果，并將所述缺陷判定結果發送至運維端，以使運維端對缺陷進行報警和解決。
37、第三方面，本專利技術還提供了一種電子設備，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現上述中任意一項所述的基于機器視覺的鋼帶質量檢測方法。
38、第四方面，本專利技術還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行上述中任意一項所述的基于機器視覺的鋼帶質量檢測方法。
39、相比于現有技術，本專利技術具有如下有益效果：本專利技術實施例提供了一種基于機器視覺的鋼帶質量檢測方法、裝置及存儲介質。方法包括：獲取實時鋼帶圖像；將所述實時鋼帶圖像輸入馬爾科夫模型，得到輸出結果；其中，所述馬爾科夫模型為根據鋼帶樣本圖像進行預先訓練后得到的模型；根據所述輸出結果，將所述輸出結果中對應缺陷類型的概率最大的作為缺陷判定結果，并將所述缺陷判定結果發送至運維端，以使運維端對缺陷進行報警和解決。
40、在本專利技術中，所述方法能夠獲取實時鋼帶圖像，對所述實時鋼帶圖像進行去噪處理，對去噪后的鋼帶樣本圖本文檔來自技高網
...
【技術保護點】
1.一種基于機器視覺的鋼帶質量檢測方法，其特征在于，包括：
2.根據權利要求1所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述馬爾科夫模型的訓練過程，包括：
3.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述獲取鋼帶樣本圖像，對所述鋼帶樣本圖形進行預處理，得到去噪樣本圖像，包括：
4.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述對所述去噪樣本圖像進行分割，得到分割圖像，包括：
5.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述將所述分割圖像輸入到神經網絡模型的不同神經網絡層，得到所述鋼帶的特征圖像，包括：
6.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述使用所述缺陷類型建立馬爾科夫模型，得到訓練后的馬爾科夫模型，具體為：
7.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述對所述馬爾科夫模型進行訓練，得到訓練后的馬爾科夫模型，具體為：
8.一種基于機器視覺的鋼帶質量檢測裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至7中任意一項所述的基于機器視覺的鋼帶質量檢測方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至7中任意一項所述的基于機器視覺的鋼帶質量檢測方法。
...
【技術特征摘要】
1.一種基于機器視覺的鋼帶質量檢測方法，其特征在于，包括：
2.根據權利要求1所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述馬爾科夫模型的訓練過程，包括：
3.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述獲取鋼帶樣本圖像，對所述鋼帶樣本圖形進行預處理，得到去噪樣本圖像，包括：
4.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述對所述去噪樣本圖像進行分割，得到分割圖像，包括：
5.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述將所述分割圖像輸入到神經網絡模型的不同神經網絡層，得到所述鋼帶的特征圖像，包括：
6.根據權利要求2所述的基于機器視覺的鋼帶質量檢測方法，其特征在于，所述使用所述缺陷...
【專利技術屬性】
技術研發人員：李洋，
申請(專利權)人：廣東萬順榮電子科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。