一種連續(xù)帶狀多孔金屬材料漏鍍?nèi)毕莸臋z測并定位的方法
【技術領域】
[0001] 本發(fā)明涉及一種多孔金屬材料在生產(chǎn)過程中產(chǎn)生的一種缺陷區(qū)域的檢測并定位 的方法，特別涉及一種連續(xù)帶狀多孔金屬材料生產(chǎn)過程中產(chǎn)生的漏鍍?nèi)毕輩^(qū)域的檢測并定 位的方法。
【背景技術】
[0002] 多孔金屬材料是一種由金屬基體和大量孔隙組成的結(jié)構功能一體化的新型金屬 基復合材料。它因密度低、表面積大而具有獨特的優(yōu)勢，在高新技術領域得到了廣泛的應 用。但在連續(xù)化的工業(yè)生產(chǎn)過程中，產(chǎn)品的漏鍍?nèi)毕荩次村兏步饘伲﹪乐赜绊懏a(chǎn)品質(zhì)量。 目前判定及定位材料中有這種缺陷的方法一般是在光線充足條件下，用人工目測法。這種 方法效率低、準確度差、成本高，嚴重依賴操作員工的經(jīng)驗，與連續(xù)化生產(chǎn)不相適應。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明旨在提供一種多孔金屬材料漏鍍?nèi)毕輩^(qū)域的檢測并定位缺陷區(qū)域的方法， 可實現(xiàn)在線自動無損檢測并定位，無需人工參與，準確率和效率都大大提高。本發(fā)明通過以 下方案實現(xiàn)：
[0004] -種連續(xù)帶狀多孔金屬材料漏鍍?nèi)毕莸臋z測并定位的方法，首先判定漏鍍?nèi)毕荩?判定后再定位漏鍍?nèi)毕莸膮^(qū)域；按以下步驟判定漏鍍?nèi)毕荩?br>[0005] (1-1)使用相同的可采集圖像數(shù)據(jù)裝置，在相同的光照條件和相同拍攝距離條件 下，拍攝同一規(guī)格的帶狀多孔金屬產(chǎn)品圖像，從拍攝的圖像中選取N張正常產(chǎn)品圖像和P張 包含漏鍍?nèi)毕莸漠a(chǎn)品圖像，其中N彡500,P彡100,選取的圖像大小相同，并輸入至具有數(shù) 據(jù)處理功能的設備中；
[0006] (1-II)采用所述具有數(shù)據(jù)處理功能的設備，計算每張圖像的灰度均值、方差、同質(zhì) 值及45°和135°兩個方向上的慣性矩共5個特征值；同質(zhì)值通過公式（1)計算得到：
[0007]
(1)
[0008] 其中，d表示距離，Θ表示角度，Pwe)(m，n)表示距離為d、角度為Θ的灰度共生 矩陣的元素值；
[0009] (1-III)將正常產(chǎn)品圖像按步驟（1-II)計算得到的5個特征值作為正樣本特征向 量FPa:
[0010] FPa= [μα,σA,HA(dj Θ), !A(45。），Ia(135。）] ⑵
[0011] 其中，μΑ為正常產(chǎn)品圖像的灰度均值，OA為灰度方差，HAWe)為同質(zhì)值，IM45。}為 在45°方向上的慣性矩，IAU35。}為在135°方向上的慣性矩；
[0012] 將包含漏鍍?nèi)毕莸漠a(chǎn)品圖像按步驟（1-II)計算得到的5個特征值作為負樣本特 征向量fnb:
[0013] FNb - [yΒ，σΒ，Ηβ(4Θ)，！B(45。），Ib(135。）] (3)
[0014] 其中，μΒ為包含漏鍍?nèi)毕莸漠a(chǎn)品圖像的灰度均值，〇B為灰度方差，HBWe)為同質(zhì) 值，1_5。；為在45°方向上的慣性矩，IBU35。；為在135°方向上的慣性矩；
[0015] (1-IV)分別對正樣本特征向量和負樣本特征向量給出不同的標識，輸入具有數(shù)據(jù) 處理功能的分類器，完成訓練；
