基于机器视觉的带钢表面缺陷检测技术

2023-06-28 理论教育版权反馈

【摘要】：解决方案基于机器视觉的带钢表面缺陷检测系统的硬件框架主要由照明设施、CCD摄像头、图像处理计算机、服务器及局域网等组成，如图10-15所示。带钢表面的照明设施采用一种特殊的红外光源阵列，CCD行扫描摄像机组横向排列在带钢生产线上，摄像机的横向及纵向可视范围相互重叠，以确保不出现漏检。CCD摄像机采集的图像经光纤传至图像处理计算机组，进行图像处理及模式识别。

带钢作为钢铁工业的主要产品之一，已成为家电、汽车、机械制造、航空航天和造船等工业必不可少的原材料，其表面质量不仅会影响最终产品的外观，更能直接影响着最终产品的使用性能。近年来，由于用户需求的提高、市场竞争的加剧以及企业内部优质、高产、低耗的生产压力对带钢表面质量提出了越来越高的要求。国内企业还一直沿用开卷抽检或者频闪光检测等方法检测表面缺陷，停留在人工目视检测的阶段，由于受检测速度和频度的限制，无法形成准确、有效的带钢表面质量综合评定。

（1）解决方案

基于机器视觉的带钢表面缺陷检测系统的硬件框架主要由照明设施、CCD摄像头、图像处理计算机、服务器及局域网等组成，如图10-15所示。带钢表面的照明设施采用一种特殊的红外光源阵列，CCD行扫描摄像机组横向排列在带钢生产线上，摄像机的横向及纵向可视范围相互重叠，以确保不出现漏检。CCD摄像机采集的图像经光纤传至图像处理计算机组，进行图像处理及模式识别。识别结果连同生产线相关信息被送入服务器数据库进一步处理及存档，并生成各种现场生产信息统计报告。

pagenumber_ebook=260,pagenumber_book=244

图10-15　带钢检测硬件部分

本系统设计了一个组合式的多级分类器，综合了规则表分类器和模糊神经网络分类器技术，将规则表分类器的实时处理能力和模糊神经网络的自学习能力相结合，并有效利用了专家经验，扬长避短，很好地实现了带钢表面缺陷的分类。

（2）系统效果

本系统已在上海宝钢集团的冷轧生产线做了初步测试，系统对16类预先定义的缺陷进行了训练，测试集包括16类预先定义的缺陷和一些其他类缺陷。实验结果表明，本系统的平均识别率达到90.1%，识别率较高，可以满足绝大多数带钢生产线的质量监控要求。该系统具有较好的自学习能力以及较强的适应性和可移植性，可以充分利用专家经验，分类器的生成和维护也较简单，可以很好地应用在钢铁企业的实际生产线中。

基于机器视觉的带钢表面缺陷检测技术

相关推荐