高速高精度帶鋼表面檢測系統(tǒng)的設計與實現(xiàn)

張培培　呂震宇　趙爽　吳紅霞

摘要：針對帶鋼表面缺陷檢測系統(tǒng)的速度滯后，精度偏低等問題，在分析成像理論和圖像檢測理論的基礎上，設計并實現(xiàn)了一種帶鋼表面缺陷高速高精度在線檢測系統(tǒng)，該系統(tǒng)首先采用大功率半導體均勻發(fā)光激光器技術(shù)、高速線掃描成像技術(shù)和基于圖形處理器的Gabor紋理濾波技術(shù)實現(xiàn)了高速高分辨率的圖像采集和處理，然后采用基于嵌套循環(huán)的K-折交叉驗證、信息增益率和BP神經(jīng)網(wǎng)絡方法構(gòu)建了高準確率的分類器，以達到對帶鋼表面缺陷高速高精度在線檢測，實驗結(jié)果表明，該系統(tǒng)滿足了現(xiàn)有帶鋼生產(chǎn)速度的要求，具有較高的精度和準確率。

關(guān)鍵詞：圖像采集和處理；圖像檢測；Gabor紋理濾波；神經(jīng)網(wǎng)絡

DoI：10.15938/j.jhust.2016.06.009

中圖分類號：TPl83；TP391.4

文獻標志碼：A

文章編號：1007-2683（2016）06-0044-06

0.引言

鋼鐵企業(yè)為了提高競爭力，對帶鋼的生產(chǎn)提出了新的要求，也對帶鋼表面檢測系統(tǒng)提出了更高的要求，既要有更高的檢測速度還要有更加準確的檢測精度，而與此同時，跟隨機器視覺技術(shù)的發(fā)展，帶鋼表面檢測系統(tǒng)也得到了廣泛的研究與應用，主要研究包括：①光源技術(shù)，由于帶鋼檢測對光源要求頻度高、體積小，這限制了傳統(tǒng)光源在其應用，激光具有方向性好、亮度高、體積小等優(yōu)點，被廣泛應用于帶鋼檢測應用中，國內(nèi)的徐科等提出熱軋鋼檢測中用綠光作為激光光源，但激光照明需解決均勻性問題.②掃描技術(shù)，由于電荷耦合元件（charge-coupled device，CCD）能夠?qū)崿F(xiàn)實時檢測，成為目前研究和應用的主流技術(shù)，但是，CCD電荷耦合器需在同步時鐘的控制下，以行為單位一位一位地輸出信息，速度較慢，而互補金屬氧化物半導體（complementary metal oxide semiconductor，CMOS）光電傳感器采集光信號的同時就可以取出電信號，還能同時處理各單元的圖像信息，速度比CCD電荷耦合器快很多，③圖像處理算法，受限于帶鋼加工過程的特性，帶鋼表面呈現(xiàn)出隨機紋理的特點，對于隨機紋理圖像的處理分析，目前常用的方法有共生矩陣法、頻域濾波法、分形法等，作為頻域濾波法的代表，二維Gabor濾波器有著與生物視覺系統(tǒng)相近的特點，廣泛應用于紋理圖像的處理分析，但是，CPU很難滿足現(xiàn)在的帶鋼檢測的實時要求，④分類算法，特征選擇的主流算法是主成分分析和信息增益，主成分分析存在特征向量方向不一致的問題，而且如何確定主成分存在主觀性，信息增益可以衡量特征的優(yōu)劣，利用它可對特征進行排序，方便后面的特征選擇，但信息增益適用于離散特征，信息增益率既適用于離散特征也適用于連續(xù)特征，被廣泛應用于特征選擇的過程中，圖像分類算法主流算法包括支持向量機和BP神經(jīng)網(wǎng)絡，支持向量機不適用于大樣本的分類問題，BP神經(jīng)網(wǎng)絡方法具有能夠解決非線性分類問題，對噪聲不敏感等優(yōu)點，被廣泛應用于帶鋼檢測中，如王成明等提出的基于BP神經(jīng)網(wǎng)絡的帶鋼表面質(zhì)量檢測方法等，但是BP神經(jīng)網(wǎng)絡的超參的設定往往具有隨機性，這嚴重影響了分類效果。

本文首先介紹了帶鋼表面缺陷高速高分辨率成像系統(tǒng)的設計，針對光源的不均勻性、圖像處理速度慢等問題，提出改進方法，然后介紹了分類器的構(gòu)建，針對樣本劃分的隨機性、特征選擇的隨機性以及BP神經(jīng)網(wǎng)絡超參設定的隨機性問題，做出改進，最后介紹試驗結(jié)果。

1.帶鋼表面缺陷高速高分辨率的成像系統(tǒng)的設計

1）大功率半導體均勻發(fā)光激光器技術(shù)，激光能夠保證帶鋼表面缺陷的檢出率，本系統(tǒng)選用808mm半導體激光器作為照明源，出光功率可達30w，亮度可達1500流明，激光照明需解決均勻性的問題，本文采用了基于鮑威爾棱鏡的激光線發(fā)生辦法，解決了激光照明的均勻性問題，其光路如圖1所示。

該方法首先在激光聚焦位置放置圓形球面透鏡，負責將發(fā)散的激光束匯聚成準平行光，同時控制光柱的粗細，然后，利用鮑威爾棱鏡的擴散效果對圓柱的一個方向進行擴束，最終形成激光線，為保證亮度及寬度的適應性，激光器出光口距離圓透鏡、鮑威爾棱鏡的距離可以精密調(diào)整，為了降低反射亮度損失，在透鏡表面鍍上808±5nm的T≥99%的增透膜。

