圓鋼表面缺陷視覺檢測(cè)技術(shù)研究現(xiàn)狀與展望

，，

（1.山東大學(xué) 機(jī)械工程學(xué)院，濟(jì)南 250061；2.山東萊鋼建設(shè)有限公司上海分公司，上海 200061）

圓鋼作為現(xiàn)代工業(yè)生產(chǎn)中重要的原材料，它的表面質(zhì)量好壞很大程度上影響了最終產(chǎn)品的性能優(yōu)劣。在生產(chǎn)過程中，由于鋼坯原料、軋制設(shè)備和加工工藝等多方面因素，圓鋼表面會(huì)不可避免地出現(xiàn)裂紋、刮傷、結(jié)疤、折疊等多種缺陷。這些缺陷不僅影響產(chǎn)品外形美觀，更重要的是影響產(chǎn)品的強(qiáng)度、耐腐蝕性等機(jī)械性能。在有關(guān)圓鋼的質(zhì)量問題中，由于表面缺陷而導(dǎo)致的失效情況約占總數(shù)的50%［1]，因此圓鋼表面缺陷檢測(cè)環(huán)節(jié)必不可少。

針對(duì)圓鋼表面缺陷，一般檢測(cè)技術(shù)需要解決以下幾個(gè)問題：圓鋼產(chǎn)品是否存在表面缺陷、存在缺陷位置以及存在缺陷的類型。目前世界上有多種檢測(cè)方法，總體有兩類，即離線檢測(cè)和在線檢測(cè)。離線檢測(cè)一般為人工目視或利用手持設(shè)備進(jìn)行檢測(cè)，優(yōu)點(diǎn)是靈活度較高、成本低，但檢測(cè)結(jié)果與工人的經(jīng)驗(yàn)有很大關(guān)系，極易發(fā)生漏檢，而且工作強(qiáng)度高，效率低。在線實(shí)時(shí)檢測(cè)具有檢測(cè)覆蓋率高，無需離線檢測(cè)環(huán)節(jié)，節(jié)省時(shí)間，檢測(cè)效率高，工人工作強(qiáng)度低等諸多優(yōu)點(diǎn)。因此對(duì)于批量圓鋼生產(chǎn)，在線實(shí)時(shí)檢測(cè)是較為合適的檢測(cè)方法。另外在圓鋼生產(chǎn)線的最終軋制環(huán)節(jié)，圓鋼直線運(yùn)行速度可達(dá)100 m/s［2]，這給實(shí)時(shí)缺陷檢測(cè)帶來了很大的挑戰(zhàn)。目前世界上圓鋼生產(chǎn)企業(yè)正在廣泛使用的缺陷檢測(cè)技術(shù)有渦流、超聲波、漏磁和磁粉等傳統(tǒng)檢測(cè)方法，基于機(jī)器視覺的圓鋼表面缺陷檢測(cè)系統(tǒng)也已投入使用。

與傳統(tǒng)無損檢測(cè)技術(shù)相比，基于數(shù)字圖像處理的機(jī)器視覺方法檢測(cè)速度快，可完全在線實(shí)時(shí)檢測(cè)，并且能夠保存檢出的缺陷原始圖像，對(duì)缺陷類型進(jìn)行有效識(shí)別，這些優(yōu)勢(shì)使得機(jī)器視覺技術(shù)逐漸成為圓鋼表面缺陷檢測(cè)的主流研究技術(shù)。文章通過分析國(guó)內(nèi)外最新研究進(jìn)展，提出我國(guó)開展本課題研究的方向和對(duì)策。

1 機(jī)器視覺檢測(cè)方法

基于機(jī)器視覺的圓鋼表面缺陷檢測(cè)系統(tǒng)在應(yīng)用中一般需經(jīng)歷以下幾個(gè)步驟：圖像獲取、圖像處理、特征提取和決策制定［3]，因此整個(gè)系統(tǒng)包括硬件設(shè)備和軟件算法兩大模塊。由于圓鋼生產(chǎn)線無間斷高速運(yùn)行，要滿足在線實(shí)時(shí)檢測(cè)要求，檢測(cè)系統(tǒng)需在很短時(shí)間內(nèi)處理大量圖像數(shù)據(jù)，這在一定程度上限制了圖像處理算法的復(fù)雜程度，因此一般將缺陷檢測(cè)環(huán)節(jié)在線實(shí)時(shí)進(jìn)行，即圖像獲取和圖像處理部分，而將缺陷類型識(shí)別環(huán)節(jié)離線進(jìn)行，即特征提取和決策制定。

