1.一种基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，按照以下步骤实施：步骤1，获取检测图像，

在高亮度LED照明条件下，采用工业相机对带钢上下表面进行实时采集，获得高清的图像I1；

步骤2，对图像I1进行预处理，

采用改进的均值漂移平滑算法对图像I1进行背景平滑，增强划痕边缘细节部分，并构造非线性变换函数提高图像对比度，得到图像I3；

步骤3，对图像I3进行分块处理，并将子块图像按照从上到下从左到右的顺序进行子块个数序号标记，再按照序号依次利用子块图像的灰度直方图统计子块的灰度级总数{l1,l2,...,l64}、灰度均值{m1,m2,...,m64}、偏态系数SK以及灰度级距离D；

步骤4，利用偏态系数SK和灰度级距离D判断每个子块是否含有划痕缺陷，并对含有缺陷的子块图像进行统计，将带有划痕的子块图像进行拼接获得图像I4，即成。

2.根据权利要求1所述的基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，所述的步骤2中，具体过程是：

2.1)图像I1中的像素点x包括两类信息：即坐标空间和颜色空间，将各像素点的坐标值s r s r

x和像素点灰度值x共同构成特征向量X＝(x ,x)，设置一个每次迭代平滑的正数阈值σ，选取图像I1左上方第一个像素点x开始进行平滑算法；

2.2)将本次迭代的像素点x记为迭代初始点x0；在第一次迭代时给定一个初始带宽h，取值为10，之后每次迭代按照下式计算空间带宽hs、值域带宽hr以及像素x邻域均值mean，表达式如下：

其中，Ts、Tr表示对固定值h的放大缩小系数，xi为x邻域像素，i＝1,2,...,n，n为滑动窗口范围内像素点的总个数；

2.3)设M(x)为均值漂移迭代的函数式，其表达式为：其中， 为窗口中像素点坐标值， 为窗口中像素点灰度值，当|M(x)‑x|＞σ，将M(x)赋值给x，并返回步骤2.2)继续迭代；

当|M(x)‑x|≤σ，停止迭代，将此时的迭代中心点x的像素灰度值赋给初始值x0；

2.4)继续对图像I1下一个像素点重复步骤2.2)及步骤2.3)，直到遍历图像I1上所有的像素点，得到均值漂移平滑的图像I2；

2.5)为了提高均值漂移平滑后的图像I2的对比度，构造一个非线性变换函数如公式(5)，非线性变换函数的表达式如下：其中，f(x,y)为均值漂移平滑后的图像I2，F(x,y)为经过线性变换后的结果图，记为图像I3。

3.根据权利要求1所述的基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，所述的步骤3中，具体过程是：

3.1)确定图像I3尺寸，分块顺序是将图像I3按照从上到下从左到右依次进行分块并对子块进行序号标记，顺序是{B1,B2,...,B64}；

3.2)对每个子块图像求取灰度直方图H(k)、灰度均值m＝{m1,m2,...,m64}以及子块中含有的灰度级的总数{l1,l2,...,l64}的具体步骤是：对子块图像按照0到255灰度级依次搜索，将含有灰度级的总数记为l并统计每个灰度级的像素点的数目Nk，灰度直方图H(k)的表达式是：

其中，N为子块图像的像素总数，k＝0,1,...,L‑1，灰度级数为L，Nk是图像中灰度为k的像素总数，子块灰度均值m的表达式是：

3.3)由于划痕缺陷整体的像素值相对于背景较大，划痕在直方图上统计出来整体偏右，这种区别用灰度直方图的偏态系数SK表示，偏态系数SK的表达式是：其中，N为子块图像的像素总数，m为子块灰度均值，xi为子块中的像素点，根据灰度直方图初步筛选出疑似子块缺陷图像；

3.4)计算子块图像的灰度直方图灰度级距离D，来检测疑似划痕缺陷子块，采用灰度级距离来描述这种分散程度，对缺陷子块图像确定一个阈值Ti判断疑似子块图像中是否含有子块缺陷图像，具体判断方式是：其中，缺陷子块的灰度级距离D的表达式是：式中，m为子块灰度均值，k为均值m对应的灰度级，di为子块中灰度级大小，l为该子块中灰度级总数。

4.根据权利要求3所述的基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，所述的步骤3中，根据灰度直方图初步筛选出疑似子块缺陷图像的判断标准是：a)当子块图像的灰度直方图偏态系数SK小于0时，说明灰度直方图形状偏左，该子块图像没有划痕缺陷；

b)当子块图像的灰度直方图偏态系数SK等于0时，说明灰度直方图形状呈对称的形状，说明子块图像整体均匀，当划痕长度较小时，统计出来的图像有可能仍然是对称形状，该子块图像被归为疑似划痕缺陷子块；

c)当子块图像的灰度直方图偏态系数SK大于0时，偏态系数越大，说明灰度直方图向右偏离程度也大，该子块图像被归为疑似划痕缺陷子块。

5.根据权利要求1所述的基于图像识别的快速带钢划痕缺陷检测方法，其特征在于，所述的步骤4中，具体过程是：

统计划痕区域在水平方向上所占总的块数row、在垂直方向所占的总的块数colum、以及含有划痕的块数所占的面积比ratio，并且根据行业标准对划痕缺陷进行严重程度的判断，具体过程是：

4.1)统计所有缺陷子块在图像I3垂直方向上和水平方向上所占的块数，就能够体现出划痕最大的影响范围，得到图像I3分块计算特征的数学模型，当统计图像I3垂直方向上缺陷子块数量时，根据步骤3中判断出的缺陷子块标记，依次判断每一行是否含有缺陷子块，然后将含有缺陷子块的行进行累计用row表示；当统计图像I3水平方向上缺陷子块数量时，根据步骤3.3)和步骤3.4)判断出的缺陷子块标记，依次判断每一列是否含有缺陷子块，然后将含有缺陷子块的列进行累计用column表示，最后统计出缺陷子块与总的分块数目比例ratio；

4.2)根据子块标记序号顺序进行标记，逐列进行拼接，只保留缺陷子块，无缺陷子块区域灰度值的赋值为0，如式(11)所示，以便快速标记出缺陷部分，检测结果如下：式中，Bi(x,y)为子块图像，i为分块标记序号；

4.3)根据获得的特征量row、column以及ratio，视特征量的数值大小将该钢板进行严重程度划分，针对不同的用户，判定其为不同的缺陷程度，生成缺陷检验结果图像I4。