品種可選擇的表面缺陷圖像分類系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于材料表面的光學(xué)檢測技術(shù)領(lǐng)域，特別是設(shè)及一種品種可選擇的表面缺 陷圖像分類系統(tǒng)，主要應(yīng)用于鋼種表面缺陷檢測。
【背景技術(shù)】
[0002] 帶鋼是鋼鐵工業(yè)的主要產(chǎn)品形式之一，是航空航天、汽車輪船制造等必備原材料， 關(guān)系到許多制造行業(yè)的發(fā)展。近年來，帶鋼的需求量不斷增加，并要求具有較高的表面質(zhì) 量。而在其社制過程中，由于連鑄鋼巧、社制設(shè)備及社制工藝等原因，導(dǎo)致社制鋼板表面出 現(xiàn)了裂紋、氧化鐵皮、結(jié)瘤、漉印、刮傷、孔桐和麻點(diǎn)等缺陷，運(yùn)些缺陷不僅影響了產(chǎn)品外觀， 更重要的是降低了產(chǎn)品的抗腐蝕性、抗磨性及疲勞強(qiáng)度等使用性能，因此給產(chǎn)品埋下了安 全隱患。故帶鋼的表面質(zhì)量檢測尤為重要。
[0003] 由于現(xiàn)有國外各大公司表面缺陷檢測系統(tǒng)一套分類器只能針對一個鋼種進(jìn)行缺 陷檢測，而國內(nèi)一條生產(chǎn)線通常生產(chǎn)多類鋼種，為此需要一種新的分類器，W適應(yīng)生產(chǎn)線上 多個鋼種表面缺陷的高識別率分類。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種品種可選擇的表面缺陷圖像分類系統(tǒng)，W克服現(xiàn)有技 術(shù)中只能針對一個鋼種進(jìn)行缺陷檢測的技術(shù)問題。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
[0006] 本申請實(shí)施例公開了一種品種可選擇的表面缺陷圖像分類系統(tǒng)，包括：
[0007] 第一級分類子系統(tǒng)，識別環(huán)境突變產(chǎn)生的部分未知類型的缺陷、有明顯固定規(guī)律 的缺陷和非缺陷圖像，獲得第一級分類結(jié)果，并將無法識別圖像的常見圖像特征W及原始 圖像歸一化后圖像傳輸給第二級分類子系統(tǒng)，同時將第一級分類結(jié)果傳輸給第=級分類子 系統(tǒng)；
[000引第二級分類子系統(tǒng)，將第一級分類子系統(tǒng)無法識別的圖像通過主分類器獲得所有 缺陷圖像的類型，獲得第二級分類結(jié)果，并將第二級分類結(jié)果傳輸給第=級分類子系統(tǒng)，該 主分類器為基于固定特征的決策樹分類器、或基于圖像Isomap降維的SVM分類器；
[0009] 第=級分類子系統(tǒng)，將第一級分類子系統(tǒng)和第二級分類子系統(tǒng)識別的結(jié)果進(jìn)行再 次分類，將已分類的缺陷進(jìn)一步細(xì)分至可用于實(shí)際產(chǎn)品分級判次的程度。
[0010] 優(yōu)選的，在上述的品種可選擇的表面缺陷圖像分類系統(tǒng)中，所述常見圖像特征至 少包括形狀、顏色、位置和質(zhì)屯、。
[0011] 優(yōu)選的，在上述的品種可選擇的表面缺陷圖像分類系統(tǒng)中，所述第=級分類子系 統(tǒng)將已分類的缺陷至少按照長度、寬度、嚴(yán)重度特征進(jìn)行細(xì)分。
[0012] 優(yōu)選的，在上述的品種可選擇的表面缺陷圖像分類系統(tǒng)中，所述的基于固定特征 的決策樹分類器，在特征提取后再經(jīng)過決策樹算法獲得分類規(guī)則，測試圖像通過同樣的特 征提取后進(jìn)入分類規(guī)則，并預(yù)測獲得結(jié)果。
