(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211194777.7 (22)申请日 2022.09.29 (71)申请人 江苏万森绿 建装配式建 筑有限公司 地址 226000 江苏省南 通市如东县 长沙镇 港欣路1号 (72)发明人 郭晓贞　 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) (54)发明名称 基于显著性检测的冶金金属表面缺陷检测 方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及基 于显著性检测的冶金金属表面缺陷检测方法。 该 方法是一种应用电子设备进行识别的方法， 利用 人工智能系统完成金属制品表 面的缺陷检测。 该 方法首先通过相机识别金属表 面图像， 对金属表 面图像进行数据处理得到多个待选类别和对应 的显著性； 进一步的， 对多个待选类别进行数据 处理， 得到待选划痕缺陷区域和对应的最终显著 性； 由最终显著性构建显著图， 对显著图进行缺 陷检测得到最终划痕区域。 避免将金属表面的表 面特征区域划分至划痕区域， 提高了对含有纹理 特征的金属制品缺陷检测的准确性。 权利要求书2页 说明书10页 附图1页 CN 115272335 A 2022.11.01 CN 115272335 A 1.基于显著性检测的冶金 金属表面 缺陷检测方法， 其特 征在于， 该 方法包括以下步骤： 采集金属表面图像， 预处 理所述金属表面图像得到 HSV表面图像； 基于所述HSV表面图像上像素点像素值和属于同一像素值的像素点数量， 对像素点分 类， 得到多个待选类别； 基于各个待选类别内的像素点在HSV颜色空间中三个维度上的值， 计算待选类别的分布方差； 获取各待选类别内的像素均值， 由所述待选类别内各像素点的 像素值与像素均值的差异值、 对应的分布方差计算显著性； 构建像素点的特征信息向量， 所述特征信息向量内的元素包括： 像素点在HSV颜色空间 中的三个维度的值、 像素点位置坐标和显著性； 在金属表面图像上滑动滑窗， 计算滑窗窗口 内任意两个像素点之间的位置距离和特征信息向量内元素之间的差异值之和， 作为两个像 素点的密度聚合距离； 基于所述密度聚合距离的大小将各待选类别内的像素点分为两类； 由两类像素点分别构成多个区域， 分别为第一类区域和第二类区域； 第一类区域和第二类 区域中区域数量较小的区域类别为待选划痕缺陷区域； 结合所述待选划痕缺陷区域内像素点的显著性均值和区域面积占比得到待选划痕缺 陷区域内像素点的最终显著性； 由所述最终显著性构建显著图， 对所述显著图进行缺陷检 测， 得到最终划痕区域。 2.根据权利要求1所述的基于显著性检测的冶金金属表面缺陷检测方法， 其特征在于， 所述基于所述HSV表面图像上像素点像素值和属于同一像素值的像素点数量， 对像素点分 类， 得到多个待选类别， 包括： 将所述HSV表面图像上同一像素值的像素点分至同一初始类别； 获取初始类别内像素 点数量， 选取Top ‑K个像素点数量对应的初始类别作为待选类别。 3.根据权利要求1所述的基于显著性检测的冶金金属表面缺陷检测方法， 其特征在于， 所述基于各个待选类别内的像素点在HSV颜色空间中三个维度上 的值， 计算待选类别的分 布方差， 包括： 计算各个待选类别内的像素点在HSV颜色空间中三个维度上的均值； 将待选类别内各 像素点在HSV颜色空间中三个维度的值与待选类别对应的均值的方差作为分布方差 。 4.根据权利要求1所述的基于显著性检测的冶金金属表面缺陷检测方法， 其特征在于， 所述由所述待选类别内各像素点的像素值与像素均值的差异 值、 对应的分布 方差计算显著 性， 包括： 所述显著性的计算公式为： 其中， 为第i个待选类别内的第 n个像素点对应的显著性； 为第i个待选类别对应 的分布方差； 为第i个类别内第n个像素点的像素值； 为第i个待选类别内所有像素点 的像素均值； 为增益系数； 为第i个待选类别内的像素点数量。 5.根据权利要求1所述的基于显著性检测的冶金金属表面缺陷检测方法， 其特征在于， 所述计算滑 窗窗口内任意两个像素点之间的位置距离和特征信息 向量内元素之间的差异 值之和， 作为两个 像素点的密度聚合距离， 包括：权　利　要　求　书 1/2 页 2 CN 115272335 A 2所述密度聚合距离的计算公式为： 其中， 为窗口内第i个像素点与第j 个像素点的密度聚合距离； 为第i个像素点与第 j个像素点之间的欧式距离； 为第i个像素点与第j个像素点均属于窗口范围W内； 为第i个像 素点和第j个像素点是两个不重复的像素点； 为窗口内第i个像素点的特 征信息向量内第a个元素值； 为窗口内第j个像素点的特征信息向量内第a个 元素值； 为 特征信息向量内的元 素数量。 6.根据权利要求1所述的基于显著性检测的冶金金属表面缺陷检测方法， 其特征在于， 所述基于所述密度聚合距离的大小将各待选类别内的像素点分为两类， 包括： 以像素点对应的最大的密度聚合距离作为 最终密度聚合距离； 将最终密度聚合距离小于等于预设距离 阈值的像素点分至第 一类像素点； 将最终密度 聚合距离大于预设距离阈值的像素点分至第二类 像素点。 7.根据权利要求1所述的基于显著性检测的冶金金属表面缺陷检测方法， 其特征在于， 所述结合所述待选划痕缺陷区域内像素点的显著性均值和区域面积占比得到待选划痕缺 陷区域内像素点的最终显著性， 包括： 任意待选划痕缺陷区域的面积加上预设增益系数得到调节面积； 所述调节面积和所有 待选划痕缺陷区域的面积之和的比值作为待选划痕缺陷区域的区域 面积占比； 所述区域面积占比加上待选划痕缺陷区域内像素点的显著性均值， 得到待调节显著 性； 以自然常数为底， 以所述待调节显著 性为指数的指数函数乘上预设增益系数， 得到待选 划痕缺陷区域内像素点的最终显著性。 8.根据权利要求1所述的基于显著性检测的冶金金属表面缺陷检测方法， 其特征在于， 所述预处 理所述金属表面图像得到 HSV表面图像， 包括： 对所述金属 表面图像进行去噪处理得到去噪后的金属 表面图像， 将去噪后的金属 表面 图像转换至 HSV颜色空间中得到 HSV表面图像。权　利　要　求　书 2/2 页 3 CN 115272335 A 3