對(duì)于圖像獲取部分的光學(xué)采集系統(tǒng)，一般有主動(dòng)光學(xué)和被動(dòng)光學(xué)兩種圖像采集方式。在檢測(cè)過程中，采用外加輔助光源的圖像采集方法稱為主動(dòng)光視覺檢測(cè)法；利用被檢測(cè)物體本身所發(fā)出的光線進(jìn)行圖像采集的方法稱為被動(dòng)光視覺檢測(cè)法。在實(shí)際應(yīng)用中，無論采用哪種檢測(cè)方法，一般均使用電磁波譜中的可見光和紅外光波段。

1.1 被動(dòng)光視覺檢測(cè)方法

被動(dòng)光視覺檢測(cè)工作原理：物體表面特性或溫度不同，它所發(fā)出的紅外光線強(qiáng)度也會(huì)產(chǎn)生變化。根據(jù)此原理，利用紅外傳感器采集被檢物體本身發(fā)出的紅外光線，然后將反映物體表面溫度的紅外線轉(zhuǎn)換為人眼可見的圖像。如果被檢物體表面存在缺陷，則有缺陷處的溫度會(huì)發(fā)生變化，反映在可見圖像上即是圖像像素中存在異常區(qū)域，這樣就可判斷出被檢物體表面是否存在缺陷［4]。

美國(guó)Teledyne公司研究人員利用紅外熱成像原理，設(shè)計(jì)了一套包括圓鋼在內(nèi)的鋼材實(shí)時(shí)缺陷檢測(cè)系統(tǒng)［5]，該系統(tǒng)主要包括紅外相機(jī)、實(shí)時(shí)處理器和系統(tǒng)處理器等幾大模塊。在生產(chǎn)過程中，圓鋼連續(xù)縱向運(yùn)動(dòng)，紅外相機(jī)橫向掃描圓鋼表面，然后形成可見圖像，實(shí)時(shí)處理器通過圖像降噪、像素平均等圖像處理方法判斷圓鋼表面是否存在缺陷，系統(tǒng)處理器主要來判斷缺陷的類型及深度。

對(duì)于熱軋圓鋼表面缺陷檢測(cè)，此方法優(yōu)點(diǎn)是無需設(shè)計(jì)外加光源系統(tǒng)，只需將外界光線與被檢物體隔離即可；缺點(diǎn)是紅外相機(jī)采集圖像速度較慢［6]，采集的圖像對(duì)比度較差、信噪比低［7]，圖像處理比較復(fù)雜，而且若圓鋼中的表面缺陷尺寸太小則難以將其檢出，另外對(duì)檢出的缺陷分類識(shí)別率較低。

1.2 主動(dòng)光視覺檢測(cè)方法

由于圓鋼表面顏色比較單一，若利用彩色圖像分析表面缺陷，則會(huì)造成很多色彩的浪費(fèi)，而且圖像處理算法會(huì)比較復(fù)雜，數(shù)據(jù)的傳輸、處理和保存都需要較多的時(shí)間，不利于在線實(shí)時(shí)檢測(cè)的實(shí)現(xiàn)；而利用灰度圖像檢測(cè)表面缺陷，則可以使用較為簡(jiǎn)單的圖像處理算法，檢測(cè)缺陷所用時(shí)間少，數(shù)據(jù)傳輸速度也較彩色圖像快，便于圓鋼表面缺陷的在線檢測(cè)，因此采用機(jī)器視覺方法檢測(cè)圓鋼表面缺陷時(shí)，一般將灰度圖像作為采集、傳輸和處理的對(duì)象，即用采集到的圖像像素灰度值作為圖像分析的基礎(chǔ)。檢測(cè)原理為：在系統(tǒng)采集的灰度圖像中，缺陷通常表現(xiàn)為灰度的異常，只要利用合理的圖像處理算法檢測(cè)出異常點(diǎn)，再根據(jù)先驗(yàn)知識(shí)即可判斷圓鋼表面缺陷的有無。

