（机械设计及理论专业论文）基于机器视觉的带钢表面缺陷检测与识别方法研究.pdf

摘要 带钢是现代工业的重要原材料，其表面存在缺陷与否是评价其质量的重要因素，如 何检测并及时发现表面缺陷一直受到钢铁制造企业的关注。采用人工目视检测和基于单 一传感器的检测手段日益不能满足现代钢铁工业的需要，基于机器视觉的方法实现钢板 表面质量连续检测和自动识别越来越受到国内外钢铁企业的重视。目前，基于机器视觉 的检测方法还有一些关键技术尚待进一步研究解决，主要是数据实时处理能力不够，低 对比度、噪声较大背景下弱小缺陷目标检测识别正确率不高、检测的缺陷目标种类有限 等。 本文以高等学校博士学科点专项科研基金“基于计算机视觉的钢板成像建模与表面缺 陷实时重构的应用基础研究( 2 0 1 0 4 2 1 9 11 0 0 0 1 ) 和武汉市科技攻关项目“基于机器视觉的 带钢表面质量在线检测系统研究开发( 2 0 0 9 1 0 3 2 1 1 0 0 ) 为依托，开展了带钢表面缺陷自动 检测的相关理论和关键技术研究，主要研究内容与成果如下： 1 为快速而可靠地采集带钢表面图像，基于视觉理论的图像处理模型设计了检测系统 构架和软件处理流程。针对图像质量的差异，提出了图像的开关阈值分级去噪算法，即初 级去噪针对所有图像采用实时性强的经典滤波算法；对存在目标可疑区( r o i ) 且大于开关阈 值的图像进行次级去噪，并采用了小波阈值降噪算法。此算法兼顾了实时性和有效性，改 善了图像的质量。 2 为获取带钢表面缺陷目标，研究了不同噪声强度背景下的图像分割算法。针对带钢 表面缺陷图像，对比研究了基于经典梯度算子的边缘检测、基于数学形态学方法的边缘检 测和基于模角分离小波( m a s ) 的边缘检测，提出了这些算法的适应对象，即对于大量普通 级噪声图像，采用实时性强的经典梯度算子，而多结构元素数学形态学算法和模角分离小 波( m a s ) 算法，则特别适用于低对比度、光照不均、噪声较大背景下的弱小目标的边缘检 测。 3 研究了从目标区域提取灰度特征、几何特征、形状特征、纹理特征等多信息融合的 多维特征量。基于遗传算法( g a ) 对提取的带钢表面缺陷图像的多维特征向量进行降维优化 选择，并同主成分分析( p c a ) 降维方法进行了对比，降低了大量无关的冗余信息，同时又 提高了算法的效率。 4 针对带钢表面的划痕、黑斑、翘皮、辊印、褶皱、压印和磷斑七种典型缺陷，对比 研究了人工神经网络( a n n ) 、粗糙集理论( r s ) 和支持向量机( s v m ) 在带钢表面缺陷图像中的 识别和分类；提出了g a p c a s v m 模型，并验证了其在带钢表面缺陷图像中的识别分类 的有效性、快速性和稳健性，同时也验证了所提取的带钢表面缺陷图像特征向量及其遗传 算法降维的有效性。 5 建立了带钢表面缺陷检测实验系统。 第1 i 页 武汉科技大学博士学位论文 关键词：图像处理；带钢表面缺陷检测；边缘检测；特征量提取与降维优化；识别与分类 a b s t r a c t s t e e ls t r i pi so n ek i n do fi m p o r t a n tr a wm a t e r i a l st om o d e mi n d u s t r i a l ，a n di t ss u r f a c e d e f e c t so rn o ti sa ni m p o r t a n tf a c t o rt oe v a l u m ei t sq u a l i t y h o wt od e t e c ta n dd i s c o v e r yt i m e l y 龇l f a c ed e f e c t sh a sb e e nd r a w ns t e e lm a n u f a c t u r i n ge n t e r p r i s e s a t t e n t i o n i tc a n n o tm e e tt h en e e d o fm o d e ms t e e li n d u s t r yi n c r e a s i n g l yb yu s e da r t i f i c i a l s u a lt e s t i n go rb a s e do ns i n g l es e n s o r d e t e c t i o nm e a r l s i ti sm o r ea n dm o r ea t t r a c t e dd o m e s t i ca n di n t e r n a t i o n a ls t e e le n t e r p r i s e s a t t e n t i o nt or e a l i z et h es t e e l p l a t e s u r f a c e q u a l i t y c o n t i n u o u sd e t e c t i o na n da u t o m a t i c i d e n t i f i c a t i o nb a s e do nm a c h i n ev i s i o nt e c h n o l o g y