[0013] 優(yōu)選的，在上述的品種可選擇的表面缺陷圖像分類系統(tǒng)中，所述的基于圖像 Isomap降維的SVM子分類器訓(xùn)練圖像和測試圖像分別經(jīng)過dls-Isomap算法和增量GR順擬合 的降維過程，分類算法使用的是SVM算法。
[0014] 優(yōu)選的，在上述的品種可選擇的表面缺陷圖像分類系統(tǒng)中，所述的dls-Isomap算 法流程包括：
[0015] 步驟1:構(gòu)造鄰域圖，給定參數(shù)k或者是6,使用k-nn方法或者e半徑方法建立加權(quán)鄰 接圖G，采用監(jiān)督k-nn和e半徑鄰域圖連接方式，其具體內(nèi)容如下：
[0016] (1)如果13661(。= 13661〇'），其中1，_]'￡1時，鄰域連接方式滿足^下兩個條件： 首先d(xi，xi'）<e，其中i，i' EM;其次iENk(t)或i' eNk(t)，Nk(t)是t的k個最鄰近點(diǎn)；
[0017] (2)如果label (i)辛label (j)，其中i，j eL時，類間鄰域圖的連接方式為保持類間 點(diǎn)最小歐式距離。計算不同類Ll和L2間的最小距離Dmin( i，j ) =HlimeLl JEL2(d(Xi，Xj))，定義 矩陣LM存儲最小類間距離，即111=化1。。，^}，1，托^111為對稱矩陣;循環(huán)判斷(1佔(zhàn)，刮）， 如果(1佔(zhàn)，刮）=0。1。(1^)，建立點(diǎn)巧日點(diǎn)^'之間的邊界連接;如果兩類間有多組點(diǎn)間距離同時 等于最小距離，則建立多個邊界連接；
[0018] 步驟2:計算每對點(diǎn)之間的最短路徑近似計算測地距，假設(shè)流形中兩點(diǎn)之間的測地 距可用鄰域圖中相關(guān)點(diǎn)之間的最短路徑來表示，設(shè)gU為Vi和Vj最短路徑的長度，最短路徑 用Floyd算法，那么gu可W近似Vi和V么間的測地距，記錄對稱矩陣；
[0019]步驟3:用MDS方法將RD嵌入到較低的空間Rd中，找到嵌入向量Zi; iEM，定義Z = (Z1;……；Zn)，K是內(nèi)積矩陣，滿足條件：
[0020] (1)
[0021] K = -HSH/2 (2)
[0022] 其中H=化ij}，hij = Sij-l/n，Sij為KroneckeW,那么S= {gij2};然后在非遞增序列 中找出K的前d維特征向量化1，k2，? ? ?，kd}，W及其相關(guān)特征值{Vi，V2，? ? ?，Vd};在新的空間的 第i個點(diǎn)的第P個分量為：
[0023] ^=原''古其中口 = 1，2，...，(1(3)
[0024] 通過上述步驟獲得dls-Isomap算法兩類數(shù)據(jù)降維圖，區(qū)分2組及其W上品種的分 類任務(wù)。
[0025] 所述第一級分類子系統(tǒng)為過濾器，用W過濾掉噪聲型缺陷。
[0026] 優(yōu)選的，在上述的品種可選擇的表面缺陷圖像分類系統(tǒng)中，所述系統(tǒng)應(yīng)用于冷社 用熱社帶鋼時，所述噪聲型缺陷種類至少包括高亮度、高暗度、水潰干澗、正常周期缺、極小 缺陷、極大缺陷。
[0027] 優(yōu)選的，在上述的品種可選擇的表面缺陷圖像分類系統(tǒng)中，所述系統(tǒng)應(yīng)用于冷社 用熱社帶鋼時，所述第=級分類子系統(tǒng)用于區(qū)分翅皮和夾雜次品。
[0028] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于:本發(fā)明系統(tǒng)可W針對多個鋼種進(jìn)行檢測，另 外采用dls-Isomap降維算法聯(lián)合SVM分類算法能夠在帶有水潰、氧化等非固定形態(tài)圖像干 擾的分類中獲得更好的結(jié)果。
【附圖說明】
