基于改进 Ｋ－ｍｅａｎｓ算法的钢管表面 缺陷视觉检测方法

杨利霞

基于改进 Ｋ－ｍｅａｎｓ算法的钢管表面

) _" m7 i; d, e$ o3 @* {

缺陷视觉检测方法

, l8 I2 X9 @! L
$ J* U5 ]- Q6 k7 H, e
; a$ S8 P& ~+ _
0 D5 c$ G. c, ?8 w：为了利用机器视觉技术检测钢管表面缺陷，设计并搭建了钢管表面图像采集实验平台，针对钢管表面覆
, p. N0 w3 H/ H, f5 q盖有氧化铁皮以及弧形外表面易造成光照不均等问题，提出一种基于改进 Ｋ－ｍｅａｎｓ灰度正反求和的检测方
$ _4 v+ c& s) m, ^5 [3 i! `& a  l$ E法。首先采用垂直投影法获取钢管区域图像，计算得到其灰度反转图像，参 照 Ｆｒａｎｋｌｅ－ＭｃＣａｎｎＲｅｔｉｎｅｘ算 法
原理分别对钢管区域图像及灰度反转图像进行增强，获得各自背景均匀的高对比度图像，再 采 用 改 进 的 Ｋ－
ｍｅａｎｓ算法进行图像分割，得到两个缺陷检测结果，并对二者求和，最后通过图像后处理优化检测结果。构建
5 {, m( J) Q6 o# Z; s- U了不同光照环境下包含凹坑、翘皮、划伤和辊痕等多类缺陷的钢管表面图像样本集进行实验，结果表明本文方
法的检测精度较高，对光照不均匀具有良好的抗干扰能力

2 G' T& i! q2 C7 @. n5 U0 N, ~* o
- b9 @+ C$ _! L, g3 D