a tp r e s e n t ，s o m ek e yt e c h n o l o g yi sn e e d e dt o s o l v ef o rs t e e ls t r i ps u r f a c eq u a l i t ye x a m i n a t i o nb a s e do nm a c h i n ev i s i o n t h er e a l - t i m ed a t a p r o c e s s i n ga b i l i t yi sn o te n o u g h , w e a kd e f e c tt a r g e t sh a v i n gl o wc o n t r a s t ，s t r o n gn o i s ed e t e c t i o n r a t ei sn o th i g h ，t h ec a t e g o r i e so fd e t e c t e dd e f e c tt a r g e t sa r el i m i t e d ，e t c t h i sd i s s e r t a t i o ni ss u p p o r t e db yw u h a nt o r c h - p l a np r o j e c t s ”a p p l i e dr e s e a r c ho n - l i n e i n s p e c t i o ns y s t e mf o rs u r f a c eq u a l i t yo fs t e e ls t r i pb a s e do nm a c h i n e - v i s i o nt e c h n o l o g y ，a n d t h er e l e v a n tt h e o r i e sa n dk e yt e c h n o l o g yo fs t e e ls t r i ps u r f a c ed e f e c t s a u t o m a t i cd e t e c t i o nh a v e b e e nr e s e a r c h e d t h em a i nw o r k sc a l lb es u m m a r i z e da sf o l l o w s ： 1 ) f o rq u i c k l ya n dr e l i a b l yc o l l e c t i n gt h es t e e ls t r i ps u r f a c ei m a g e ，t h ed e t e c t i o ns y s t e m s t r u c t u r ea n ds o f l w a r ep r o c e s sa r ed e s i g n e db a s e do nv i s u a lt h e o r yo fi m a g ep r o c e s s i n gm o d e l t h ei m a g eo fs w i t c ht h r e s h o l dd e n o i s i n ga l g o r i t h mi sp r o p o s e di nv i e w o ft h ed i f f e r e n tq u a l i t yo f i m a g e t h ep r i m a r yd e n o i s i n gi su s e df o ra l li m a g e sa n du s ec l a s s i c a la l g o r i t h mh a v i n gg o o d r e a l t i m ep e r f o r m a n c e t h es e c o n dd e n o i s i n ga l g o r i t h ma p p l i e st ot h ei m a g e st h a te x i s t i n g s u r f a c ed e f e c t ss u s p i c i o u sa r e a ( r e g i o no fi n t e r e s t ，r o i ) a n dt h en o i s e sa r eg r e a t e rt h a ns w i t c h t h r e s h o l d t h es e c o n dd e n o i s i n ga l g o r i t h ma d o p t sw a v e l e tt h r e s h o l dd e n o i s i n go n e , w h i c hm e e t b o t hr e a l t i m ea n dv a l i d i t y ，a n dt h eq u a l i t yo ft h ei m a g e sa r ei m p r o v e da sw e l l 2 ) t h ei m a g es e g m e n t a t i o na l g o r i t h mb a s e do ne d g ed e t e