(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 202211059879.8 (22)申请日 2022.09.01 (65)同一申请的已公布的文献号 申请公布号 CN 115131359 A (43)申请公布日 2022.09.30 (73)专利权人 南通恒强轧 辊有限公司 地址 226000 江苏省南 通市启东市海复镇 蒿枝港桥西侧 (72)发明人 杨彩红　曾章荣　 (74)专利代理 机构 南京桦森专利代理事务所 (普通合伙) 32652 专利代理师 袁瑞娟 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/40(2006.01)G06T 5/00(2006.01) G06T 7/62(2017.01) G06V 10/44(2022.01) G06V 10/46(2022.01) (56)对比文件 US 2013304399 A1,2013.1 1.14 CN 114972892 A,2022.08.30 审查员 叶旭庆 (54)发明名称 一种金属 加工件表面麻点 缺陷检测方法 (57)摘要 本发明涉及材料测试或分析领域， 具体涉及 一种金属加工件表面麻点缺陷检测方法。 该方法 包括以下步骤： 利用RGBD深度相机对目标金属加 工件进行采集， 得到目标金属加工件的RGB图像 与深度图像， 并将目标金属加工件的RGB图像转 换为灰度图像； 计算灰度图像中各像素点的目标 显著性值， 根据灰度图像中各像素点的目标显著 性值对灰度图像进行增强， 得到增强后的灰度图 像； 根据增强后的灰度图像和所述深度图像判断 目标金属加工件表面是否存在麻点缺陷。 本发明 实现了对目标金属加工件表面是否存在麻点缺 陷的自动判断， 提高了 检测效率。 权利要求书3页 说明书8页 附图1页 CN 115131359 B 2022.12.23 CN 115131359 B 1.一种金属 加工件表面麻点 缺陷检测方法， 其特 征在于， 包括以下步骤： 利用RGBD深度相机对目标金属加工件进行采集， 得到目标金属加工件 的RGB图像与深 度图像， 并将目标 金属加工件的RGB图像转换为灰度图像； 计算灰度图像 中各像素点的目标显著性值， 根据 灰度图像中各像素点的目标显著性值 对灰度图像进行增强， 得到增强后的灰度图像； 根据增强后的灰度图像和所述深度图像判断目标金属加工件表面是否存在麻点缺陷： 对增强后的灰度图像进行边缘检测， 得到增强后的边缘图像； 根据增强后的边缘图像中各 闭合边缘对应的轮廓大小、 轮廓区域内的平均灰度值和轮廓区域内的平均深度值计算增强 后的边缘图像中各闭合边缘对应的轮廓区域的麻点缺陷程度； 统计增强后的边缘图像中麻 点缺陷程度符合麻点缺陷判定条件的闭合边缘的数量， 当所述数量大于设定数量阈值时判 定目标金属加工件表面存在麻点 缺陷； 所述计算灰度图像中各像素点的目标显著性 值， 包括： 根据深度图像中各像素点的深度信息得到灰度图像中各像素点对应的第一显著性 值； 根据FT算法得到灰度图像中各像素点对应的第二显著性 值； 将灰度图像转换为梯度图像， 根据梯度图像中各像素点的梯度信 息得到灰度图像 中各 像素点对应的第三显著性 值； 对灰度图像进行边缘检测得到增强前的边缘图像， 根据增强前的边缘图像中各闭合边 缘对应的轮廓长度、 面积和最小外接矩形信息得到灰度图像中各像素点对应的第四显著 性 值； 根据灰度图像中各像素点对应的第一显著性值、 第二显著性值、 第三显著性值和第 四 显著性值计算各像素点对应的目标显著性 值。 2.根据权利要求1所述的金属加工件表面麻点缺陷检测方法， 其特征在于， 所述根据深 度图像中各像素点的深度信息得到灰度图像中各像素点对应的第一显著性 值， 包括： 根据深度图像得到对应的深度直方图； 选取深度直方图中出现频次最高的深度值作为深度0值， 将深度图像中各像素点的深 度值减去该 出现频次最高的深度值， 得到深度图像中各像素点的相对深度值： 其中， 为深度图像中某像素点的相对深度值， 为该像素点的深度值， 为深度图像 对应的深度直方图中出现频次最高的深度值； 基于各像素点的相对深度值得到的对应 像素点的显著性 值为： 其中， P为深度图像 中某像素点的显著性值， 记为第一显著性值； X为深度图像 中该像素 点的相对深度值， 为深度图像中各像素点的相对深度值的最大值。 3.根据权利要求1所述的金属加工件表面麻点缺陷检测方法， 其特征在于， 所述根据梯 度图像中各像素点的梯度信息得到灰度图像中各像素点对应的第三显著性 值， 包括： 利用如下公式计算灰度图像中各像素点的第三显著性 值：权　利　要　求　书 1/3 页 2 CN 115131359 B 2其中， 为灰度图像中某像素点的第三显著性值， 为灰度图像对应的梯度图像中该像 素点的梯度值， 为梯度方向差异性指标， ， 为灰度图像对应的梯度图像中 该像素点的梯度方向与周围8邻域像素点梯度方向的差值平均值； 为灰度图像对应的梯 度图像中该像素点的方向纹 理差异指标； 所述方向纹 理差异指标 的计算过程如下： 比较灰度图像对应的梯度图像中该像素点与周围8邻域像素点梯度方向的差值， 得到 灰度图像对应的梯度图像中该像素点的LBP二进制模式， 其中， 若与某邻域像素点对应的大 于设定阈值， 则将该邻域像素点对应的LBP值记为1， 否则记为0； 将灰度图像对应的梯度图像中该像素点的LBP二进制模式进行标准化， 得到标准模式 下的LBP值， 并利用如下公式计算得到灰度图像对应的梯度图像中该像素点的方向纹理差 异 ： 其中， 为根据LBP旋转 不变性得到的排序中第k个邻近像素点对应的LBP值。 4.根据权利要求1所述的金属加工件表面麻点缺陷检测方法， 其特征在于， 所述根据边 缘图像中各闭合边缘对应的轮廓长度、 面积和最小外接矩形信息得到灰度图像中各像素点 对应的第四显著性 值， 包括： 利用如下公式计算各闭合 边缘对应的轮廓内各像素点对应的第四显著性 值； 其中， W为某闭合曲线对应的轮廓内的像素点的第 四显著性值， 为该闭合曲线对应的 轮廓的长度， s为该闭合曲线对应的轮廓面积， S为该闭合曲线对应的轮廓的最小外接矩形 的面积， i为该闭合 曲线对应的轮廓的最小外接矩形的宽， j为该闭合 曲线对应的轮廓的最 小外接矩形的长 。 5.根据权利要求1所述的金属加工件表面麻点缺陷检测方法， 其特征在于， 所述根据 灰 度图像中各像素点对应的第一显著性值、 第二显著性值、 第三显著性值和第四显著性值计 算各像素点对应的目标显著性 值， 包括： 利用如下公式计算得到灰度图像上 各像素点的目标显著性： 其中， H为灰度图像中某像素点对应的目标显著性值， 为灰度图像中该像素点的第一 显著性值， 为灰度图像中该像素点的第二显著性值， 为灰度图像中该像素点的第三显著权　利　要　求　书 2/3 页 3 CN 115131359 B 3