买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京科技大学申请的专利一种热轧带钢表面未分类铸坯划伤缺陷的判定方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114299059B 。

龙图腾网通过国家知识产权局官网在2025-03-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111682517.X，技术领域涉及：G06T7/00；该发明授权一种热轧带钢表面未分类铸坯划伤缺陷的判定方法是由邵健;冯凯;李天伦;何安瑞设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本一种热轧带钢表面未分类铸坯划伤缺陷的判定方法在说明书摘要公布了：本发明提供一种热轧带钢表面未分类铸坯划伤缺陷的判定方法，属于热轧带钢表面检测技术领域。该方法首先获取表面质量检测仪采集的热轧带钢未分类表面缺陷数据，包含缺陷的长度、宽度、相对位置信息和原始图片；然后根据人工经验提取属于铸坯划伤的缺陷样本，建立训练样本集，并对数据进行处理，计算未分类中典型缺陷样本特征量，建立未分类铸坯划伤缺陷判定模型，并根据样本数据训练模型；最后提取需要识别的未分类图片，并验证其样本特征量，模型输出该缺陷是否属于未分类铸坯划伤缺陷。该方法可以减轻热轧带钢现场质检人员工作量，减少未分类中由于铸坯划伤导致的致命缺陷漏判，预防下游表面质量异议。

本发明授权一种热轧带钢表面未分类铸坯划伤缺陷的判定方法在权利要求书中公布了：1.一种热轧带钢表面未分类铸坯划伤缺陷的判定方法，其特征在于：包括步骤如下：1获取热轧带钢表面质量检测仪分类结果为未分类表面缺陷数据，包含缺陷的长度、宽度、相对位置信息和原始图片；2根据人工经验从表面质量检测仪数据中提取属于铸坯划伤的缺陷样本，建立训练样本集，并对数据进行处理，计算未分类中典型缺陷样本特征量，建立未分类铸坯划伤缺陷判定模型，并根据样本数据训练模型；3从表面质量检测仪数据中提取需要识别的未分类图片，并计算其样本特征量，模型输出该缺陷是否属于未分类铸坯划伤缺陷；所述步骤2中具体过程如下：S21：根据训练样本集缺陷图片，设置灰度阈值，规定灰色白色像素点阈值，区分图片特征点信息与背景信息，确定灰色白色像素点阈值如下： 其中，为图片平均灰度值，gi为图片任一像素点的灰度值，gts为定义灰色像素点阈值，wts为定义白色像素点阈值，n为像素点数量，确定灰色白色阈值后对图片像素点重新赋值，具体二值化处理逻辑如下：Bi＝0gi＜gtsWi＝255gi＞wtsGi＝128wts≥gi≥gts其中，Gi为二值化处理重新赋值后背景像素点的灰度值，Bi为二值化处理后灰色像素点的灰度值，Wi为二值化处理后白色像素点的灰度值，gi为图片任一像素点的灰度值，gts为定义灰色像素点阈值，wts为定义白色像素点阈值；S22：对二值化处理后的图像，提取灰色像素点个数、灰色像素点占比、灰色像素点均值、白色像素点占比、图片左右灰度均值差、相邻像素点灰度差特征，具体计算公式如下：S1＝NBiS2＝NBimS3＝NBiS1S4＝NWim S6＝max|gi-gi-1|其中，gi为某一像素点灰度值，NBi表示缺陷区域内像素点灰度值为Bi的事件数，m为缺陷区域图像内全部像素点数，NWi表示缺陷区域图像内像素点灰度值为Wi的事件数，为图片左半部分灰度值均值，为图片右半部分灰度值均值，特征量S1为缺陷的颜色特征；特征量S2为缺陷灰色部分几何特征；特征量S3为缺陷的颜色密度特征；特征量S4为缺陷白色部分几何特征；特征量S5为缺陷对中性特征；特征量S6为缺陷边缘颜色过渡特征；S23：根据S22中得到的训练样本的特征量，构建训练样本的特征数据集A，作为输入分类算法的输入部分：A＝{Sj1，Sj2，…，Sj6}其中，j代表训练样本的个数，Sjk代表第j个训练样本的第k个特征值，k＝1，2，3，4，5，6；S24：根据得到的训练样本特征数据集A，将训练数据集输入现有通用的k-临近分类算法模型进行训练，得到缺陷判定模型，根据从表面质量检测仪中收集待判定的未分类缺陷作为测试样本集，确定未分类铸坯划伤缺陷对应的数据质心： 其中，zjl表示第j维特征Sj在l向样本下的质心，nl为l向样本下样本数量，Sjk表示第k个典型样本中第j维特征Sj的值，将l向样本下全部特征的数据质心联合得到l向样本的质心Zlz1l，z2l，……，zjl；所述步骤3具体为：计算测试样本特征值，并输入到缺陷判定模型中加以验证，根据欧氏距离公式计算测试样本的缺陷特征Zxs1x，s2x，……，sjx与正向样本和反向样本质心之间的距离，正向样本和反向样本由人工经验给出标签后得到，获取距离最小值对应的类别作为最终的判定结果，其中，距离计算公式表示为： dl＝mindx-T，dx-F其中，dx-T为测试样本与正向样本数据质心之间的距离，dx-F为测试样本与反向样本数据质心之间的距离，d1为测试样本距离正反向样本数据质心的最小值，s1x，s2x，……，sjx为测试样本的缺陷特征集，z1T，z2T，……，zjT为正向样本的数据质心，z1F，z2F，……，zjF为反向样本的数据质心；若dl＝dx-T，则该缺陷图像样本判定为未分类铸坯划伤缺陷；若dl＝dx-F，则该缺陷图像样本判定为非未分类铸坯划伤缺陷。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。