盡管圓鋼表面顏色比較單一，但是由于其具有圓形弧度，因此無論從哪個(gè)方向進(jìn)行拍攝，得到的圖像都是中間較亮，兩側(cè)較暗。灰度不一致，意味著圓鋼表面缺陷視覺檢測(cè)系統(tǒng)對(duì)于光照要求更為苛刻，并且在圖像處理算法上比鋼板等平面物體更為復(fù)雜。因此，對(duì)于圓鋼表面缺陷視覺檢測(cè)系統(tǒng)，關(guān)鍵在于設(shè)計(jì)優(yōu)良的圖像采集系統(tǒng)和缺陷實(shí)時(shí)檢測(cè)軟件，目前國(guó)外在主動(dòng)光視覺檢測(cè)技術(shù)方面研究較為成熟。

2004年，美國(guó)密歇根大學(xué)的Hongbin等人提出一種基于支持向量機(jī)（SV M）的圓鋼表面缺陷實(shí)時(shí)檢測(cè)系統(tǒng)［2]。該系統(tǒng)算法流程為：利用水平梯度算子進(jìn)行裂縫缺陷的大致檢測(cè)，然后利用區(qū)域生長(zhǎng)算法得到缺陷的區(qū)域，進(jìn)行特征提取，最后利用SVM判斷圖像有無裂縫缺陷。該系統(tǒng)實(shí)時(shí)性非常好，對(duì)于圓鋼表面的裂縫細(xì)長(zhǎng)缺陷檢出率接近100%，正確識(shí)別率超過90%，但是其缺點(diǎn)也非常明顯，即僅能檢測(cè)縱向裂縫等細(xì)長(zhǎng)缺陷，而對(duì)圓鋼表面其他類型缺陷難以檢測(cè)。

2006年，韓國(guó)浦項(xiàng)工科大學(xué)的研究人員提出一種線材型鋼缺陷的機(jī)器視覺檢測(cè)系統(tǒng)［8]。該系統(tǒng)包括線陣相機(jī)、圖像處理板和PC機(jī)模塊。在速度高達(dá)18.5 m/s的線材生產(chǎn)線上，對(duì)于裂縫、結(jié)疤、刮傷、輥痕等典型缺陷，檢出率約為96.7%。其軟件算法利用了傳統(tǒng)圖像處理技術(shù)，包括圖像分割、降噪濾波、拉普拉斯邊緣檢測(cè)和圖像形態(tài)學(xué)等方法，保證了缺陷的實(shí)時(shí)檢測(cè)，在缺陷識(shí)別環(huán)節(jié)利用SV M方法，具有較高的識(shí)別率。2010年，這些研究人員結(jié)合光照系統(tǒng)發(fā)明了一項(xiàng)圓鋼表面缺陷檢測(cè)系統(tǒng)專利［9]，該專利特點(diǎn)是采用了圓形平面光源，其安裝容易，對(duì)于震動(dòng)不敏感，增強(qiáng)了系統(tǒng)的抗干擾能力，但是同時(shí)對(duì)于光照均勻性要求較高。

美國(guó)OG公司在影像式線棒材在線表面檢測(cè)技術(shù)方面研究較為領(lǐng)先［10]。其研制的棒材表面缺陷檢測(cè)系統(tǒng)利用了線陣相機(jī)和線陣光源等圖像采集設(shè)備［6]，檢測(cè)精度高，能夠檢測(cè)0.025 mm 的細(xì)小裂紋、實(shí)時(shí)性好，能夠在100 m/s或速度更高的圓鋼生產(chǎn)線上達(dá)到在線檢測(cè)；使用范圍廣，可在1 650℃高溫下正常工作；能適應(yīng)不同直徑（φ5～250 mm）圓鋼的表面缺陷檢測(cè)。該系統(tǒng)缺點(diǎn)是對(duì)于線光源安裝精度要求較高。