[0029] 為了更清楚地說明本申請實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 申請中記載的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下， 還可W根據(jù)運(yùn)些附圖獲得其他的附圖。
[0030] 圖1所示為本發(fā)明具體實(shí)施例中表面缺陷圖像分類系統(tǒng)的原理方框圖；
[0031] 圖2所示為本發(fā)明具體實(shí)施例中基于固定特征的決策樹子分類器的原理方框圖；
[0032] 圖3所示為本發(fā)明具體實(shí)施例中基于圖像Isomap降維的SVM子分類器的原理方框 圖；
[0033] 圖4所示為本發(fā)明具體實(shí)施例中dls-Isomap算法兩類數(shù)據(jù)降維圖；
[0034] 圖5所示為本發(fā)明具體實(shí)施例中冷社用熱社帶鋼表面缺陷圖像分類實(shí)驗(yàn)結(jié)果表。
【具體實(shí)施方式】
[0035] 結(jié)合圖1至4所示，本實(shí)施例公開一種品種可選擇的表面缺陷圖像分類器，該分類 器主要由=級帶鋼表面缺陷分類子系統(tǒng)組成：
[0036] 第一級通過主觀評價機(jī)制識別環(huán)境突變產(chǎn)生的部分未知類型的缺陷、有明顯固定 規(guī)律的缺陷和非缺陷圖像，而且運(yùn)些缺陷一定是能被主觀評價機(jī)制描述的；
[0037] 第二級是將第一級無法識別的圖像通過主分類器獲得所有缺陷圖像的類型，其分 類規(guī)則可W選擇由基于固定特征的決策樹分類器實(shí)現(xiàn)，也可W選擇基于圖像Isomap降維的 SVM分類器實(shí)現(xiàn)；
[0038] 第=級是第一級和第二級識別的結(jié)果進(jìn)行再次分類，通過主觀評價機(jī)制將已分類 的缺陷按照長度、寬度、嚴(yán)重度等特征進(jìn)一步細(xì)分至可用于實(shí)際產(chǎn)品分級判次的程度。
[0039] 進(jìn)一步地，分類器之間數(shù)據(jù)傳輸為：
[0040] 第一級和第二級之間數(shù)據(jù)的傳送為第一級未分類圖像提取的形狀、顏色、位置和 質(zhì)屯、等常見圖像特征W及原始圖像歸一化后圖像的傳輸；
[0041] 第一級和第=級之間的數(shù)據(jù)傳輸為常見圖像特征及其分類結(jié)果的傳輸；
[0042] 第二級和第=級之間數(shù)據(jù)的傳輸為常見圖像特征及其分類結(jié)果的傳輸;因此在編 程實(shí)現(xiàn)時，數(shù)據(jù)的調(diào)用較為簡單，僅僅調(diào)用各級分類結(jié)果、常見圖像特征和歸一化的原始圖 像即可。
[0043] 進(jìn)一步，所述的基于固定特征的決策樹分類器在特征提取后再經(jīng)過決策樹算法獲 得分類規(guī)則，測試圖像通過同樣的特征提取后進(jìn)入分類規(guī)則，并預(yù)測獲得結(jié)果。
[0044] 進(jìn)一步，所述的基于圖像Isomap降維的SVM子分類器訓(xùn)練圖像和測試圖像分別經(jīng) 過d 1S -1S omap算法和增量GRNN擬合的降維過程，分類算法使用的是SVM算法。
[0045] 更進(jìn)一步地的，所述的dls-Isomap算法流程包括：
[0046] 步驟1:構(gòu)造鄰域圖，給定參數(shù)k或者是e，使用k-nn方法或者e半徑方法建立加權(quán)鄰 接圖G，采用監(jiān)督k-nn和e半徑鄰域圖連接方式，其具體內(nèi)容如下：
[0047] (1)如果13661(。= 13661〇'），其中1，_]'￡1時，鄰域連接方式滿足^下兩個條件： 首先d(xi,xi'）<e，其中i，i