(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 202210633896.1 (22)申请日 2022.06.07 (65)同一申请的已公布的文献号 申请公布号 CN 114723751 A (43)申请公布日 2022.07.08 (73)专利权人 中国空气动力研究与发展中心设 备设计与测试技 术研究所 地址 621000 四川省绵阳市涪城区二环路 南段6号 (72)发明人 冯飞　乐开白　刘春华　解志军　 赵少美　黄志阳　 (74)专利代理 机构 成都中亚专利代理有限公司 51126 专利代理师 周长福 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) G01N 21/88(2006.01) (56)对比文件 CN 103514445 A,2014.01.15CN 113808129 A,2021.12.17 CN 110689533 A,2020.01.14 CN 10812 2223 A,2018.0 6.05 CN 108020 554 A,2018.0 5.11 CN 112697803 A,2021.04.23 CN 113362313 A,2021.09.07 CN 114360038 A,202 2.04.15 CN 105224960 A,2016.01.0 6 CN 10876 5412 A,2018.1 1.06 CN 110827235 A,2020.02.21 CN 110717896 A,2020.01.21 CN 111275109 A,2020.0 6.12 US 6999614 B1,20 06.02.14 JP 2015041164 A,2015.0 3.02 汤勃等.机 器视觉表面缺陷检测综述. 《中国 图象图形 学报》 .2017,第2 2卷(第12期),第1640 - 1663页. 张缓缓等.k-means聚类算法在织物 疵点检 测中的应用. 《毛纺 科技》 .2016,第4 4卷(第3期), 第11-14页. (续) 审查员 杨晓青 (54)发明名称 一种基于无监督的带钢表面缺陷在线检测 方法 (57)摘要 本发明涉及带钢的检测领域， 公开一种基于 无监督的带钢表面缺陷在线检测方法， 具体的， 该方法首先是 获得带钢表面的图像， 再对图像分 割处理， 并将分割后的 图像单元的像素值构造矩 阵， 并通过K ‑means将矩阵的特征值的平均值分 类两类， 最后通过类间距离和类内距离判断两类 是否为同一类。 该方法具有计算量小、 无需历史 数据的特点， 并且相比现有的方法不需要监 督。 [转续页] 权利要求书2页 说明书3页 附图1页 CN 114723751 B 2022.09.23 CN 114723751 B (56)对比文件 Rashedul Islam等.Discrimi nant Feature Distribution Analysis-Based Hybrid Feature Selecti on for On line Beari ng Fault Dia gnosis in Induction Motors.《Journal of Sensors》 .2015,第1-17页. Shiqing Wu等.Ste el Surface Defect Classificati on Based o n Small Sample Learning. 《applied sciences》 .2021,第1 1卷 (第23期),第1-10页.2/2 页 2[接上页] CN 114723751 B1.一种基于无监 督的带钢表面 缺陷在线检测方法， 其特 征在于， 包括如下步骤： S1、 获得带钢图像， 并将该图像分割为数块相同尺寸的图像单 元； S2、 获取每块图像单 元的像素值， 并形成矩阵； S3、 计算所述矩阵的特 征值， 并计算该 特征值的平均值； S4、 通过K‑means将数块图像单 元的平均值分为两类； S5、 通过公式分别计算两类的类内距离； S6、 通过公式计算两类的类间距； S7、 根据类内间距和类间距判断当前 带钢的表面 缺陷； 所述步骤S1的具体方法是， 将带钢图像分割成 个相同尺寸 的块， 其中， ，N表示图像的横像素， M表示图像的纵像素， p表示块的横像素， q表示块的纵像素； 所 述 步 骤 S 2 的 具 体 方 法 是 ， 获 取 每 块 的 像 素 值 ， 形 成 矩 阵 ， 其 中 ； 所述步骤S3的具体方法是， 计算矩阵 的特征值 ， 并计算 特征值的平均值 ； 所述步骤S4的具体方法是， 通过K‑means将 个平均值分为类 和类 ， 其中 中有X个样本，  类 中有Y个样本， 且 ； 所述步骤S5的具体方法是， 通过式 计算类 的类内 距离 ； 通过式 计算类 的类内距离 ； 其中， 和 属于类 ， 和 分别表示类 中第k个和第l个样本， 和 属 于类 ， 和 分别表示类 中第k个和第l个样本； 所述步骤S6的具体方法是， 通过式 计算类 和类 的类间距离 ； 其中， 为类 的类心， 为类 的类心； 所述步骤S7的具体方法如下，权　利　要　求　书 1/2 页 2 CN 114723751 B 3