c t i o ni ss t u d i e di nd i f f e r e n tn o i s e i n t e n s i t y t h e c l a s s i c a l g r a d sa l g o r i t h m ，m a t h e m a t i c a lm o r p h o l o g ym e t h o da n da n g u l a r s e p a r a t i o nw a v e l e te d g ed e t e c t i o n ( m a s ) a r ec o m p a r a t i v e l ys t u d i e d ，a n dt h e i ra d a p t i v eo b j e c t si s d i s c u s s e d u s i n gp o w e r f u lr e a l t i m ep e r f o r m a n c eo f c l a s s i c a lg r a d sa l g o r i t h mt ot h em a s so - l e v e l n o i s ei m a g e s ，a n du s i n gm u l t i s t r u c t u r ee l e m e n to fm a t h e m a t i c a lm o r p h o l o g ya n dm a s a l g o r i t h ma r ee s p e c i a l l ys u i t a b l ef o rw e a kd e f e c t st a r g e t sw h i c ha r el o wc o n t r a s t ，d a y l i g h t i n g b n e v e na n ds t r o n gn o i s e 3 ) h o wt oe x t r a c tt h el a r g e d i m e n s i o n a lc h a r a c t e r i s t i co fm u l t i p l ei n f o r m a t i o nf u s i o ni s r e s e a r c h e dw h i c hi n c l u d e s g r a y s c a l e ，g e o m e t r i c ，s h a p e a n dt e x t u r ec h a r a c t e r i s t i c s t h e l a r g e d i m e n s i o n a lc h a r a c t e r i s t i cv e c t o r so fs t e e ls t r i ps u r f a c ed e f e c ti m a g e sa r er e d u c e da n d o p t i m i z e db a s e d o ng e n e t i ca l g o r i t h m ( g a ) ，a n dc o n t r a s t sw i t h p r i n c i p a lc o m p o n e n t 第页武汉科技大学博士学位论文 a n a l y s i s ( p c a ) t or e d u c ed i m e n s i o n s i ti ss h o w st h a tal o to fi r r e l e v a n tr e d u n d a n ti n f o r m a t i o n a l er e d u c e d ，a tt h es a m et i m e ，t h ee f f i c i e n c yo ft h ea l g o r i t h mi si m p r o v e d 4 ) f o rs e v e nk i n d so ft y p i c a ld e f e c t so fs t e e ls t r i ps u r f a c e , t h er e c o g n i t i o na n dc l a s s i f i c a t i o n f o rs t e e ls t r i ps u r f a c ed e f e c ti m a g e si ss t u d i e de o m p a l a t i v e l ya m o n ga r t i f i c i a ln e u r a ln e t w o r k ( a n n ) ，t h er o u g hs e tt h e o r y ( r s ) a n ds u p p o r tv e c t o rm a c h i n e ( s v m ) t h eg a - p c a - s v m m o d e li sd e s i g n e df o rr e c o g n i t i o na n dc l a s s i f i c a t i o nf o rs t e e ls t r i ps u r f a c ed e f e c t