基于機器視覺的帶鋼表面缺陷檢測系統的設計

陳紫鵬

摘要：針對帶鋼的表面質量檢測進行專門化研究，設計了基于機器視覺的帶鋼表面缺陷檢測系統，從系統硬件結構、軟件設計兩方面進行深入分析與研究。其硬件結構包括圖像傳感器、高速 CCD 相機、光源設計;軟件設計包括圖像濾波去噪、缺陷特征的提取和選擇、表面缺陷檢測與辨識。根據實驗結果的比對可知，本文設計的基于機器視覺的帶鋼表面缺陷檢測系統在對帶鋼表面缺陷進行檢測時，隨著試驗次數的累加，其精測精度均比傳統系統要高，證明本文設計具有較高的實用性和有效性。

關鍵詞：機器視覺;帶鋼;表面缺陷;檢測

0 ?引言

質量檢控在鋼鐵行業中所起作用日漸明顯和重要，帶鋼表面缺陷作為影響其質檢環節是否過關的關鍵因素，其檢測對于提升最終質量具備極其重要的作用。傳統的人工檢測法早已無法滿足現實生產需求，所以對帶鋼表面缺陷檢測系統進行深度研究已成為如今鋼鐵單位的共識[1]。機器視覺作為現今一門新興的實用型技術，具備速度快、精度較高、抗干擾能力強等一系列優勢，市場前景極為優秀。

1 ?基于機器視覺的帶鋼表面缺陷檢測系統的硬件設計

1.1 圖像傳感器

圖像傳感器作為相機的關鍵組件，其主要功能就是將相機采集到的圖像轉變成由特定格式組成的有效數據，并上傳至計算機[2]。圖像傳感器的好壞會直接影響到后續環節中圖像處理與解析的難易程度。普通的圖像傳感器主要包括電荷耦合組件和互補金屬氧化物場效應管兩種。CCD圖像傳感器上具備一定的光電轉變、電荷儲存和獲取功能，最終將光信號轉換為計算機可讀的數字信號，CCD圖像傳感器在實踐操作中大規模應用[3]。

1.2 高速CCD相機

帶鋼表面缺陷檢測的實現必須率先從帶鋼圖像的采集開始，選取合適的相機完成圖像采集[4]。備選傳感器包括CMOS圖像傳感器、線陣或面陣CCD圖像傳感器。CMOS圖像傳感器具有生產成本較低、合成度較高的優點，工藝程序相對來說比較簡單，可在信號采集與噪音處理方面遠不及CCD傳感器，并不適合廣泛應用在生產環境極端惡劣的工業生產中。基于機器視覺的帶鋼表面缺陷檢測系統，系統可選取線陣CCD相機或者面陣CCD相機，表1是線陣CCD與面陣CCD相機各方面性能比較。

根據表1中各項數據的對比，同時綜合考慮到系統應用于帶鋼表面缺陷的相關檢測，因而本系統選擇高速線陣CCD相機。本系統按照帶鋼寬度選取相機的數量，相機選擇DPLKA線陣CCD相機，同時依據控制理論和時序概論對多臺相機采集時間實現同步把控。

1.3 光源設計

工業視頻相機的最短曝光時間大概是1/10000秒大概約位100us，針對現場的高速運動目標，在100us時間里，對于運動速度為10m/s的帶鋼鋼卷，其發生了10mm的位移，就會造成0.05mm的缺陷甚至更小的缺陷模糊不清，無法實現精準檢測，因而我們必須利用其它設備來保證更短的曝光時間。為有效解決這個問題，本文系統使用頻閃燈作為主導光源，同時對于熱軋帶鋼生產實踐過程中，利用藍光透鏡濾片與紅外線光阻離濾片幫助完成帶鋼表面圖像信息的采集。另外，為了保證頻閃光的開啟一直同步于快門開啟時間，借助相機與光源的外部接收頭上傳同步信號，其中相機的觸動不單同步于頻閃燈，還必須和板卷速度相同步。

2 ?基于機器視覺的帶鋼表面缺陷檢測系統的軟件設計

2.1 圖像濾波去噪

現場拍攝場景下獲得的帶鋼表面圖像信息容易受到周圍環境、照明情況以及相機本身等各種因素的影響出現圖像噪聲。噪聲對于后期識別過程的紋理、尺寸、灰度特征的提取有著非常重要的影響，直接影響到最終識別結果的精度。所以在對圖像進行后續操作以前，需要過濾掉噪聲。圖像的噪聲類別很多，對圖像信號頻率和相位的影響十分復雜，有些噪聲和圖像信號之間毫無關聯，有些則密切相關。因而必須降低圖像中的噪聲，針對實際狀況采取不同措施，否則很難獲得令人滿意的效果。理想狀態下，噪聲屬于高頻信號，在處理過程中有必要選擇低通濾波器[5]。可圖像的邊緣信息也屬于高頻信號，其中含有被測物體的大部分特征信息，是后續圖像處理過程中必須提取的關鍵信息。在此基礎上，對于圖像濾波方法的選擇上，以中值濾波為最優。中值濾波就是利用一個內含奇數點的滑動窗口，將窗口中間的點值用窗口內各點的均值取代。假定窗口內有5點，其值為10、60、200、110、220，那么這個窗口內各個點的均值就是110。假設有一個二維序列f1f2…fn，取窗口長度為m（m是奇數），對這個序列采取中值濾波法，即從輸入序列中依次選出m個數，其中fi代表窗口各數的均值，用表示，再將這m個點的具體值根據數值大小依次排列，取其正中間的序號作為濾波進行外部輸出。用公式表示為：

