基于機器視覺的鋁包鋼母線表面缺陷檢測系統的研發和應用

繆旭光 王文輝 趙海倫 李發才 劉 傳 徐 昊 駱德國

(1.中天電力光纜有限公司,江蘇 南通 226463; 2 江蘇中天科技股份有限公司,江蘇 南通 226463;3 上海工業自動化儀表研究院有限公司,上海 200233)

鋁包鋼是在加熱條件下包覆一層均勻連續鋁材的高碳鋼絲圓整線[1]。在連續擠壓包覆過程中,常會產生露鋼、包覆不圓、包覆外徑波動大、氧化鋁毛刺等缺陷,不僅影響產品質量,還會導致拉拔斷線。目前主要通過目測、觸感或采用噴漆等方法檢測鋁包鋼線的缺陷[2],但誤差較大,而且高速生產線采用上述方法會出現漏檢和誤檢[3]。為此,國內有企業嘗試采用渦流探傷技術檢測上述缺陷,但難以區分缺陷的尺寸和種類,且會有誤報等現象[4]。此外,也有企業通過在線激光測徑儀檢測外徑波動量,以顯示鋁包鋼線表面凹坑或毛刺等缺陷,但難以精確檢測。本文采用基于機器視覺的高速采集、圖像智能化分析等技術,即基于機器視覺的鋁包鋼母線表面缺陷檢測系統檢測鋁包鋼母線的表面缺陷,以提高產品質量。

1 檢測系統結構

基于機器視覺的鋁包鋼母線表面缺陷檢測系統由機械傳動系統、電氣控制系統、圖像智能采集系統、標識系統和外觀缺陷軟件算法系統5部分構成,其硬件結構的外觀和檢測界面如圖1所示。鋁包鋼母線為被檢測產品,檢測過程中作直線運動,考慮到鋁表面對光的強反射,圖像智能采集系統選用背發式平面漫發射光源,采用暗場照明,即通過在相機周圍增加反光板,增加藍色光源,并通過調節反光板輸出功率來改變輸出光的明亮度。此外,設計了多臺數字型恒流控制器,以便同時操作多臺反光板光源,其色示溫度能單獨調節,以確保獲得最佳的曝光效果[5]。工業相機是圖像智能采集系統的核心部件,共采用3臺相機,通過3個130萬像素分辨率為1 000的Gige接口與主機連接。為保證鋁包鋼線纜表面全覆蓋檢測,以被測鋁包鋼母線中心為圓心安裝3臺工業相機,沿距采集點圓心一定半徑的圓周均勻布置。經工業相機成像和后期圖形處理后在上位機畫面實時顯示圖像。

由于連續擠壓包覆不平衡張力的影響,鋁包鋼母線易振動而偏離中心,從而影響視覺設備的檢測。為此對檢測區母線的運行軌跡做了限制,即進線區和出線區分別設置2個氣輪,由上下氣輪構成,檢測觸發信號通過2個氣缸帶動4個上下氣輪將鋁包鋼母線壓緊,以使母線在檢測區平穩運行[6]。為防止生產中鋁包鋼線突然斷裂而擊打相機鏡頭,圍繞相機設置了國標規定的黃色安全防護金屬罩。特別是在包覆線盤首尾端30 m范圍內,為防止因擠壓模腔內壓力波動導致包覆母線表面產生毛刺等缺陷,設置了設備到此處會自動退出檢測的程序。對于檢測中出現較長的鋁層端部翹起,控制系統設置了自動預警、退出、標記、記錄缺陷位置等功能以保護鏡頭[7]。運行中識別出預設缺陷特征后,檢測系統將自動啟動聲光報警,并在0.5 s內完成噴碼標記、拍照、記錄、存儲等動作。

圖1 鋁包鋼線表面缺陷檢測設備的外觀(a)和檢測界面(b)Fig.1 Appearance(a) and detection interface(b) of the equipment detecting surface detects of aluminum-clad steel wire

2 鋁包鋼母線表面缺陷分類

雖然鋁包鋼母線表面缺陷主要有氧化物堆積和露鋼,如圖2所示,但按外觀又可細分為顆粒狀、環狀堆積,單邊、單環、多環露鋼等形態[8]。為方便檢測及統一管理和控制,將母線缺陷分為邊緣和非邊緣缺陷,前者主要指非規則線徑變化,包括毛刺、飛邊、線徑突變等;后者主要指線纜主體的氧化物堆積、露鋼及顆粒狀、環狀堆積等[9]。所設計的機器視覺能針對這些缺陷進行分類,并進行在線識別、噴碼標記、拍照記錄和存儲處理。

