机器视觉技术在带钢表面缺陷检测中的应用

机器视觉技术是指用计算机来实现人的视觉功 能 , 也就是用计算机来实现对客观的三维世界的识 别 , 主要包括图象的获取 、 处理 、 分析 、 输出和显示等 方面的研究 。 机器视觉技术作为计算机科学的一个 重要分支 , 在近 30 年中得到迅猛的发展 , 其应用领 域遍及工业 、 农业和军事等 。 通过计算机技术向无损 检测技术的交叉和渗透 , 机器视觉已成为无损检测 技术中的一个颇具生命力的分支 , 并开拓出无损检 测技术的崭新的应用领域 。 当前 , 工业视觉检测系统 主要用于提高生产效率 、 控制生产过程中的产品质 量 、 采集产品数据以及产品的分类和选择 。 机器视觉技术应用于钢板表面缺陷的在线无损 检测起源于 80 年代初 。 进入 90 年代后 , 基于线阵 CCD 器件的机器视觉技术无疑已成为钢板表面缺 陷在线检测的主流技术 , 其应用研究工作方兴未艾 。 芬兰 R au taruukk i N ew T echno logy 公司 [ 1 ] 研制了 Sm artvis 表面检测系统 , 应用机器学习方法自动设 计了优化的决策树分类器结构 。 美国 Cognex 公司 于 1996 年先后研制成功了 iS 2 2000 自动检测系统 [ 2 ] 和 i L earn 自学习分类器软件系统 [ 3 ] , 通过这两套系 统的无缝连接 , 整体系统可提供 80 GO PS 的运算性 能 , 并有效地改善了传统自学习分类方法在算法执 行速度 、 数据实时吞吐量 、 样本训练集规模及模式特 征自动选择等方面的不足之处 。 德国 Parsytec 公 司 [ 4 ] 于 1997 年为韩国浦项制铁公司研制了 H T S 2 2 冷轧带钢表面检测系统 , 该系统首次将基于人工神 经网络 ( ANN ) 的分类器设计技术应用于带钢检测 领 域 。 英 国 Eu rop ean E lectron ic System 公 司 ( EES ) [ 5 ] 则将研究工作的重心确定为提高系统的实 用性和可靠性 , 增强缺陷目标的检出能力和缺陷图 象的显示质量 , 并完善系统对环境的有效控制能力 , 其热轧带钢表面检测系统已在欧美主要钢铁制造企 业得到应用 。

表面质量的好坏是带钢的一项重要指标，随着科学技术的不断发展，后续加工工业对带钢的表面质量要求越来越高。如何检查出带钢表面缺陷并加以控制，引起带钢生产企业的高度关注。

伴随着生活水平的提高和生产力的发展，人们对产品的质量提出了更高的要求。作为钢铁类的主要产品之一的带钢已经成为机械制造、汽车生产、化工、造船、航空航天等工业不可缺少的必需品。但是在生产过程中，由于原材料、连铸钢培、轧制设备和加工工艺等原因以及噪声、高压环境的影响，使其表面不可避免的会出现裂痕、结疤、夹杂、裂纹、擦伤等不同类型的缺陷，这严重影响了产品的外观、抗疲劳强度、抗腐蚀性和耐磨性等性能。如果存在缺陷的带钢不能再出厂以前被检测出来，而是在用户使用中被发现，这样不仅对企业造成严重的经济损失，而且会影响企业的信誉，降低产品的市场形象。因此，必须加强对带钢表面缺陷的检测盒控制，这对于剔除废品、减少原料浪费、提高成材率、改善工人劳动环境、提高企业效率等都具有重要意义。

目前，国内各大钢铁厂对带钢表面检测的方法大多是采用人工目视抽检，该方法是凭借人的肉眼对缺陷进行分辨。这种方法有以下缺点：

1.抽检率低，实时性差。随着联系在线生产速度的提高和检测时间的缩短，导致劳动强度不断增大，而且人眼很容易疲劳，根本无法捕捉一些细小的缺陷，增大了误检率，不能满足现代在线连续生产的需求。

2.检测环境恶劣。带钢的生产环境一般都是高温、高压、充满噪声和粉尘，人长期在这种环境下对身心伤害很大。

3.检测的评判标准不一样。人工抽检法主要依靠人员的主观性判断，因为人的经验和能力不可能完全相同，所以检测时的评判标准就有可能不同，从而检测出的缺陷的可信度不高。

综上所述，传统的人工检测已经不能满足现代在线高速的生产需要迫切的希望新的检测技术来取代它。机器视觉系统凭借它精度高、非接触性、速度快、生产效率高、抗干扰能力强等优点成功的博得了很多厂商的眼球，现在已经广泛的应用与带钢检测中。

该技术检测系统是利用CCD工业相机扫描带钢表面得到图像，然后将其转化为图像信号输入到计算机中，计算机系统再对图像进行图像滤波、目标检测、缺陷分割、特征参数提取等处理方法，最后应用分类器实现缺陷图像的识别和分类。目前机器视觉检测系统已经有很多优秀成果。

上一篇：易菲特机器视觉检测平台EF-MVP5000在现实生活中的应用

下一篇：机器视觉应用之仪表自动识别技术