(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210744750.4 (22)申请日 2022.06.29 (65)同一申请的已公布的文献号 申请公布号 CN 114820612 A (43)申请公布日 2022.07.29 (73)专利权人 南通恒强轧 辊有限公司 地址 226200 江苏省南 通市启东市海复镇 蒿枝港桥西侧 (72)发明人 谢昌萍　徐军　 (74)专利代理 机构 杭州聚邦知识产权代理有限 公司 33269 专利代理师 周美锋 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01)G06T 7/62(2017.01) G06T 7/66(2017.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (56)对比文件 CN 101526484 A,20 09.09.09 CN 107576 664 A,2018.01.12 CN 1085719 28 A,2018.09.25 CN 114445387 A,202 2.05.06 US 2019318471 A1,2019.10.17 审查员 丁娇 (54)发明名称 基于机器视觉的轧辊表面缺陷检测方法及 系统 (57)摘要 本发明涉及机器视觉技术领域， 具体涉及基 于机器视觉的轧辊表面缺陷检测方法及系统， 该 方法为应用电子设备进行识别的方法， 该系统为 生产领域人工智能系统， 以实现对轧辊表面的缺 陷检测。 该方法首先获取轧辊辊身区域内各像素 点的梯度方向， 比较梯度方向和竖直方向 的偏差 得到偏差程度； 根据偏差程度得到多个初始缺陷 点； 根据初始缺陷点的聚集情况选取多个第一缺 陷点； 计算第一缺陷点的缺陷点概率， 从第一缺 陷点中筛选出多个第二缺陷点， 连接第二缺陷点 得到每个分类结果的缺陷区域； 计算缺陷区域的 缺陷程度。 本发 明通过轧辊辊身表 面图像的梯度 信息， 判断辊身表面图像中存在的缺陷区域的缺 陷程度， 以达到实现轧辊表面缺陷实时检测的目 的。 权利要求书2页 说明书7页 附图1页 CN 114820612 B 2022.09.02 CN 114820612 B 1.基于机器视觉的轧辊表面 缺陷检测方法， 其特 征在于， 该 方法包括以下步骤： 采集轧辊表面图像， 提取 所述轧辊表面图像的轧辊 辊身区域； 获取所述轧辊辊身区域的各像素点的梯度值和梯度方向， 比较各像素点的梯度方向和 竖直方向的偏差， 得到各像素点的偏差程度； 根据所述偏差程度得到多个初始缺陷点； 对所述初始缺陷点进行分类得到多个分类结果； 获取所述分类结果中各初始缺陷点的 曲率， 以各初始 缺陷点为圆心， 以曲率的倒数为半径得到各初始 缺陷点的对应圆， 将属于多 个对应圆的初始 缺陷点作为第一缺陷点； 根据第一缺陷点的偏差程度和所属对应圆圆心的 偏差程度得到缺陷点概率； 根据所述缺陷点概率从多个第一缺陷点中筛选出多个第二缺陷 点， 连接所述第二 缺陷点得到每 个分类结果的缺陷区域； 根据所述缺陷区域内各像素点与缺陷区域的中心点之间的距离， 以及所述缺陷区域的 面积得到所述 缺陷区域的缺陷程度； 其中， 所述 缺陷程度的计算公式为： 其中， 为第 个缺陷区域的缺陷程度； 为第 个缺陷区域的面积； 为第 个缺陷区域 的第 个像素点的梯度值； 为第 个缺陷区域的第 个像素点的横坐标； 为第 个缺陷区 域的第 个像素点的纵坐标； 为第 个缺陷区域的中心点的横坐标； 为第 个缺陷区域的 中心点的纵坐标； 其中， 所述偏差程度的计算公式为： 其中， 为第 个像素点的所述偏差程度； 为第 个像素点的所述梯度方向； 为竖 直向上的单位向量； 为第 个像素点的梯度方向的模。 2.根据权利要求1所述的基于机器视觉的轧辊表面缺陷检测方法， 其特征在于， 提取轧 辊辊身区域的方法为： 利用语义分割网络提取 所述轧辊表面图像的轧辊 辊身区域。 3.根据权利要求1所述的基于机器视觉的轧辊表面缺陷检测方法， 其特征在于， 所述根 据第一缺陷点的偏差程度和所属对应圆 圆心的偏差程度得到缺陷点 概率， 包括： 所述缺陷点概率的计算公式： 其中， 为第 个分类结果中第 个第一缺陷点的缺陷点概率； 为第 个第一缺陷 点的偏差程度； 为含第 个第一缺陷点的对应圆的数量； 为第 个对应圆的圆心的偏权　利　要　求　书 1/2 页 2 CN 114820612 B 2差程度。 4.根据权利要求1所述的基于机器视觉的轧辊表面缺陷检测方法， 其特征在于， 所述对 所述初始缺陷点进行分类得到多个分类结果， 包括： 利用DBSCAN聚类算法根据初始缺陷点的坐标对所述初始缺陷点进行聚类得到多个分 类结果。 5.根据权利要求1所述的基于机器视觉的轧辊表面缺陷检测方法， 其特征在于， 所述连 接所述第二 缺陷点得到每 个分类结果的缺陷区域， 包括： 对每个分类结果内的所述第 二缺陷点进行凸包检测， 得到每个所述分类结果对应的缺 陷区域。 6.根据权利要求1所述的基于机器视觉的轧辊表面缺陷检测方法， 其特征在于， 所述根 据所述偏差程度得到多个初始缺陷点， 包括： 所述偏差程度大于等于预设偏差阈值的像素点 为初始缺陷点。 7.基于机器视觉的轧辊表面缺陷检测系统， 包括存储器、 处理器以及存储在所述存储 器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程 序时实现如权利要求1~6任意一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114820612 B 3