s t h er e s u l t s s h o wt h a tc l a s s i f i c a t i o no fs t e e ls t r i ps u r f a c ed e f e c t sb a s e do ng a - p c a - s v mm o d e li se f f e c t i v e , f a s ta n dr o b u s t i ts h o w st h a tt h ea l g o r i t h m so ff e a t u r e se x t r a c t i o na n df e a t u r ed i m e n s i o n s r e d u c t i o na l ee f f e c t i v ea sw e l l 5 ) t h es t r i ps u r f a c ed e f e c t sd e t e c t i o ne x p e r i m e n ts y s t e mi se s t a b l i s h e d k e yw o r d s ：i m a g ep r o c e s s i n g , s t e e ls t r i ps u r f a c ed e f e c td e t e c t i o n ，e d g ed e t e c t i o n ，f e a t u r e e x t r a c t i o n ，d i m e n s i o nr e d u c t i o ni t so p t i m i z a t i o n , r e c o g n i t i o na n dc l a s s i f i c a t i o n 1 1 研究背景和意义 第一章绪论 中华人民共和国国民经济和社会发展第十二个五年规划纲要指出，坚持把建设资 源节约型、环境友好型社会作为加快转变经济发展方式的重要着力点，发展循环经济，推 广低碳技术，促进经济社会发展与人口资源环境相协调，走可持续发展之路；制造业发展 重点是优化结构，改善品种质量，增强产业配套能力，淘汰落后产能，完善依托国家重点 工程发展重大技术装备政策，提高基础工艺、基础材料、基础元器件研发和系统集成水平； 坚持自主创新，增强共性、核心技术突破能力，促进科技成果向现实生产力转化。 钢铁产业发展政策( 发展改革委令第3 5 号) 指出，钢铁产业是国民经济的重要基础 产业，是实现工业化的支撑产业，是技术、资金、资源和能源密集型产业。我国钢铁产业 今后发展重点是技术升级和结构调整，为提高钢铁工业整体技术水平，推进结构调整，改 善产业布局，发展循环经济，降低物耗能耗，重视环境保护，提高企业综合竞争力。 近年来我国钢铁工业发展迅速，钢产量每年以超过2 0 的速度增长，由1 9 7 8 年的3 7 1 7 万吨增长到2 0 1 0 年的6 2 8 亿吨，占全球产量的将近一半。中国钢铁工业不仅在数量上快 速增长，而且在品种质量、装备水平、技术经济等诸多方面都取得了很大的进步，形成了 一大批具有较强竞争力的钢铁企业，为中国国民经济的快速发展做出了重大贡献。 虽然如此，但是我国的钢铁工业仍面临着激烈的国际市场竞争，如何节能减排和提高 高附加值产品的质量是当前钢铁工业可持续发展的关键，这方面我国与发达国家尚有一定 差距。 带钢作为钢铁工业的主要产品之一，是汽车、造船、机械制造、化工、和航空航天等 工业不可或缺的原材料，在我国得到了迅猛的发展。带钢是一种窄而长的钢板，带钢又称 钢带，带钢一般成卷供应，具有尺寸精度高、表面质量好、便于加工、节省材料等优点。 带钢按所用材质分为普通带钢和优质带钢两类，按加工方法分热轧带钢和冷轧带钢两种。 在带钢制造过程中，由于原材料、轧制设备和加工工艺等多方面的原因，将导致其表 面出现划痕、裂纹、氧化皮、辊印、孔洞、黑斑、针眼、鳞皮、表皮分层和麻点等不同类 型的缺陷【。这些缺陷影响了产品的外观，降低了产品的抗腐蚀性、耐磨性和疲劳强度等 性能。 目前，国内钢铁企业一般采用人工目视检测和频闪光等传统检测手段进行带钢表面质 量检测，表面缺陷的有无和缺陷的类型基本靠人工经验，抽检率低，不能全面地反映钢板 表面的质量，检测实时性差，大大影响了产品的质量和生产效率，而且工作环境恶劣，劳 动强度大，容易造成误判和漏检。 近些年来，有些国外钢铁企业采用基于机器视觉的方法来代替传统检测手段【2 叫，这 种方法能够实现带钢生产的非人工连续检测、自动识别及分类，还可将检测结果及时反馈， 以便及时调整生产工艺；实时性高，可以大大提高产品的质量和生产效率，这对于减少贸 第2 页武汉科技大学博士学位论文 易纠纷，维护企业信誉，提高产品的竞争力具有重大意义。 世界各国的大型钢铁企业都非常重视带钢表面缺陷检测技术，早在上世纪八、九十年 代就开始在这方面进行研究开发和应用。但是，目前国内对带钢表面缺陷检测技术方面的 研究只是处于起步阶段，因此，研究表面缺陷检测技术并将它转化为应用于工业现场的产 品前景广阔、意义重大。 