A Visual Inspection Method for Pipe Surface Defect Based on Feature Point
-
摘要: 为快速准确检测管材表面缺陷，设计一种基于特征点的管材表面缺陷视觉检测方法。采集典型管材表面缺陷图像，构建图像样本集；指定图像感兴趣区域，减少干扰背景对缺陷检测的影响；采用ORB(oriented FAST and rotated BRIEF）算法检测图像中的点缺陷，使用FAST算子搜寻缺陷图像的特征点，将检测到的特征点设为圆心，以圆心与取点区域的形心连接线为横坐标构建特征点描述子；选取典型管材缺陷图像对所提方法进行仿真验证。结果表明，设计的检测方法检测准确率高、检测速度快，具备较高的工程实用价值，可为管材表面缺陷的自动检测提供预研基础。Abstract: To detect the defects on the pipe surface accurately and timely, a visual inspection method for pipe surface defect based on feature point was proposed. An image sample set was constructed by collecting the surface defect images of typical pipe, and the influence of interference background on defect detection was reduced by specifying the region of interest of the image. The defect detection method based on ORB (oriented FAST and rotated BRIEF)feature point was used to detect the point defect in the image, and the FAST operator was used to search the feature point of the defect image, the detected feature points were set as the center of the circle, and the feature point descriptor was constructed with the connecting line between the center of the circle and the centroid of the point taking area as the abscissa. Typical pipe defect images were selected to verify the proposed method. The results show that the designed detection method has high detection accuracy, fast detection speed, high engineering practical value, and can provide a pre-research basis for automatic detection of pipe surface defects.
-
Keywords:
- metal pipe /
- surface defect /
- region of interest /
- ORB feature point /
- visual inspection
-
-
[1] 董家顺. 基于机器视觉的钢管表面缺陷检测与识别方法研究[D]. 武汉: 武汉科技大学, 2020: 20-25. [2] 刘小楠, 刘珂, 聂建华, 等. 热轧钢管表面三维缺陷检测方法探讨[J]. 钢管, 2020, 49(2): 72-75. [3] 董家顺, 王兴东, 李殿杰, 等. 基于改进K-means算法的钢管表面缺陷视觉检测方法[J]. 武汉科技大学学报, 2020, 43(6): 439-446. [4] 窦丽娟, 党辉, 徐呈, 等. 锆合金管材外表面缺陷原因和质量控制[J]. 科技视界, 2017(12): 166, 217. [5] 王洪波, 靳兆文, 仝源. 接触法超声检测小直径薄壁管材探伤工艺研究[J]. 内蒙古煤炭经济, 2020(15): 4-6. [6] 杨旭, 黄英, 涂露寒, 等. 磁粉检测对钢管内表面质量的不良影响研究[J]. 钢管, 2013, 42(4): 64-67. [7] 张传伟. 基于电涡流传感器的钢球表面缺陷检测系统的研究[D]. 青岛: 山东科技大学, 2020: 32-38. [8] 王国鹏, 王习东, 王保昌, 等. 基于YOLOv2网络模型的手机镜片缺陷实时检测方法[J]. 自动化与信息工程, 2021, 42(5): 28-32. [9] 杨利, 陈柳松, 谢永超. 基于机器视觉的芯片引脚缺陷检测系统设计与实现[J]. 计算机测量与控制, 2021, 29(7): 16-20. [10] 李东, 梁家睿. 机器视觉技术在平面口罩缺陷检测中的应用[J]. 机电工程技术, 2021, 50(6): 257-262. [11] 谷林峰, 李亚. 基于机器视觉的油炸花生拣选系统设计[J]. 食品工业, 2021, 42(8): 188-192. [12] RUBLEE E, RABOUD V, KONOLIGE K, et al. ORB: an efficient alternative to SIFT or SURF[C]// Proceeding of IEEE International Conference on Computer Vision. New York: IEEE, 2011: 2564-2571.
[13] 化猛奇, 许四祥, 蔡永祯, 等. 基于双目视觉与ROS的机器人去板坯毛刺方法[J]. 安徽工业大学学报(自然科学版), 2021, 38(1): 60-66. [14] GOOl T. Speeded-up robust features (SURF)[J]. Computer Vision and Image Understanding, 2008, 110: 346-359.
[15] 傅柳军, 龚烨, 李礼, 等. 面向高动态环境的ORB-SLAM3算法优化[J]. 测绘地理信息, 2021, 46(S1): 93-96. [16] 王天也, 王绍举. 一种基于ORB特征的夜晚图像拼接方法[J]. 计算机仿真, 2021, 38(5): 462-466. -
期刊类型引用(5)
1. 刘国栋，苏成，王晓晨，吴昆鹏，王少聪，周锦波. 基于三维检测的钢管外表面缺陷检测与识别方法. 冶金自动化. 2024(01): 89-96 . 
百度学术
2. 吴昆鹏，王少聪，苏成. 基于3D点云的钢管表面缺陷检测系统. 轧钢. 2024(03): 113-118+126 . 百度学术
3. 刘玉龙，吕权权，吴浩，单建华. 基于深度学习的电子元件焊点缺陷检测方法. 电子与封装. 2023(06): 38-43 . 百度学术
4. 邓承洋. 基于计算机视觉的嵌入式数字IC芯片引脚缺陷检测方法. 技术与市场. 2023(08): 56-59+64 . 百度学术
5. 米春风，卢琨，汪文艳，王兵. 基于机器视觉的带钢表面缺陷检测研究进展. 安徽工业大学学报(自然科学版). 2022(02): 180-188 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 128
- HTML全文浏览量: 0
- PDF下载量: 4
- 被引次数: 7
下载:
