一種帶鋼表面缺陷在線智能識別檢測系統(tǒng)及其檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及冷軋鋼板表面質(zhì)量信息在線檢測技術(shù)，尤其涉及一種帶鋼表面缺陷在線智能識別檢測系統(tǒng)及其檢測方法。
【背景技術(shù)】
[0002]我國是鋼鐵生產(chǎn)大國，帶鋼由于其廣泛的應(yīng)用范圍已成為汽車生產(chǎn)、機(jī)械制造、化工、航空航天、造船等工業(yè)不可缺少的原材料，其中帶鋼表面的質(zhì)量對其總體質(zhì)量乃至市場競爭力起著決定性作用。帶鋼制備工藝分為冷軋帶鋼工藝、熱軋帶鋼工藝兩種。其中，冷軋帶鋼工藝包括:酸洗、乳制、退火、乳制尺寸同步潤滑、上防銹油、平整定尺、拋光與包裝；熱軋帶鋼工藝包括:加熱爐、除磷機(jī)、粗軋機(jī)、除磷機(jī)、精軋機(jī)、表面質(zhì)檢儀、層冷、卷取機(jī)、打捆、噴號機(jī)與卷庫板坯。
[0003]帶鋼制備工藝步驟比較復(fù)雜，同時會由于受軋制設(shè)備、加工工藝等方面因素的影響，使得帶鋼表面容易形成輥印、擦傷、孔洞等幾十種不同類型的缺陷，這些缺陷嚴(yán)重影響了最終產(chǎn)品的性能和質(zhì)量。目前，帶鋼表面質(zhì)量缺陷檢測多采用人工目測的方法，或者單純的機(jī)電技術(shù)或者光學(xué)技術(shù)檢測方法。
[0004]人工檢測方式具有如下缺點(diǎn):具有無法長時間在現(xiàn)場蹲守，尤其是惡劣的生產(chǎn)環(huán)境，無法做到24小時在線檢測；無法對一些微小的如空洞，劃傷等嚴(yán)重缺陷進(jìn)行檢測；對缺陷的認(rèn)定和判別有很大的主觀性，尤其是現(xiàn)場干擾較大情況下，對質(zhì)量波動影響很大；無法完整準(zhǔn)確的記錄并追蹤帶鋼缺陷，無法對缺陷進(jìn)行細(xì)致的分類和分級量化處理?；趩渭儥C(jī)電技術(shù)或光學(xué)及時的檢驗(yàn)方式如渦流檢測要求的技巧性高，拋光表面或者粗糙表面會影響檢測結(jié)果。漏磁檢測方法不能檢測粗糙的表面，對缺陷不能精準(zhǔn)識別。激光檢測方法成本高難于維護(hù)。
[0005]申請?zhí)枮?00610117168.6的專利申請文件中公開了一種基于機(jī)器視覺的帶鋼表面缺陷測試平臺及其檢測方法，可以模擬帶鋼直線運(yùn)動、通過像機(jī)和光源配合試驗(yàn)，從而獲取帶鋼缺陷最佳圖像的測試平臺的構(gòu)建方法；申請?zhí)枮?00510010049.6的專利申請文件中公開了一種線陣圖像式帶鋼表面在線缺陷檢測裝置及其檢測方法，通過一種在線監(jiān)測裝置的結(jié)構(gòu)實(shí)現(xiàn)在一臺電腦上完成對帶鋼表面實(shí)時監(jiān)測的方法；上述兩種檢測方法均沒有提出新的檢測和分類方法，不能實(shí)時、全面、精準(zhǔn)的對帶鋼表面缺陷進(jìn)行檢測和分類。申請?zhí)枮?00910092408.5的專利申請文件中公開了一種連鑄板坯表面裂紋在線檢測方法，該方法實(shí)現(xiàn)了對高溫板坯的在線裂紋檢測，但是該方法只能針對一種缺陷實(shí)現(xiàn)在線檢測，而不能同時實(shí)現(xiàn)多種缺陷的在線檢測與分類。
[0006]因此，如何發(fā)明一種具有實(shí)時檢測、精準(zhǔn)分類和高準(zhǔn)確率的帶鋼表面缺陷在線智能識別檢測系統(tǒng)及其檢測方法是本領(lǐng)域技術(shù)人員有待解決的技術(shù)難題。

【發(fā)明內(nèi)容】

[0007]針對現(xiàn)有技術(shù)存在的問題，本發(fā)明為要解決的技術(shù)問題提供了一種具有實(shí)時檢測、精準(zhǔn)分類和高準(zhǔn)確率的帶鋼表面缺陷在線智能識別檢測方法，該方法解決了帶鋼表面缺陷檢測技術(shù)中檢測手段單一的問題。本發(fā)明另一方面還提供了一種帶鋼表面缺陷在線智能識別檢測系統(tǒng)，該系統(tǒng)結(jié)構(gòu)簡單，功能全面，且檢測手段豐富，可適用于不同類型的帶鋼表面缺陷的檢測。
[0008]為解決上述技術(shù)問題，本發(fā)明包括以下的技術(shù)方案:
[0009]一種帶鋼表面缺陷在線智能識別檢測方法，包括以下步驟，
[0010]步驟101光源照射帶鋼的上、下表面，通過高速線陣C⑶對帶鋼表面原始圖像進(jìn)行采集，采集到的原始圖像轉(zhuǎn)換為數(shù)字信息后傳入圖像處理器；
[0011]步驟201圖像處理器對傳入的原始圖像的數(shù)字信息進(jìn)行校正，然后對校正后的疑似缺陷圖像進(jìn)行實(shí)施分割與圖像特征的提取，并傳入檢測計算機(jī)；
[0012]步驟301檢測計算機(jī)去除偽缺陷目標(biāo)，同時基于基本條件過濾方式合并同類型缺陷，然后進(jìn)行特征規(guī)則檢測識別；
[0013]步驟401檢測計算機(jī)加載若干缺陷分類規(guī)則集，通過缺陷分類規(guī)則集對特征規(guī)則檢測識別無法識別的缺陷目標(biāo)進(jìn)行檢測識別；
[0014]步驟501檢測計算機(jī)對缺陷分類規(guī)則集無法識別的缺陷類型進(jìn)行特征加權(quán)歸一化處理將其量化，基于樣本模型庫通過SVM方法對量化處理后的缺陷目標(biāo)進(jìn)行檢測識別；
[0015]步驟601檢測計算機(jī)基于設(shè)定屬性條件對識別出來的缺陷目標(biāo)進(jìn)行的分級處理；
[0016]步驟701帶鋼的原始缺陷圖像和檢測計算機(jī)的檢測識別結(jié)果進(jìn)行存儲與顯示。
[0017]本發(fā)明的步驟201具體為:圖像處理器采用GPU并行計算的自適應(yīng)影像增強(qiáng)技術(shù)對缺陷圖像進(jìn)行非線性校正與影像增強(qiáng)；通過分割算法對校正后的疑似缺陷圖像進(jìn)行實(shí)時分割，并提取其幾何、顏色、紋理和拓?fù)涞葓D像特征。
[0018]步驟401中的缺陷分類規(guī)則集為通過人為編輯分類規(guī)則由檢測計算機(jī)合成的指定目標(biāo)規(guī)則。
[0019]步驟501中特征加權(quán)歸一化處理具體為:缺陷圖像的幾何、顏色、紋理和拓?fù)涞葓D像特征被賦予特征值后進(jìn)行混合加權(quán)，量化成特定的特征向量。
[0020]步驟501中的樣本模型庫為檢測計算機(jī)經(jīng)過目標(biāo)樣本模擬訓(xùn)練后生成的數(shù)據(jù)庫。
[0021]本發(fā)明的識別檢測方法優(yōu)化了缺陷圖像的采集與成像技術(shù)，采用高速線陣相機(jī)與線性單色光源的圖像成像方式，能夠采集到清晰的疑似缺陷圖像；同時基于統(tǒng)計的光學(xué)補(bǔ)正功能，有效消除了外部環(huán)境對成像的干擾；另外采用GPU并行計算的自適應(yīng)圖像增強(qiáng)技術(shù)，使得成像更為清晰和完整。
[0022]本發(fā)明的識別檢測方法對缺陷圖像的處理也作出了改進(jìn)，通過基于全局統(tǒng)計和局部分析的自適應(yīng)圖像分割/提取技術(shù)，無論是對于精度要求高的單一缺陷還是分布范圍大的面狀缺陷，均可以完整有效的提取出影像中的異常區(qū)域。