机器视觉及其工业应用 1 2 1 机器视觉的概念及发展 美国机器人工业协会( r o b o t i ci n d u s t r i e sa s s o c i a t i o n ，r 认) 对机器视觉下的定义为：“机 器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获 得所需信息或用于控制机器人运动的装置 【5 1 。 机器视觉工作原理是，采用c c d ( 电荷耦合器件，c h a r g ec o u p l e dd e v i c e ) 相机将被摄 取目标转换成图像信号传送图像处理系统，图像处理系统对这些信号进行各种运算来提取 目标的特征，最后根据预设的容许度和其他条件输出结果。 机器视觉系统是实现仪器设备精密控制、智能化、自动化有有效途径，堪称现代工业 生产的“机器眼睛，其主要优点为： ( 1 ) 安全可靠：由于采用非接触测量，对观测者与被观测物都不会产生任何损伤。 ( 2 ) 具有较宽的光谱响应范围：机器视觉利用专用的光敏元件，可以观察到人类无法 看到的世界，从而扩展了人类的视觉范围。 ( 3 ) 可在恶劣环境下长时间工作。 ( 4 ) 生产效率高：机器视觉系统可以快速获取大量信息，而且易于自动处理，易于实 现信息集成。 人们对机器视觉的研究始于2 0 世纪5 0 年代图像的统计模式识别，6 0 年代r o b e r t s 开 创了三维机器视觉的研究以理解三维场景。上世纪7 0 年代，麻省理工学院( m i t ) 的人工智 能( a i ) 实验室正式开设“机器视觉 ( m a c h i n ev i s i o n ) 课程，并进行了有关理论、算法和系 统设计的研究；8 0 年代此实验室的d a v i dm a n 教授提出了机器视觉的重要理论框架。8 0 年代开始，机器视觉获得了蓬勃发展，新概念、新理论不断涌现；现在，机器视觉仍然是 一个非常活跃的研究领域，与之相关的学科涉及图像处理、计算机图形学、模式识别、人 工智能、人工神经网络等。 国内机器视觉2 0 世纪8 0 年代是起步期，9 0 年代进入发展期，目前处于加速期。近年 来国内有关高等院校、科研院所和企业在图像和机器视觉技术领域进行了积极思索和大胆 的尝试，逐步开始了工业现场的应用，主要应用于制药、印刷、生产线的检测等领域。此 外，高速、高精度的机器视觉检测系统是国外厂商对外封锁的核心技术，所以开发自主知 识产权的视觉检测系统是不仅是市场的需要，而且是摆脱国外厂商技术垄断的需要。 目前，机器检测技术存在的主要问题是：( 1 ) 对众多缺陷的产生机理和外在显现形式的 联系尚不大清楚；( 2 ) 光学照明方法和检测光路配置尚需要深入探索，检测分辨力和灵敏度 有待进一步提高；( 3 ) 对低对比度的微小缺陷检测算法还待深入；( 4 ) 缺乏通用的高速、海量 数字信号处理硬件平台和图像处理及模式识别专用算法。 1 2 2 机器视觉的系统构成和分类 一个典型的工业机器视觉系统包括：c c d 相机、光源、镜头、图像采集卡、图像处 理软件、监视器、通讯输入输出单元等。 1 相机 相机实际上是一个光电转换装置，其核心是光电转换器件，它将图像传感器所接收到 的光学图像，转化为计算机所能处理的电信号。目前工业用相机主要有c c d 和c m o s 两 种。 c c d 是一种半导体光学器件，它以电荷作为信号而不是以电流或电压为信号，具有灵 敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点。当被摄物体的图像经过镜头 聚焦至c c d 芯片上时，c c d 根据光的强弱积累相应比例的电荷，各个像素积累的电荷在 视频时序的控制下，逐点外移，经滤波、放大处理后，形成视频信号输出。c c d 具有光电 转换、信息存储和延时等功能，并且集成度高、无滞后、能耗小等优点。典型的c c d 相 机由光学镜头、时序及同步信号发生器、垂直驱动器、模拟数字信号处理电路组成。 c m o s ( c o m p l e m e n t a r ym e t a lo x i d es e m i c o n d u c t o r ) 将光敏元阵列、图像信号放大器、信号 读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上。一般工业相机用 c c d 传感器。 2 光源 光源是影响机器视觉系统成像质量的重要因素，常用光源有卤素灯、荧光灯和发光二 级管( l e d ) 。萤光灯光场均匀，价格便宜，扩散性好。卤素灯亮度特别高、发热大，几乎 没有亮度和色温的变化，价格便宜。l e d 光源可以有各种颜色，便于做成各种复杂形状， 而且体积小、功耗低、响应速度快、发光单色性好、可靠性高、光均匀稳定、易集成，所 以在对表面质量要求比较高的情况下，一般宜采用l e d 光源。 由光源构成的照明系统按其照射方法可分为：明场照明和暗场照明。明场与暗场主要 描述相机与光源的位置关系，明场指相机直接接收光源在目标上的反射光，一般相机与光 源异侧分布；暗场指相机间接接收光源在目标上的散射光，一般相机与光源同侧分布。 3 图像采集卡 图像采集卡主要完成对模拟视频信号的数字化过程。视频信号经低通滤波器转换为模 拟信号，再采用采样保持电路对视频信号进行间隔采样，以把视频信号转换为离散的模拟 信号；然后再由a d 转换器转变为数字信号输出。