公式中，Z代表窗口內各個像素構成的點集，Y則代表此窗口的中值濾波值。

2.2 缺陷特征的提取和選擇

特征提取作為系統內圖像處理過程的一個關鍵環節，是確保系統實用性和缺陷識別準確性的重要流程，在實際應用過程中，特征提取也是帶鋼表面缺陷識別中較為困難的任務。在系統檢測和識別缺陷的過程中，特征提取作為其中的重要一步，它也是神經網絡判斷帶鋼圖像是否存在缺陷或分類的前提條件。系統對鋼板圖像進行檢測的首要一步就是檢測圖像有無缺陷，因此缺陷提取的第一步就是匯總分析出所有缺陷的共有特征，以此作為神經網絡判斷圖像有無缺陷的重要依據。系統檢測鋼板圖像的第二步就是對存在缺陷的鋼板圖像進行精準分類。因為鋼板圖像的缺陷有很多，因而僅僅利用單一的某種特征是無法準確全面地描述出所有缺陷的種類，既而也就無法對所有的缺陷完成精準分類，只有匯總多種特征才可以精準的描述出所有缺陷特征，從而實現準確分類。

2.3 表面缺陷檢測與辨識

帶鋼表面缺陷檢測系統在作業過程中需要逐個檢查每一個存在疑似缺陷的圖像。首先根據順序逐個掃描疑似缺陷圖像，再選擇合適的高斯模板，之后以掃描點為中心，計算出高斯加權值，確定動態閾值范圍，利用動態閾值范圍對疑似缺陷圖像進行檢測和評判，最后將可以確認的缺陷圖像輸入缺陷單元標記庫內，否則不做任何處理。待將整塊疑似缺陷圖像全部完成掃描后，再逐個進行缺陷排除。該功能主要是在現場軟件設計安排以后執行命令，因為其需要和一線工作人員進行預先交流，構建常見缺陷庫。缺陷庫的構建方法是將已確認的缺陷進行采樣，對圖像的分辨率、尺寸、參照線進行具體采樣，將常見缺陷特征具象化，通過一系列的離線整合、在線驗證確任缺陷類別。因而缺陷庫的構建主要是為了將這些缺陷圖像輸入數據庫，構建圖像和缺陷類別之間的匹配對應關系，而缺陷特征被具象化是為了和實時采集的帶鋼圖像進行比較，當比較結果的相似度超過闕值時，就能夠初步判斷出目前采集的帶鋼圖像具備該缺陷，然后將該圖像儲存在該缺陷類別目錄之下，后續在此目錄部署下做進一步的缺陷識別，最終實現該缺陷類型的識別檢測。

3 ?工程實驗與效果分析

為了更加具體直觀的看出本文設計的基于機器視覺的帶鋼表面缺陷檢測系統的實際應用效果，特與傳統的帶鋼表面缺陷檢測系統進行比對，對其缺陷的檢測精度大小進行比較。

3.1 實驗準備

為確保實驗的準確無誤，在排除干擾條件，保證其他實驗條件一致的情況下，將兩種帶鋼表面缺陷檢測系統置于相同的試驗環境之中，進行檢測精度的試驗。

3.2 實驗結果分析

實驗過程中，通過兩種不同的帶鋼表面缺陷檢測系統設計同時在相同環境中進行工作，分析其檢測精度的變化。實驗效果對比圖如圖1所示。

根據實驗結果的比對可知，本文設計的基于機器視覺的帶鋼表面缺陷檢測系統在對帶鋼表面缺陷進行檢測時，隨著試驗次數的累加，其精測精度均比傳統系統要高，證明本文設計具有較高的實用性和有效性。

4 ?結束語

本文對基于機器視覺的帶鋼表面缺陷檢測系統的設計進行分析，根據機器視覺技術的應用要求，依托帶鋼表面質量的好壞，對其表面缺陷檢測進行調整優化，實現本文設計。實驗論證表明，本文設計的方法具備極高的有效性。希望本文的研究能夠為基于機器視覺的帶鋼表面缺陷檢測系統的設計方法提供理論依據。

參考文獻：

[1]王宇，吳智恒，鄧志文，等.基于機器視覺的金屬零件表面缺陷檢測系統[J].機械工程與自動化，2018，34（4）：210-211，214.

[2]延西，趙夢.基于CNN的帶鋼表面缺陷檢測[J].重型機械，2019，15（2）：25-29.

[3]閆俊紅，何家明，李忠虎.基于圖像處理的鋼板缺陷檢測方法[J].光電技術應用，2019，34（3）：12-15，39.

[4]王少，陳斌，司小明，等.熱軋板帶表面質量智能化自動判定系統的開發應用[J].中國冶金，2019，29（7）：70-73，78.

[5]張翔宇，王燕霜，張仕海.鋼板表面缺陷在線視覺檢測系統[J].機床與液壓，2019，47（4）：120-123.