[0023]本發(fā)明的識別檢測方法克服了現(xiàn)有技術(shù)中檢測手段單一的問題，首先對缺陷圖像進(jìn)行特征規(guī)則檢測，確定初次缺陷檢測識別結(jié)果；對初次缺陷檢測識別未識別的缺陷類型基于缺陷分類規(guī)則集進(jìn)行次級缺陷檢測識別；由于帶鋼缺陷種類多，缺陷的形態(tài)表現(xiàn)差別很大，從而造成帶鋼缺陷特征相對分散，不容易抽取共性，對于次級缺陷檢測識別未識別的缺陷類型進(jìn)行特征加權(quán)歸一化處理將其量化，并基于樣本模型庫通過SVM方法對量化處理后的缺陷目標(biāo)進(jìn)行檢測識別；本發(fā)明設(shè)計了上述的多級缺陷檢測識別方法，具有實(shí)時檢測、精準(zhǔn)分類和高準(zhǔn)確率的優(yōu)點(diǎn)。
[0024]一種帶鋼表面缺陷在線智能識別檢測系統(tǒng)，該系統(tǒng)包括傳送帶鋼的機(jī)械構(gòu)件，安裝在待檢測帶鋼上方的編碼器，位于待檢測帶鋼上下相對兩側(cè)的線性LED光源和高速線陣CXD相機(jī)，通過千兆內(nèi)部局域網(wǎng)與編碼器、CXD相機(jī)相連接的圖像處理器，用于缺陷檢測、識別與分類的檢測計算機(jī)，用于控制整個系統(tǒng)的運(yùn)行、數(shù)據(jù)的存儲、結(jié)果顯示的服務(wù)器計算機(jī)，以及用于數(shù)據(jù)分析的質(zhì)檢端計算機(jī)。
[0025]本發(fā)明中為了方便報表與缺陷分析結(jié)果的實(shí)時導(dǎo)出，質(zhì)檢端計算機(jī)還連接有打印機(jī)。
[0026]本發(fā)明的有益效果如下:
[0027]本發(fā)明的檢測系統(tǒng)和檢測方法優(yōu)化了缺陷圖像的采集與成像技術(shù)，有效消除了外部環(huán)境對成像的干擾，能夠采集到清晰完的缺陷圖像；本發(fā)明對缺陷圖像的處理技術(shù)也作出了改進(jìn)，通過基于全局統(tǒng)計和局部分析的自適應(yīng)圖像分割/提取技術(shù)，可以完整有效的提取出圖像中的圖像特征；本發(fā)明還設(shè)計了包括初次缺陷檢測識別、次級缺陷檢測識別與SVM識別的多級缺陷檢測識別方法，克服了現(xiàn)有技術(shù)中檢測手段單一的問題，檢測多種類型的帶鋼缺陷均具有實(shí)時檢測、精準(zhǔn)分類和高準(zhǔn)確率的優(yōu)點(diǎn)。
【附圖說明】
[0028]圖1為實(shí)施例1的目標(biāo)樣本模擬訓(xùn)練和缺陷檢測識別流程圖。
[0029]圖2為實(shí)施例1帶鋼表面缺陷在線智能識別檢測系統(tǒng)的工作流程圖。
[0030]圖3為實(shí)施例1帶鋼表面缺陷在線智能識別檢測系統(tǒng)的結(jié)構(gòu)示意圖。
[0031]圖4為實(shí)施例2帶鋼表面缺陷在線智能識別檢測系統(tǒng)的工作原理圖。
【具體實(shí)施方式】
[0032]為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖對本發(fā)明的【具體實(shí)施方式】做詳細(xì)的說明。
[0033]實(shí)施例1
[0034]圖1為本實(shí)施例的目標(biāo)樣本模擬訓(xùn)練和缺陷檢測識別流程圖。帶鋼表面缺陷在線智能識別檢測方法，包括以下步驟，
[0035]步驟101光源照射帶鋼的上、下表面，通過高速線陣CCD對帶鋼表面原始圖像進(jìn)行采集，采集到的原始缺陷圖像轉(zhuǎn)換為數(shù)字信息后傳入圖像處理器；
[0036]本實(shí)施例的識別檢測方法優(yōu)化了缺陷圖像的采集與成像技術(shù)，采用高速線陣相機(jī)與線性單色光源的影像成像方式，能夠采集到清晰的缺陷影像；同時基于統(tǒng)計的光學(xué)補(bǔ)正功能，有效消除了外部環(huán)境對成像的干擾；另外采用GPU并行計算的自適應(yīng)影像增強(qiáng)技術(shù)，使得缺陷成像更為清晰和完整。
[0