目前比较常用的图像采集卡有基于p c i 和p x i 两种形式的，二者之间的差别是p x i 产品是基于p c i 总线的，更符合工业环境下振 动、撞击、温度和湿度的极限条件。 4 图像处理软件 第4 页武汉科技大学博士学位论文 图像处理软件的功能包括图像增强、图像分割、特征抽取、图像识别等内容。改善 输出图像的质量，便于计算机对图像进行分析、处理和识别。 1 2 3 机器视觉系统的应用 机器视觉在工业工程、航空航天、生物医学工程、军事科技、智能交通、文字识别等 领域得到了广泛的应用。工业检测领域是机器视觉应用中比重最大的领域，主要用于产品 质量检测、产品分类、产品包装等，如：零件装配完整性检测，装配尺寸精度检测，位置 角度测量，零件识别，p c b 板检测，印刷品检测，瓶盖检测，玻璃、烟草、棉花检测，以 及指纹、汽车牌照、人脸、条码等识别。目前在我国机器视觉系统主要应用于制药、印刷、 矿泉水瓶盖检测等领域，真正高端的应用还很少。 表面质量检测系统是工业检测的极其重要的组成部分，主要是检测产品的表面缺陷。 通过对表面质量的检测，不仅可以有效地控制产品质量，还可以根据检测结果分析生产工 艺中存在的某些问题，从根本上杜绝或减少缺陷品的产生。最常见的表面质量检测就是钢 板表面质量在线检测系统、印刷在线检测系统和玻璃制品在线检测系统等。 机器视觉自动检测技术是产品外观质量检测技术的必然发展趋势，研制分布式的、快 速可靠的机器视觉检测技术，是高速生产线上提高产品质量，降低检验成本，提高生产率 的迫切要求。 1 2 4 基于视觉理论的图像处理模型 机器视觉系统是指用计算机来模拟人的视觉功能，实现对客观三维世界的识别。人类 视觉系统的视网膜相当于感知器，当三维物体投影到视网膜上，人们按照投影到视网膜上 的二维像来对该物体进行三维理解。机器视觉系统一般采用c c d 相机摄取图像并转化为 数字信号，再结合计算机硬件与软件技术对图像数字信号进行处理，得到目标图像的特征 值，并由此实现模式识别。 机器视觉系统主要由图像的获取、图像的处理和分析、通讯和输入输出单元等组成。 机器视觉系统中，视觉信息的获取主要依赖于图像工程，它包括图像增强、数据编码和传 输、图像的平滑和锐化、目标的分割、特征抽取、图像识别与理解等丰富的内容。 图像工程可用图1 1 的图像工程金字塔模型表示，分为图像处理、图像分析和图像理 解三个层测6 1 。 图像处理、图像分析和图像理解是处在三个不同层次上。图像处理处于低层，主要涉 及像素级的操作，这些算法虽然简单，但是运算数据量巨大、重复性高，一般可在专用的 图像处理硬件系统中完成。图像分析处于中层，算法以区域操作为主，以完成图像滤波、 边缘检测或图像分割，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图像 形式的描述。此层处理算法一般由计算机完成。图像理解是高层操作，主要是对从描述抽 象出来的符号进行运算，其处理过程和方法与人类的思维推理有许多类似之处，其算法数 据量小而复杂，适合于计算机软件实现。 算 法 复 杂 度 语义图像算法 对象 数 据 量 图1 1 图像工程金字塔模型 处于图像工程低层的图像平滑主要是为了图像去噪；图像的增强用于调整图像的对比 度，突出图像中的重要细节，改善视觉质量，通常采用灰度直方图修正进行图像增强。这 些预处理是为了提高图像的视觉效果，为特征后续的图像处理提供高质量的图像。 处于图像工程中层的图像分割是将图像分成若干部分，每一部分的灰度或纹理符合某 一种均匀测度度量，其本质是将依据像素的颜色、纹理、灰度、频谱和( 或) 纹理等进行分 类。图像特征提取主要任务是指提取目标区域的视觉特征和统计特征，前者是指图像的自 然特征如区域的颜色、纹理、亮度、轮廓等，后者是指通过变换得到的特征如频谱、各阶 矩、直方图等。 处于图像工程高层的模式识别( p a t t e r nr e c o g n i t i o n ) 是指对表征事物或现象的各种 形式的( 数值的、文字的和逻辑关系的) 信息进行处理和分析，以对事物或现象进行描述、 分类和解释的过程。 1 3 钢板表面缺陷检测方法综述 1 3 1 传统的检测方法 ( 1 ) 涡流检测技术 上世纪6 0 年代初，美国g r a h a m 实验室就采用激光扫描器件在静态下对金属表面进行 检测【7 】，7 0 年代，西方国家普遍采用频闪检测法检测带钢表面质量。 涡流检测是建立在电磁感应原理基础上的一种无损检测手段，把导体接近通有交流电 的线圈，由线圈建立交变磁场，该交变磁场通过导体，并与之发生电磁感应作用，在导体 内建立涡流。导体中的涡流也会产生自己的磁场，涡流磁场的作用也会改变原磁场的强弱， 进而导致线圈电压和阻抗的变化。因此当导体表面或近表面出现缺陷或测量的金属材料发 生变化时，将影响到涡流的强度和分布，涡流的变化又引起了检测线圈电压和阻抗的变化， 第6 页武汉科技大学博士学位论文 根据这一变化，就可以感知导体内缺陷的存在及金属材料的性能是否有变化。 1 9 8 9 年法国洛林连轧公司福斯厂基于涡流检测原理研制了热连铸板坯表面质量在线 检测系统一e d i s o l ，通过配置在板坯上下表面的涡流检测器分别检测纵裂、横裂和角裂。 涡流检测方法只能检测金属板材表面和表皮下层阻流缺陷，检测时需要大电流励磁。 采用涡流检测方法实现热图像检测，检测前的板材必须为匀温场。