26、钢表面缺陷检测与分类方法解析

钢表面缺陷检测与分类方法解析

在钢铁生产过程中，钢表面缺陷的检测与分类对于控制钢带质量至关重要。为了实现高效的钢表面缺陷分类，提出了一种基于视觉词袋（BoVW）和BRISK特征提取器的方法，并结合支持向量机（SVM）分类器进行缺陷分类。

1. 技术背景与方法概述

该方法主要包括三个步骤：
1. 特征提取 ：使用BRISK描述符提取局部特征。
2. 特征编码 ：将提取的特征传递给BoVW模型，每个图像由一个特征向量表示，并进行标准化处理。
3. 特征分类 ：使用SVM分类器将特征向量表示的钢表面缺陷分为以下几类：补丁、裂纹、夹杂物、氧化皮压入、麻面和划痕。

2. 特征提取

特征提取主要分为三个阶段：特征检测、特征选择和特征归一化。

2.1 BRISK算法特征检测

BRISK算法的特征检测分为四个阶段：
1. 尺度空间关键点检测 ：
- 受Adaptive and Generic Accelerated Segment Test (AGAST)启发，通过对输入图像进行重复下采样，构建金字塔尺度空间。
- 使用FAST检测器从图像金字塔中选择关键点候选。
2. 关键点过滤和亚像素定位 ：
- 在尺度空间金字塔内进行3D非极大值抑制，过滤关键点候选。
- 对剩余的关键点进行亚像素插值定位。
3. 方向分配