基于改进K-means算法的钢管表面缺陷视觉检测方法

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-McCann Retinex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。