为了使缺陷有足够的加 热时间以使缺陷充分暴露，速度必须足够慢，这必然限制了检测和生产的速度，因此不适 宜高速轧制带钢的表面检测。 ( 2 ) 红外检测技术 红外线具有反射、折射、散射、干涉、吸收等性质。任何物质，只要它本身具有一定 的温度，都能辐射红外线。红外线传感器测量时不与被测物体直接接触，因而不存在摩擦， 并且有灵敏度高，响应快等优点。红外线传感器常用于无接触温度测量和无损探伤，在 医学、军事和环境工程等领域得到广泛应用。 基于红外检测原理，1 9 9 0 年挪威e l k e m 公司研制出了t h e r m o m a t i c 连铸钢坯自动检 测系统【8 】。该系统通过四个红外扫描器来探测连铸坯表面的温度分布情况，并可在线检出 热钢坯表面纵裂纹和横裂纹等缺陷，但检出的缺陷种类少。 ( 3 ) 漏磁检测技术 漏磁检测的基本原理是建立在铁磁材料的高磁导率这一特性之上，利用漏磁通密度与 缺陷的体积成正比的关系，通过测量磁通密度来确定缺陷的类型。钢坯在外加磁场作用下 被磁化，当无缺陷时，则磁力线均匀分布；如果有缺陷，磁通路变窄，磁力线发生变形产 生漏磁从而形成环电流，这些信号经滤波、放大和模数转换等处理后被记录到检测器上。 1 9 9 3 年日本川崎千叶制铁开发了一套在线检测非金属夹杂物的检测装置，该装置可实 时识别出非金属夹杂物并计算出非金属夹杂物的体积等参数。同一时期，日本n n k 公司 研制了高灵敏性的磁传感器，实验表明其灵敏性和稳定性均优于通用的磁敏电阻和霍尔效 应器件【明。漏磁检测法不仅能检测内部非金属夹杂物等微小缺陷，而且实用温度范围宽、 造价比较低廉；但对大量的表面缺陷类型的检测能力不足，并且无法对缺陷进行准确分类。 1 3 2 机器视觉检测方法 随着c c d 技术、图像处理技术、计算机技术、光机电一体化技术的飞速发展，机器 视觉技术在无损检测领域也逐步得到发展。而钢板表面缺陷的机器视觉检测技术主要有基 于激光扫描的计算机检测技术、固体摄像器件c c d 检测法等。机器视觉检测技术从2 0 世 纪7 0 年代发展至今，经历了基于激光扫描的检测和基于c c d 器件的机器视觉检测的发展 阶段。 2 0 世纪7 0 年代初期，英国钢铁公司、伦敦c i t y 大学、s i p a 工学院联合开发出基于 h e n e 激光扫描的检测系统，其设计思想为激光表面检测技术的发展奠定了基础。不久， 日本新日铁、歌山和下松等制铁厂开始在冷轧镀层板生产线上采用了激光扫描装置。日本 川崎公司采用激光扫描装置开发了镀锡板在线检测系统。2 0 世纪8 0 年代末美国s i c k 公 盛垫叠挂盘堂遵堂焦途塞箍2 亟 司研制成功了平行激光扫描检测系统用于钢板的在线缺陷检测，可检出多种表面缺陷。 基于激光扫描的检测在检测的灵敏度、实时性和数字信号处理结构的通用性等方面有 优点，但难于检测低对比度的缺陷，光学系统结构复杂，可维护性较差。 c c d 检测被测物表面的原理是用特殊光源以一定方向照射到被测物表面，c c d 相机 在被测物表面扫描成像，扫描所得的图像信号经过图像采集卡输入计算机，通过图像处理 和识别，评估被测物的表面状况。 2 0 世纪8 0 年代初期，h o n e y w e l l 公司在美国能源部的资助下完成了连铸板坯表面在线 检测研列1 0 】。该检测系统采用了线阵c c d 器件、专用图像阵列处理机的体系结构、基于 树分类器和句法模式识别理论的缺陷分类器设计思想。 2 0 世纪8 0 年代中期在美国钢铁协会( a i s i ) 的资助下，w e s t i n g h o u s e 公司采用线阵c c d 摄像机和高强度的线光源可检测出1 7 m i n x 2 3 m m 的带钢表面缺陷，并提出了将明域、暗 域及微光域三种照明光路形式组合应用于检测系统的思路【l 。但其可识别的缺陷种类相对 较少，并且不具备对周期性缺陷的识别能力。 2 0 世纪9 0 年代末，美国c o g n e x 公司先后研制成功了i s 2 0 0 0 自动检测系统和i l e a m 自学习分类器软件系统【1 2 】。这两套系统配合有效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。 1 9 9 7 年德国p a r s y t e c 公司为韩国浦项制铁公司研制了冷轧钢板表面缺陷检测系统 h t s 2 ，首次将基于人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 分类器设计技术应用于 钢板检测领域【”】。系统可以在轧制速度为3 0 0 m m i n 的情况下，检测最小尺寸为0 5 m m 的 钢板表面缺陷。目前，该系统已升级为h t s - 4 ，该系统是目前世界上唯一能对高速运动的 热轧带钢表面缺陷进行在线自动检测和分级的系统。h t s 2 w 系统用于热轧带钢表面缺陷 在线进行检测和分级，它与标准p c 硬件及频闪氙照明的录像机相结合，可根据表面缺陷 的类型和严重程度，以及在热轧带钢上的位置，对所有缺陷进行分级记录，可完全替代人 工目测，防止目测的主观性和漏判，客观地对缺陷进行评估，不再依赖于专业人员的技能， 并可提供对整个热轧带钢表面的准确鉴定以及完整的记录。