基于可调证明滤波器的球团矿生球图像裂缝检测方法

球团矿生球制造是炼钢工业中的重要环节,而裂缝检测是生球质量指标(落下强度)检测中的关键步骤。目前生球裂缝检测仍采用人工目测,效率低且检测结果具有主观性,而现有的基于图像处理的裂缝自动检测方法主要针对桥梁、道路、太阳能电池等物体的平直表面上的裂缝,对生球这种小目标曲面上的裂缝检测能力有限,且难以克服生球图像中原材料污渍、生球边缘轮廓、球面反光等多种噪声的干扰,易造成裂缝的误检与漏检。针对这一问题,提出一种基于可调证明滤波器(SEF)的球团矿生球图像裂缝检测方法。首先,针对图像背景中存在的原材料污渍与碎屑干扰,采用主动轮廓模型从图像中分割出感兴趣区域(AOI);然后,针对生球边缘轮廓和球面反光造成的干扰,采用可调证明滤波器生成生球裂缝响应图,实现AOI图像粗分割;接着,利用形态学处理与连通域分析法消除粗分割图像中的生球边缘及噪声点,获得精确的分割结果;最后,采用连通域分析法检测生球是否存在裂缝,并计算出裂缝条数。为验证所提出的方法,搭建了生球图像实验采集平台,采集了约300张具有不同背景和裂缝数量的生球图像。实验结果表明,与现有的5种裂缝检测方法相比,本文方法在裂缝分割准确率、精确率、加权调和平均评价指标上均具有明显优势,检测生球是否存在裂缝的准确率为96%,检测裂缝数量的准确率为90%。本文研究成果为生球落下强度质量指标的自动化、智能化检测奠定了基础。