[0016] 完成判定漏鍍?nèi)毕莸姆诸惼饔柧毢?，采用與訓練分類器完全相同的圖像數(shù)據(jù)采集 條件實時采集待測產(chǎn)品的圖像，圖像大小也與訓練分類器時選取的圖像大小相同；按所述 訓練分類器的步驟（1-II)分別計算每張待測產(chǎn)品圖像的灰度均值、方差、同質(zhì)值及45°和 135°兩個方向上的慣性矩構成測試特征向量，并輸入到已經(jīng)訓練好的分類器中進行測試， 若測試結(jié)果為正樣本類別時，該圖像被判定為無漏鍍?nèi)毕莓a(chǎn)品圖像，若測試結(jié)果為負樣本 類別時，該圖像被判定為含漏鍍?nèi)毕莓a(chǎn)品圖像。
[0017] 按以下步驟定位漏鍍?nèi)毕莸膮^(qū)域：
[0018] (2-I)在具有數(shù)據(jù)處理功能的設備中將包含有漏鍍?nèi)毕莸牟噬珗D像分成大小為 ηΧη的區(qū)域塊，大小不足ηΧη的區(qū)域塊被剔除，再將所分好的區(qū)域塊分為C、D兩組，其中C 組的區(qū)域塊是完全不包含漏鍍?nèi)毕莸膮^(qū)域塊，D組是全部包含漏鍍?nèi)毕莸膮^(qū)域塊；η為64~ 256的自然數(shù)；
[0019] (2-II)采用所述具有數(shù)據(jù)處理功能的設備計算C、D兩組每個區(qū)域塊圖像的RGB 聯(lián)合向量，再將C、D兩組每個區(qū)域塊圖像轉(zhuǎn)化為灰度圖像，計算每個區(qū)域塊圖像的灰度均 值、灰度方差以及在0°、45°、90°和135°四個方向上的相關性，將C、D兩組區(qū)域塊圖像 的上述特征分別構成正、負樣本特征向量，并對正樣本特征向量和負樣本特征向量給出不 同的標識，輸入具有數(shù)據(jù)處理功能的分類器，完成訓練；其中所述的RGB聯(lián)合向量按公式 (4)和公式（5)計算：
[0020]
(4) 1234 FC= [rgb,rbg,gbr,grb,bgr,brg] (5) 2 其中，α、β和x為比例系數(shù)，R是指所述彩色圖像中紅色通道的像素值，G是指 所述彩色圖像中綠色通道的像素值，B是指所述彩色圖像中藍色通道的像素值，F(xiàn)C為RGB聯(lián) 合向量； 3 在完成定位的分類器訓練后，將已經(jīng)判定被確認有漏鍍?nèi)毕荽嬖诘膱D像作為待定 位漏鍍區(qū)域的圖像，將圖像分成大小為ηΧη的區(qū)域塊，大小不足ηΧη的區(qū)域塊被剔除；按 所述訓練分類器的步驟（2-II)分別計算每張圖像的每個區(qū)域塊的RGB聯(lián)合向量、以及區(qū) 域塊圖像轉(zhuǎn)化為灰度圖像后的灰度均值、灰度方差和在0°、45°、90°和135°四個方向 上的相關性，將計算得到的區(qū)域塊圖像特征構成待定位漏鍍區(qū)域圖像的特征向量，將之輸 入已完成訓練的定位分類器中，輸出待定位漏鍍區(qū)域圖像中漏鍍區(qū)域的識別結(jié)果。 4 實驗發(fā)現(xiàn)，選取的圖像大小不小于1024X1024像素，選取N彡1000,P彡300時， 判定的準確率更高。
[0025] 在定位漏鍍?nèi)毕輩^(qū)域的步驟中，按公式（6)構成所述正樣本特征向量：
[0026] FPC-[FC c, y. c, 0 C)R(C, 0°)) R(C, 45°)) R(C, 90° ))R(C, 135°)] (6)
[0027] 其中，F(xiàn)C^ C組圖像RGB聯(lián)合向量，μ。是C組圖像轉(zhuǎn)化為灰度圖像后的灰度均 值，σ馮C組圖像轉(zhuǎn)化為灰度圖像后的灰度方差，R(C，0。）、R(C，45。）、R(C，90。）和R(C，135。）是C 組圖像轉(zhuǎn)化為灰度圖像后在0°、45°、90°和135°四個方向上的相關性。
[0028] 在定位漏鍍?nèi)毕輩^(qū)域的步驟中，按公式（7)構成所述負樣本特征向量：
[0029] FNd-[FC D, y. D,0D)R(D, 0°)) R(D, 45°)) R(D, 90° ))R(D, 135°)] (^)
[0030] 其中，F(xiàn)CD是D組圖像RGB聯(lián)合向量，μ肩D組圖像轉(zhuǎn)化為灰度圖像后的灰度均 值，。邊D組圖像轉(zhuǎn)化為灰度圖像后的灰度方差，R" " ；和R；是D 組圖像轉(zhuǎn)化為灰度圖像后在0°、45°、90°和135°四個方向上的相關性。
