一种铝锭表面气泡缺陷的视觉检测方法与流程

摘要: 本发明涉及工业视觉检测与图像处理,尤其是一种铝锭表面气泡缺陷的视觉检测方法。背景技术:1、当前铝锭表面气泡缺陷视觉检测系统在工业自动化、金属冶炼品质管理等领域得...
一种铝锭表面气泡缺陷的视觉检测方法与流程

本发明涉及工业视觉检测与图像处理,尤其是一种铝锭表面气泡缺陷的视觉检测方法。

背景技术:

1、当前铝锭表面气泡缺陷视觉检测系统在工业自动化、金属冶炼品质管理等领域得到广泛应用,其技术核心主要依赖于灰度图像预处理、噪声抑制及缺陷边缘提取等图像处理环节。其中,主流技术普遍采用经典固定参数滤波方法(如高斯滤波、中值滤波、双边滤波等)、全局阈值边缘增强手段,以及串行的“先去噪、后边缘检测”流程。同时,为进一步改善噪声抑制效果,部分应用场景引入形态学处理、局部区域增强、超像素分割等辅助模块,以提升总体检测效果和鲁棒性。随着工业检测精度要求的提升,现有技术发展趋势也逐渐向多尺度滤波、区域自适应处理、基础机器学习模型等方向拓展,力求在复杂光照、反光干扰及微结构缺陷检测方面取得更优表现。

2、现有技术主要存在以下突出问题:首先,固定参数滤波方法在高噪声背景下为提升信噪比,往往抑制图像高频内容,致使铝锭微小气泡边缘等低熵结构细节被误平滑,造成缺陷边缘特征丢失;其次,现行边缘检测算法多采用全局阈值或单一增强策略,难以兼顾不同区域的纹理复杂度与噪声类型,特别在表面反光、氧化层及复杂纹理共存场景下,边缘特征与噪声响应交叉显著,导致虚假边缘增强及真实缺陷漏检;

3、因此,传统铝锭表面缺陷检测技术存在对微小气泡边缘特征保护不足、噪声区分能力低、区域响应不够灵活等关键技术瓶颈。在实际应用中,如能实现边缘细节保留与噪声抑制的自适应平衡,特别对微观结构低熵区域的主动检测与补偿,将能显著提升缺陷识别率,增强系统在低对比度、复杂干扰场景下的工程适用性与鲁棒性。

技术实现思路

1、本申请提供一种铝锭表面气泡缺陷的视觉检测方法,旨在解决上述背景技术中提到的造成缺陷边缘特征丢失、难以兼顾不同区域的纹理复杂度与噪声类型的问题。

2、本申请提供的一种铝锭表面气泡缺陷的视觉检测方法,具体包括:

3、s1:获取铝锭表面灰度图像,对图像进行扫描处理,生成结构化图像数据块集合;

4、s2:基于所述结构化图像数据块集合,利用方向梯度一致性、灰度跳变空间聚集度及局部对比度稳定性三个维度进行融合计算,生成复合结构熵值矩阵;

5、s3:根据所述复合结构熵值矩阵的数值分布特征,将图像区域划分为三类差异化响应区域标签,生成带有区域分类属性的分区映射图;

6、s4:基于所述分区映射图中的区域分类属性,针对不同的差异化响应区域标签进行不同处理,生成自适应滤波结果图像;

7、s5:基于所述自适应滤波结果图像与原始灰度图像计算结构熵残差映射,提取结构熵变化量并识别存在边缘误抑制风险的像素位置,利用原始梯度幅值对像素位置进行补偿叠加,生成边缘保真增强图像;

8、s6:基于所述边缘保真增强图像和预置的分段式阈值进行处理得到初步气泡缺陷边缘二值图;

9、s7:基于所述初步气泡缺陷边缘二值图执行熵感知连通域校验,剔除高结构熵均值的小面积边缘碎片并对跨越低熵区的连续边缘链进行曲率约束重连接,生成气泡缺陷检测结果图,完成铝锭表面气泡缺陷的检测。

10、本申请提供的一种铝锭表面气泡缺陷的视觉检测方法,具有以下有益效果:

11、本方案通过构建融合方向梯度一致性、灰度跳变空间聚集度与局部对比度稳定性的三维度结构熵指标,实现对图像局部结构复杂度的精细判别,有效克服了传统方法仅依赖单一灰度统计或梯度幅值进行区域划分所导致的语义歧义问题;在此基础上引入分区差异化滤波策略,在低熵区采用极小核各向异性引导滤波以最大限度保留气泡边缘与微裂纹等关键结构梯度信息,在中熵区实施多尺度加权融合滤波以动态匹配铸造流痕等中等纹理的尺度多样性,在高熵区启用形态学重构结合区域生长的噪声剥离机制,精准识别并剔除强反光斑块与颗粒噪声团簇,避免其对后续边缘分析造成干扰,显著提升了复杂工业场景下弱边缘信号的可检测性与背景噪声的抑制能力。

1.一种铝锭表面气泡缺陷的视觉检测方法,其特征在于,包括:

2.根据权利要求1所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述对图像进行扫描处理是基于滑动窗口机制来扫描。

3.根据权利要求1所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述结构化图像数据块集合包括多个像素邻域。

4.根据权利要求1所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述三类差异化响应区域标签包括低熵响应区、中熵响应区和高熵响应区。

5.根据权利要求4所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述针对不同的差异化响应区域标签进行不同处理,包括:

6.根据权利要求1所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述s2具体包括:

7.根据权利要求6所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述利用方向梯度一致性系数矩阵、灰度跳变空间聚集度指标矩阵和局部对比度稳定性参量矩阵作为多维输入变量进行运算得到综合纹理复杂度映射图,包括:

8.根据权利要求5所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述s4具体包括:

9.根据权利要求8所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述基于分区映射图中的中熵响应区位置坐标及复合结构熵值矩阵中的局部纹理复杂度数值进行融合计算得到中熵区滤波子图,具体包括:

10.根据权利要求8所述的铝锭表面气泡缺陷的视觉检测方法,其特征在于,所述基于低熵区滤波子图、中熵区滤波子图及高熵区滤波子图的空间位置索引信息进行拼接和处理,将三类差异化滤波子图整合为全图覆盖的中间态自适应滤波图像,包括: