具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

下面结合图1、图2对本发明作详细说明。

实施例一：

一种基于图像处理的金属表面缺陷在线检测装置，包括传送带与检测装置，所述检测装置连接有计算机，其特征在于，所述检测装置设置在传动带的顶部与侧部，所述传送带上设置有数个待测件2，其中检测装置分别检测待测件2的表面缺陷与切口是否方正。

所述检测装置包括第一相机5与第二相机7，所述第一相机5的底部固定设置有同轴光源，所述同轴光源3的一侧摄入有平行光4。

所述计算机6配置有图像处理系统与数据分析系统。

一种基于图像处理的金属表面缺陷在线检测装置的方法，其特征在于，包括以下步骤：

步骤A：开启第一相机与第二相机，并对图像进行滤波；

步骤B：通过第一相机进行待测金属的表面缺陷检测，并将特征、实时画面显示于QT界面；

步骤C：通过第二相机进行待测金属的切口缺陷检测，并将特征、实时画面显示于QT界面。

所述步骤B具体为：

B1：第一相机调用OpenCV接口adaptiveMethod，通过自定义分块大小Block Size和常数项C获得自适应阈值二值化后的图像，并用OpenCV接口findContours来检测阈值化后的物体轮廓；

B2：将检测到的物体轮廓坐标化；

B3：定义一个宽度范围，并根据此宽度范围进行物体轮廓筛选，将在宽度范围内的轮廓加入合集list，得到待测件的轮廓集合；

B4：将集合内的每个待测件轮廓内的若干轮廓进行筛选，排除待测件内缺陷以外的轮廓；

B5：将待测件轮廓内的黑线特征与缺口特征分别进行筛选。

所述步骤B4的具体步骤为：

B41：获取坐标化后的待测件轮廓上的四点坐标，根据两点确定一条直线的方法，计算得到两边直线方程。

B42：通过for循环遍历每个待测件轮廓内的若干轮廓，并求出待测件轮廓内每个轮廓到待测件两边的距离，分别为d1与d2，并取其最小值min length

B43：通过预先设定的缺陷到待测件最短边的距离与整个待测件的占比rate fix，设定范围[rate min，rate max]，若rate min<rate fix<rate max，则为缺陷轮廓，钢管表面其他轮廓将被排除。

所述步骤B5的具体步骤为：

B51：设定两个范围[detect_width_min,detect_width_max]、[detect_height_min,detect_height_max]和一个常数min numm；

B52:求出缺陷轮廓的宽度rect_detect[1][1]，长度rect_detect[1][0]，若detect_width_min<rect_detect[1][1]<detect_width_max且detect_height_min<rect_detect[1][0]<detect_height_max，那么我们就认定该轮廓这是黑线；

B52：若rect_detect[1][1]>detect_width_max，则认定为该轮廓是缺口。

所述步骤C的具体步骤为：

C1：通过调用OpenCV接口Canny算子对边缘轮廓进行提取；

C2：将边缘轮廓进行膨胀处理和降噪处理；

C3：将膨胀处理后的边缘轮廓通过OpenCV接口arcLength计算轮廓周长，再通过结构approxPolyDP获取膨胀后的多边形边长，再通过len函数计算边长数量count length；

C4：对边长数量count length进行判断，若count length＝4，则说明切口方正，若count length＝5或其他，说明切口不方正。

1.在上述实施例一种，其第一相机5的底部设置的同轴光源，由于四周采用了黑色的边框限制了发光角度，故该光源可放置于待测件一定距离之外而不被外界照明影响，因而本装置的抗环境光噪声能力很轻，其中同轴光源配置电源配适器，可根据环境适当调整明暗，使缺陷相更加突出。其中第一相机5用于检测待测件表面的若干缺陷，第二相机用于检测待测件切口是否方正，第一相机5与第二相机分辨率都是244+px*1944px，在最大分辨率的条件下，最大帧率为6帧/秒，第一相机5的镜头焦距为8mm，第二相机镜头教具为12mm，第一相机5放置于距离同轴光上表面2-5cm，并辅助以一定遮挡措施，用于消除顶部光源透过同轴光源上表面造成的干扰，第二相机放置于传送带顶端距离钢管放置位置20-30cm放置，或者通过载物台夹持于距离钢管上表面2-3cm为宜，同时相机自带光圈也可根据环境调节明暗，根据我们实验得知，在将电源适配器亮度尽可能调大的前提下，使用较小的光圈能够获得对比度更高的画质。所述的图像处理系统通过相机自带的USB2.0数据线连接PC端，基于Python作为开发语言来识别和分类缺陷，同时使用pyqt5工具包作为前端开发工具，将实时画面以及处理画面以图形化形式展示。所述的数据分析系统是通过将采集到的缺陷类型，通过socket通信方式写入数据库，后端系统再通过读取到该数据之后分析处理。

其中传送带选用1m宽度传送带，待测件一般为25cm左右，同轴光源外观尺寸在200cm左右，所以为了充分利用传送带资源，可同时搭建4个采集系统，且彼此互不干扰，有效地提高了效率。

其中图像处理系统是基于Python语言以及pyqt5作为开发工具包来进行系统开发，Python集成了OpenCV这个计算机视觉开源库，里面提供的很多优秀的传统图像处理算法接口，很好地拓宽了开发者的选择，而pyqt5以图形化的方法编程，基于信号与槽的工作方式，只需使用Python语言处理好逻辑关系就能通信，简化了前端布局的复杂度。

其中数据分析系统是根据图像处理系统识别到的缺陷类型，通过socket通信方式传送写入数据库，然后服务器再读取数据库里的这些数据，根据这些缺陷特征进行数据分析，根据不同编号的钢管每个面的缺陷类型、个数等信息，依据客户的要求设计评判指标，反馈出该钢管是否合格。

其中B2步骤为同时通过设置合理地高斯核函数以及自定义分块大小Block Size和常数项C，都能够有效减少噪声轮廓，从而减少程序处理时间。通过调用OpenCV接口minAreaRect，将每一个轮廓用最小的矩形框框出来，返回的矩形框rect包含了具体的四个点的坐标、边长、角度等信息，其中不同的角度范围对应的不同的四个点的下标，具体可分为钢管往左偏，即-45.0<angle<0.0时，此时的坐标：左下(box[0][0],box[0][1])，左上(box[1][0],box[1][1])，右上(box[2][0],box[2][1])，右下(box[3][0],box[3][1])；往右偏即-90.0<angle<-45.0，此时的坐标：左下(box[1][0],box[1][1])，左上(box[2][0],box[2][1])，右上(box[3][0],box[3][1]),右下(box[0][0],box[0][1])；摆正即angle＝-90.0或者angle＝0.0时同往右偏，所以需要分情况讨论；接下来就根据这些具体的信息来对轮廓进行筛选；

其中步骤B41具体为：将步骤B2得到的物体轮廓四点坐标，再根据两点确定一条直线的方法，分别计算出左右两条直线方程的斜率k和截距b，其中(x_detect,y_detect)可以为任一点坐标，为方便起见，我们将它特定化为轮廓矩形框的中心坐标(rect[0][0],[0][1])，那么左边直线：

k1＝(y_left_upper-y_left_lower)/(x_left_upper-x_left_lower)

b1＝y_left_lower-k*x_left_lower

y＝k1*x_detect-y_detect+b1

右边直线：

k2＝(y_right_upper-y_right_lower)/(x_right_upper-x_right_lower)

b2＝y_right_lower-k*x_right_lower

y＝k2*x_detect-y_detect+b2

其中步骤C1选择Canny算子的理由为，Canny算子的方法效果要更好。基于Canny算子的方法只需要认为设定两个阈值thresh1、thresh2，其中较大的阈值thresh2用于检测图像中明显的边缘，但是检测出来是断断续续的，此时较小的阈值thresh1用于将这些间断的边缘连接起来，尽管如此，分割效果依旧不太连续，接下来使用形态学膨胀的方法，使不连续但是靠得很近的边缘连起来，使之尽可能成为一个整体，从而减少了轮廓的数量，缩短了遍历轮廓所需的时间，也方便后面识别出完整的形状；

以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。