该系统在带钢速度1 5 一3 0 m s 、 带钢宽度为2 5 0 0 m m 时能满足检测小至0 3 0 7 m m 大小的缺陷。如1 9 9 8 年在奥钢联林茨 钢厂的热轧机上的h t s 2 w 检测系统，其轧制最高速度为2 0 m s ，带宽1 6 7 0 m m ，带钢温 度8 5 0 - - - 9 5 0 ，应用至今效益显著。该系统还应用于欧洲( 如德国蒂森克虏伯钢铁公司和 赫施霍恩林堡公司，比利时的西德马公司等) 和美国( 如纽柯钢铁公司) 的连轧机和c s p 生 产线上，并取得良好效果。 此外，英国e u r o p e a ne l e c t r o n i cs y s t e m 公司研制的e e s 系统也成功地应用于热连轧环 境下的钢板质量自动检测，此系统于1 9 9 1 年在荷兰h o o g o v e n s 钢铁公司热轧生产线试生 产运行，此后不久先后为美国i n l a n d 钢铁公司和n u e o r 钢铁公司应用。e e s 系统通过在摄 像机前端安装一系列滤光片、对c c d 摄像机进行了循环水冷却及对照明光源采取了通风 散热等措施能够在能在热连轧的恶劣环境工作，实时地提供高清晰度、高可靠性的钢板上 下表面的缺陷图像，最终交由操作员进行缺陷类型的分类判别【l 训。 第8 页武汉科技大学博士学位论文 国内钢板表面检测技术研究起步较晚，水平与国外先时技术相比尚有不小差距。2 0 世 纪9 0 年代华中理工大学罗志勇等采用激光扫描方法测量冷轧钢板宽度和检测孔洞缺陷， 并开发了相应的信号处理电路，其研制的采用基于面阵c c d 的d s p 图像处理平台进行了 冷轧带钢表面孔洞、重皮和边裂等缺陷检测和最小带宽测量的实验研究【1 5 】。华中科技大学 的黄心汉等进行了带钢缺陷图像的自动阈值分割研究【1 6 朋。 同一时期，哈尔滨工业大学机器人研究所开始进行带钢表面主要缺陷类型静态下的检 测和识别方法的研究，并己经取得了阶段型的成果【1 8 j 9 1 。 与此同时，东北大学、上海宝钢集团公司与原航天部二院联合研制出了冷轧带钢表面 缺陷的在线检测系统，并进行了大量的试验研究工作【2 0 翻。 现阶段，北京科技大学的高效轧制国家工程研究中心也在进行钢板表面质量检测系统 的研制，经试验，该系统对“乳化液斑痕一、“锈痕 、“辊印 和“边裂 等6 种常见 缺陷类型有较高的识别率【2 3 2 6 】。 此外，东北大学、电子科技大学、大连理工大学、西安建筑科技大学、武汉科技大学 等高等院校也进行了一定的研究工作，取得了一定的成果【2 7 3 2 1 。 综上所述，传统的无损检测方法可检出的缺陷种类和描述参数极为有限，无法有效评 估产品的表面质量状况；激光扫描检测技术灵敏度较高，但其光学系统结构复杂，噪声对 检测信号影响大；c c d 检测法同其他方法相比具有明显的优越性，因此，基于机器视觉的 钢板表面缺陷检测技术将是未来研究的主要方向。 目前，机器视觉检测技术存在的主要问题有：对高速、海量数字信号处理算法能力不 足；对于众多缺陷类型产生的机理以及其外在表现形式之间的关系尚不明确；检测分辨率、 灵敏度和缺陷的检测种类仍有待进一步的提高，检测系统的信噪比较低，微弱信号难以检 出或不能与噪声有效区分。 随着计算机技术、信息技术、电子技术和传感器技术等的发展，高速、海量的数字信 号处理硬件平台和大容量的存储以及复杂计算等要求必将得到解决；人工智能、小波分析 理论、专家系统、神经网络等理论必将增强数字信号处理的能力，使缺陷分类器的性能大 大提高；采用统一而开放的标准、标准化和通用化的设备，并且与数据采集等其他控制和 测量的紧密集成，开发出可靠性高、可维护性好、便于不断完善和升级换代、自动化和智 能化更高的机器视觉系统是今后的发展趋势。 1 4 表面缺陷检测及识别的算法研究综述 1 4 1 实时图像采集方案 实时图像采集的数据量大，所以如何提高图像处理速度显得十分重要。提高图像处理 速度主要有两种手段，一是改善和优化图像处理算法，算法既要简单快速，又要兼顾实际 效果：二是改善和优化实现算法的手段。目前，实时图像处理采集方案主要为下面几个方 面【3 3 1 。 盛婆叠挂盘鲎簋堂僮i 金塞箍窆亟 1 通用计算机网络并行处理 这种处理结构采用“多客户机+ h i 务器”的方式，一个图像传感器对应一台客户机， 服务器实现信息的合成，图像处理的大部分工作由软件来完成。该结构虽然比较庞大，但 升级维护方便、实时性较好。 2 数字信号处理器( d s p ) d s p ( d i g i t a ls i g n a lp r o c e s s o r ) 是一种独特的微处理器，是以数字信号来处理大量信息的 器件。其工作原理是将接收到的模拟信号转换为“0 或“l 的数字信号，再对数字信 号进行修改、删除和强化，并在其他系统芯片中把数字数据解译回模拟数据或实际环境格 式，其实时运行速度远远超过通用微处理器。但是，d s p 的体系仍是串行指令执行系统， 而且只是对某些固定的运算进行硬件优化，故不能满足众多的算法要求。 3 专用集成电路( a s i c ) 专用集成电路( a s i c ) 是针对于某一固定算法或应用而专门设计的硬件芯片，有很强的 实时性。但在实际应用中存在开发周期相对