[0031] 在定位漏鍍?nèi)毕輩^(qū)域的步驟中，按公式（8)構成所述測試特征向量：
[0032] FNX - [FC χ, μ x,。x, R(x,)，R(x,45= )，R(x,9(r )，R(x,135=)]⑶
[0033] 其中，F(xiàn)Cx是待定位漏鍍區(qū)域圖像的RGB聯(lián)合向量，μχ是待定位漏鍍區(qū)域圖像轉(zhuǎn) 化為灰度圖像后的灰度均值，σχ是待定位漏鍍區(qū)域圖像轉(zhuǎn)化為灰度圖像后的灰度方差， R(x，0。）、R(x，45。）、R(x，90。）和R(x，135。 }是待定位漏鍍區(qū)域圖像轉(zhuǎn)化為灰度圖像后在0°、45°、 90°和135°四個方向上的相關性。
[0034]與現(xiàn)有技術相比，本發(fā)明針對多孔金屬材料能在線自動檢測其中的漏鍍?nèi)毕?，?且還能定位缺陷區(qū)域，不僅準確率高，可實現(xiàn)產(chǎn)品的無損檢測，而且還可提高多孔金屬材料 產(chǎn)品的質(zhì)量和合格率，降低生產(chǎn)成本，提高生產(chǎn)效率。
【具體實施方式】
[0035] 實施例1
[0036] -種連續(xù)帶狀多孔金屬鎳材料漏鍍?nèi)毕莸臋z測并定位缺陷區(qū)域的方法，首先判定 漏鍍?nèi)毕荩慌卸ê笤俣ㄎ宦╁內(nèi)毕莸膮^(qū)域。
[0037] 按以下步驟判定漏鍍?nèi)毕荩?br>[0038] (1-1)采用分辨率為2448X2056的VieworksVH-4M高清相機，在同一光照下垂 直拍攝95PPI、面密度350克/平米、厚度1. 0mm規(guī)格的帶狀多孔鎳產(chǎn)品圖像，從拍攝的 圖像中選取900張正常產(chǎn)品圖像和350張包含漏鍍?nèi)毕莸漠a(chǎn)品圖像，選取圖像的大小為 1024X1024像素，全部輸入電腦設備；
[0039] (1-II)在電腦設備中，計算每張圖像的灰度均值、方差、同質(zhì)值及45°和135°兩 個方向上的慣性矩共5個特征值；同質(zhì)值通過公式（1)計算得到：
[0040]
(1)
[0041] 其中，d表示距離，Θ表示角度，Pwe)(m，n)表示距離為d、角度為Θ的灰度共生 矩陣的每個元素值；
[0042] (1-III)將正常產(chǎn)品圖像按步驟（II)計算得到的5個特征值作為正樣本特征向量 FPa：
[0043] FPa= [ μ α, σ A, HA(dj Θ)，Ia(45。），Ia(135。）] ⑵
[0044] 其中，μΑ為正常產(chǎn)品圖像的灰度均值，σA為灰度方差，HA(d，e)為同質(zhì)值，IA(45。j為 在45°方向上的慣性矩，IAU35。}為在135°方向上的慣性矩；
[0045] 將包含漏鍍?nèi)毕莸漠a(chǎn)品圖像按步驟（II)計算得到的5個特征值作為負樣本特征 向量fnb:
[0046] FNb= [μb,σb,HB(dj θ)，Ιβ(45° )，Ιβ(135° )](3)
[0047] 其中，μΒ為包含漏鍍?nèi)毕莸漠a(chǎn)品圖像的灰度均值，〇B為灰度方差，HBWe)為同質(zhì) 值，1_5。；為在45°方向上的慣性矩，IBU35。；為在135°方向上的慣性矩；
[0048] (1-IV)分別對正樣本特征向量和負樣本特征向量給出不同的標識，使得所述具有 數(shù)據(jù)處理功能的設備具有分類功能，完成訓練，成為分類器；
[0049] (1-V)完成分類器訓練后，采用與訓練分類器完全相同的數(shù)據(jù)圖像采集條件實 時采集待測產(chǎn)品的圖像，圖像大小也與訓練分類器時選取圖像的大小相同，即=1024X1024 像素；按上述訓練分類器的步驟（II)分別計算每張待測產(chǎn)品圖像的灰度均值、方差、同質(zhì) 值及45°和135°兩