(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211140480.2 (22)申请日 2022.09.20 (65)同一申请的已公布的文献号 申请公布号 CN 115222736 A (43)申请公布日 2022.10.21 (73)专利权人 南通佳晟宏机 械配件有限公司 地址 226000 江苏省南 通市海安市立发街 道杨浦路8号 (72)发明人 谢伟　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G01N 21/88(2006.01) 审查员 周颖 (54)发明名称 一种基于霍夫空间的钢管生产质 量检测方 法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种基于霍夫空间的钢管生产质量检测方法， 该方 法采集钢管旋转时的视频信息； 对于每张钢管图 像， 提取钢管区域以及钢管的边缘像素点， 将边 缘像素点映射至霍夫空间中， 获取霍夫空间中每 个高亮点被直线穿过的数量和边缘像素点数量 的差异值， 差异值最小的高亮点为边缘高亮点； 对穿过边缘高亮点的直线进行有返回的路径追 踪， 统计追踪直线数量并筛选疑似缺陷点和疑似 缺陷图像， 在所有疑似缺陷图像中筛选出多组连 续帧图像， 获取缺陷图像组， 组内的连续帧图像 为缺陷图像； 获取钢管表面缺陷的异常程度。 本 发明能够 使检测钢管缺陷结果更准确， 同时提升 检测速度。 权利要求书1页 说明书8页 附图3页 CN 115222736 B 2022.12.13 CN 115222736 B 1.一种基于霍夫空间的钢管生产质量检测方法， 其特 征在于， 该 方法包括以下步骤： 采集钢管旋转时的视频信息， 所述视频信息中包括钢管的管身侧面； 每帧视频信息为 一张钢管图像； 对于每张钢管图像， 提取钢管区域以及钢管的边缘像素点， 选取钢管图像的一个角作 为原点构建直角坐标系， 并将直角坐标系中的边缘像素点映射至霍夫空间中， 获取霍夫空 间中每个高亮点被直线穿过的数量和边缘像素点数量的差异 值， 差异值最小的高亮点为边 缘高亮点； 对穿过边缘高亮点的直线进行有返回的路径追踪， 统计每条穿过边缘高亮点的直线对 应的追踪直线数量， 当所述追踪直线数量等于边缘像素点数量时， 追踪直线对应的边缘像 素点为疑似缺陷点； 筛选出存在 疑似缺陷点的所有钢管图像作为疑似缺陷图像， 在所有疑似缺陷 图像中筛 选出多组连续帧图像， 计算每组中相邻两帧疑似缺陷图像的疑似缺陷点的数量差异， 并求 平均值， 当所述平均值小于预设阈值时， 对应的组为缺陷图像组， 组内的连续帧图像为缺陷 图像； 基于缺陷 图像组中每帧缺陷 图像的疑似缺陷点与边缘缺陷点的数量比值、 缺陷图像组 的帧数和视频信息帧数的比值获取钢管表面 缺陷的异常程度； 所述对穿过边 缘高亮点的直线 进行有返回的路径追踪， 包括： 以边缘高亮点作为节点， 搜寻过节点的所有直线中每一条直线的路径在单次不重复追 踪过程中是否可以返回边缘高亮点， 可以返回的路径， 统计对应的追踪直线数量； 抛弃不能 返回的路径； 所述异常程度的获取 方法为： 计算缺陷 图像组中所有缺陷 图像对应的数量比值的和， 乘上所述帧数和视频信 息帧数 的比值， 乘积结果 为该缺陷图像组对应的钢管表面 缺陷的异常程度。 2.根据权利要求1所述的一种基于霍夫空间的钢管生产质量检测方法， 其特征在于， 所 述提取钢管区域以及钢管的边 缘像素点， 包括： 通过图像分割技术去 除背景提取所述钢管区域； 将所述钢管区域分为两部分边缘图， 利用canny算法提取 所述边缘图中的边 缘像素点。 3.根据权利要求1所述的一种基于霍夫空间的钢管生产质量检测方法， 其特征在于， 将 直角坐标系中的边 缘像素点映射至霍夫空间中， 包括： 统计直角坐标系中每个边缘像素点的坐标， 依据 所述坐标将每个边缘像素点映射至霍 夫空间中， 每 个边缘像素点对应霍夫空间中的一条直线。权　利　要　求　书 1/1 页 2 CN 115222736 B 2一种基于霍夫空间的钢管生产质量 检测方法 技术领域 [0001]本发明涉及数据处理技术领域， 具体涉及 一种基于霍夫空间的钢管生产质量检测 方法。 背景技术 [0002]在钢管生产过程中由于各种因素影响， 例如与生产机器 的碰撞、 钢管生产中自身 的碰撞或者生产过程中受热不均匀从而导致钢管有一定程度弯曲或者表面出现凹坑和 突 起， 影响钢管品质， 因此在钢管生产时需要 进行质量检测。 [0003]常规的对于钢管进行表面凹坑和突起的检测方法大致分为两种， 通过人工检测和 利用机器视觉对钢管表面图像进 行检测， 如利用canny算法进 行特征提取进 行检测。 人工检 测效率比较低下且由于主观因素准确性不高； 使用canny算法进行检测时又容易受到外界 环境的影响， 比如钢管表面出现油污、 灯光拍摄角度形成光斑等方面因素， 使得canny算子 进行钢管表面凹坑和突起检测时容易出现误检或者检测不准确， 并且使用canny算子进行 钢管表面凹坑和突 起检测时需要对图像进行全局处 理， 效率相对来说比较低下。 发明内容 [0004]为了解决钢管质量检测不准确的问题， 本发明提供一种基于霍夫空间的钢管生产 质量检测方法， 所采用的技 术方案具体如下： [0005]本发明一个实施例提供了一种基于霍夫空间的钢管生产质量检测方法， 该方法包 括以下步骤： [0006]采集钢管旋转时的视频信息， 所述视频信息中包括钢管的管身侧面； 每帧视频信 息为一张钢管图像； [0007]对于每张钢管 图像， 提取钢管区域以及钢管的边缘像素点， 选取钢管 图像的一个 角作为原点构建直角坐标系， 并将直角坐标系中的边缘像素点映射至霍夫空间中， 获取霍 夫空间中每个高亮点被直线穿过的数量和边缘像素点数量的差异值， 差异 值最小的高亮点 为边缘高亮点； [0008]对穿过边缘高亮点的直线进行有返回的路径追踪， 统计每条穿过边缘高亮点的直 线对应的追踪直线数量， 当所述追踪直线数量等于边缘像素点数量时， 追踪直线对应的边 缘像素点 为疑似缺陷点； [0009]筛选出存在疑似缺陷点的所有钢管图像作为疑似缺陷图像， 在所有疑似缺陷图像 中筛选出多组连续帧图像， 计算每组中相邻两帧疑似缺陷图像的疑似缺陷点的数量差异， 并求平均值， 当所述平均值小于预设阈值时， 对应的组为缺陷图像组， 组内的连续帧图像为 缺陷图像； [0010]基于缺陷图像 组中每帧缺陷图像的疑似缺陷点与边缘缺陷点的数量比值、 缺陷图 像组的帧数和视频信息帧数的比值获取钢管表面 缺陷的异常程度。 [0011]优选的， 所述 提取钢管区域以及钢管的边 缘像素点， 包括：说　明　书 1/8 页 3 CN 115222736 B 3