3 系統的核心算法

由于工業相機采集的圖像常發生圖形干擾噪聲、亮度和對比度低等問題,檢測系統主要通過圖3所示的圖像灰度直方圖的模擬計算來選擇閾值[10]。

為解決無法全部提取鋁包鋼母線區域的問題,采用先確定鋁包鋼母線上下邊界區域的方法,即將鋁包鋼母線圖像分為上側背景、中間母線、下側背影等3部分。當母線區域跨越圖像的最上側或最下側時,以這兩側作為母線長度對鋁包鋼母線進行描述,即通過上下邊界提取鋁包鋼母線區域。能否確定鋁包鋼母線的上下邊界取決于鋁包鋼上下邊界區域的母線相對中間區域的母線是否具有更好的抗干擾特性,反射光的照度較強,灰度值遠大于分割閾值[11],為此設置了4個步驟的測量流程,如圖4所示。

圖3 檢測系統采集的圖像灰度值的模擬計算Fig.3 Analogue computation of gray value of image collected by the detection system

圖4 檢測系統的四步測量流程Fig.4 Four-step measurement process of the detection system

第1步:設置固定閾值法對采集到的母線圖像二值化;第2步:將二值化母線圖像通過面積篩選提取面積最大的連通區域;第3步:對最大的連通域進行掃描獲取母線區域的上下邊界;第4步:通過上下邊界確定最終的母線區域,并做提取[12]。當系統找到母線區域后進行灰度特征計算,然后對比缺陷標準圖片庫,對缺陷特征進行匹配并判斷缺陷類型,控制系統指令噴碼系統同步進行記號標識,同時相機對缺陷進行拍照記錄,聲光報警通知作業人員現場檢查,人工處理也可介入。系統的表面缺陷檢測算法控制流程如圖5所示。

圖5 表面缺陷檢測算法控制流程Fig.5 Control flow sheet of the detection algorithm for surface defects

4 生產應用及效果

該系統占地僅1.5 m2,在高速生產線現場對不同尺寸和類型的缺陷樣品進行了測試驗證。結果表明:能檢測到的最小缺陷尺寸為2 mm;當產線的生產速率增大到2.2 m/s時,鋁包鋼母線表面的瑕疵均能檢測到,系統界面能正常報警,能滿足高速生產鋁包鋼母線的要求。

由于系統的相機縱向分辨率為800 dpi,產線采集中雖有導線輪定向,但鋁包鋼母線仍會出現一定的偏移。特別是生產直徑大于10 mm的線纜時,母線常偏移到相機的采集視野以外,不能實現360°全景采集。在檢測標記的200處缺陷時,有8處識別錯誤,其識別準確率大于95%。圖6為檢測發現有尺寸和類型不同的缺陷的母線形貌。

圖6 母線的直徑2 mm的粒狀氧化鋁(a)、直徑3 mm的半環狀氧化鋁(b)、直徑6 mm的環狀氧化鋁(c)、直徑2.5 mm的針眼狀露鋼基體(d)、直徑5 mm的環狀露鋼基體(e)和7 mm長的片狀露鋼基體(f)Fig.6 2-mm-diam granular alumina(a), 3-mm-diam semi-annular alumina(b), 6-mm-diam annular alumina(c), 2.5-mm-diam pinhole exposed steel substrate(d), 5-mm-diam annular exposed steel substrate(e), and 7-mm-slong flaky exposed steel substrate on the bus

5 結論

(1)開發了一套基于機器視覺的線纜高速自動化表面缺陷在線檢測系統,其圖像智能采集系統采用背發式平面漫發射光源并結合暗視場照明,解決了鋁表面對光線的強反射問題。以鋁包鋼母線為檢測中心,沿距離中心一定半徑的圓周均勻布置3臺相機,能保證母線表面檢測無死角。

(2)外觀缺陷軟件算法系統將母線缺陷分為邊緣和非邊緣兩種,能解決鋁包鋼母線表面缺陷多、難以檢測和統一管理的問題;為解決不同尺寸特別是大尺寸鋁包鋼難以提取完整母線區域的問題,首先確定鋁包鋼母線上下邊界區域,隨后采取4個圖像檢測步驟以確保母線區域的完整提取。

(3)生產中該檢測系統能有效識別鋁包鋼母線的露鋼、氧化鋁等缺陷,高速在線檢測的準確率高達95%。