GPU的算法分為兩個流程：訓練過程主要針對無缺陷圖像進行，通過訓練完成紋理圖像的背景建模，一方面消除背景變化帶來的干擾，另一方面形成有效的Gabor卷積參數(shù)，以便在檢測過程中得到最優(yōu)的檢出效果.檢測過程對實際拍攝的缺陷圖像進行分析，首先按照GPU的核心數(shù)和緩存大小對圖像進行分解，本文所有GPU的核心數(shù)為1024，顯存2G，因此將原始圖像分解為1000塊，分別加載到1000個核心中，同時并發(fā)運行卷積運算.最后將各個窗口的卷積結(jié)果合并到一起，得到完成的濾波結(jié)果，最后借助于背景模式，將背景的干擾消除，得到干凈的缺陷區(qū)域。

3）成像系統(tǒng)，根據(jù)缺陷檢測的精度要求（1800m/min的檢測速度，0.25mm的精度），帶鋼的規(guī)格要求（1900 mm規(guī)格），對帶鋼進行成像系統(tǒng)設計，基于互補金屬氧化物半導體（CMOS）的成像芯片具有速度快，用電低等優(yōu)勢，選用兩個4K線掃描CMOS相機作為成像核心器件，選用Camera Link Full接口作為數(shù)據(jù)輸出，兩個4K掃描中間重疊100mm作為圖像拼接區(qū)，兩組線激光光源與線掃描組成系統(tǒng)的主要成像模塊，成像系統(tǒng)結(jié)構(gòu)如圖3所示。

2.構(gòu)建分類器

檢測缺陷類別及其特征描述如表1所示：

1）訓練集和樣本集劃分.主要缺陷類別有5個，每個類別收集樣本7000，共計35000個樣本，為了避免訓練集和樣本集劃分的盲目性，采用10一折交叉驗證的方式劃分訓練集和測試集，即將樣本集分成10份，從中選1份為測試集，剩下的為訓練集，如圖4所示，究竟選擇哪一份作為測試集，需在后面的嵌套循環(huán)中實現(xiàn)。

2）特征選擇，缺陷區(qū)域的長度、寬度、面積、區(qū)域?qū)Ρ榷鹊裙灿?38個特征形成初始特征集合，利用信息增益率來對各個特征排序。

上述各循環(huán)組合在一起就是一個嵌套循環(huán)，其N-S盒圖如圖5所示，最外層是測試集和訓練集的10折交叉驗證，第1層是確定最優(yōu)的特征數(shù)，第3層是確定最優(yōu)的隱含層節(jié)點數(shù)，第4、5層是確定最優(yōu)的輸入層和隱含層、隱含層和輸出層的初始權(quán)值。

經(jīng)以上循環(huán)，確定D3作為測試集，最優(yōu)特征數(shù)為23個，最優(yōu)的隱含層節(jié)點數(shù)是46個，同時也確定了最優(yōu)的初始權(quán)值，對應的3層BP神經(jīng)網(wǎng)絡的網(wǎng)絡模型如圖6所示。

3.實驗結(jié)果

1）鮑威爾棱鏡與柱透鏡進行對比在實際工作距離1.5m處，采用0.1m為間隔使用光功率計測試光源功率，如圖7所示，橫軸為測試點，縱軸為測試點的光功率。實驗表明，鮑威爾棱鏡均勻性優(yōu)于柱透鏡。

2）Gabor濾波方法與其他方法比較將動態(tài)閾值法+Blob分析法（方法A）和灰度共生矩陣紋理背景消除法（方法B）兩種方法與Gabor濾波方法進行比較，如圖8所示.由于缺陷與背景灰度相近（圖（a）），致使方法A缺陷丟失（圖（b）），由于缺陷與背景紋理相近（圖（d）），致使方法B產(chǎn)生噪聲（圖（e）），Gabor方法取得了不錯的效果（圖（e）、（圖（f）））。

3）GPU與CPU比較以4096×4096的圖像為例，選10幅有代表性圖像，利用CPU（最新的intel◎i7-2600處理器，4核8線程，2.6GHz，內(nèi)存8G）和GPU（nVidia◎GTX970，4G緩存顯卡）進行Ga-bor運算，計算時間如表2所示，GPU計算效率明顯優(yōu)于CPU，其中CPU的平均耗時為290.4ms，而GPU的平均耗時為31.7ms。

4）檢測效果在產(chǎn)線速度為1775m/min，最小檢測缺陷的尺寸為0.25mm的檢測系統(tǒng)中，對帶鋼的主要4種類型缺陷進行檢測統(tǒng)計，檢測結(jié)果如表3所示。

可計算出整體檢出率99.9%，檢測準確率99.4%。

4.結(jié)論

本文提出將基于鮑威爾棱鏡的大功率激光器應用到光源的設計中，保證光源光照的均勻性；提出了新的帶鋼表面缺陷檢測系統(tǒng)的成像系統(tǒng)結(jié)構(gòu)設計，保證了快速、高精度的生成圖像；提出了基于GPu的二維Gabor濾波圖像處理的算法，滿足了實時處理的要求；提出了基于嵌套循環(huán)的分類器擇優(yōu)算法，避免了樣本集選擇、特征選擇和BP神經(jīng)網(wǎng)絡參數(shù)設定的盲目性。借助上述技術(shù)，系統(tǒng)實現(xiàn)了較好的效果，滿足當前帶鋼生產(chǎn)的檢測需求。