由于圓鋼表面缺陷檢測(cè)對(duì)實(shí)時(shí)性要求較高，因此以上幾個(gè)系統(tǒng)均將研究重點(diǎn)放在圖像成像質(zhì)量和實(shí)時(shí)檢測(cè)算法上。從兩個(gè)專利中可以看出，光照系統(tǒng)中的光源主要有兩種，線光源和面光源。線光源對(duì)于成像質(zhì)量具有一定的優(yōu)勢(shì)，有利于減弱圖像中間亮兩側(cè)暗的漸變特性，而且只能和線陣相機(jī)配合使用；面光源優(yōu)勢(shì)在于對(duì)安裝精度要求較低，但是對(duì)于光照均勻性要求也較高。在算法方面，由于圓鋼圖像中有缺陷處灰度值會(huì)發(fā)生變化，因此在實(shí)時(shí)檢測(cè)算法中多應(yīng)用了二階微分算子，計(jì)算速度快，對(duì)圖像細(xì)節(jié)如細(xì)線和孤立點(diǎn)等具有較強(qiáng)的響應(yīng)；缺點(diǎn)是對(duì)噪聲敏感，因此一般后續(xù)處理中采用圖像形態(tài)學(xué)方法，有利于噪點(diǎn)的消除，防止誤檢。

國(guó)內(nèi)在圓鋼表面缺陷機(jī)器視覺檢測(cè)方面研究較少。2010年臺(tái)灣國(guó)立成功大學(xué)的Liu Yung－Chun等人提出了一種新的機(jī)器視覺系統(tǒng)來檢測(cè)圓鋼表面缺陷［11]，采用了神經(jīng)網(wǎng)絡(luò)分類器（BPN）和相關(guān)向量機(jī)（RVM）兩種分類器，能夠有效識(shí)別四種缺陷特征，即裂縫、刮傷、疤痕和壓痕，對(duì)像素為2048×512的圖像，檢測(cè)一幅圖像平均需要0.283 9 s，正確率可達(dá)85%。但與國(guó)外研究相比，該系統(tǒng)在檢測(cè)速度和準(zhǔn)確性方面明顯較低。

2 檢測(cè)技術(shù)關(guān)鍵問題

在基于機(jī)器視覺的圓鋼表面缺陷檢測(cè)技術(shù)的研究中有很多關(guān)鍵問題需要解決，包括了表面圖像成像質(zhì)量、算法檢測(cè)能力以及缺陷分類識(shí)別。表面圖像成像質(zhì)量和算法檢測(cè)能力很大程度上影響了表面缺陷的在線實(shí)時(shí)處理。

2.1 圖像成像質(zhì)量

要快速準(zhǔn)確地從圖像中檢測(cè)出圓鋼表面缺陷，采集的圖像質(zhì)量十分關(guān)鍵。由于圓鋼表面為弧面，均勻照射的光線會(huì)使得相機(jī)采集的圖像中間亮、兩邊暗，形成灰度梯度，增加了處理算法的復(fù)雜度，不利于缺陷的檢測(cè)。對(duì)于光照條件，前面討論了采用主動(dòng)光檢測(cè)技術(shù)對(duì)于圓鋼表面缺陷檢測(cè)更為有效，也就是采用外加光源方式，因此光照系統(tǒng)的設(shè)計(jì)至關(guān)重要，包括光源的類型選擇和成像系統(tǒng)的光路設(shè)計(jì)。良好的光照系統(tǒng)可以提高對(duì)微小缺陷和低對(duì)比度缺陷的顯現(xiàn)能力；另外由于熱軋圓鋼表面溫度非常高，本身會(huì)發(fā)出可見光，影響了圖像的采集質(zhì)量，因此一般采用濾光裝置進(jìn)行濾光處理，只允許通過特定波長(zhǎng)的光線，提高成像質(zhì)量。除了光照條件外，成像質(zhì)量還與圓鋼生產(chǎn)環(huán)境、相機(jī)采集速度等很多因素有關(guān)。圓鋼生產(chǎn)現(xiàn)場(chǎng)一般比較惡劣，存在噪聲、油污等很多干擾，而且在生產(chǎn)過程中圓鋼容易發(fā)生徑向跳動(dòng)和旋轉(zhuǎn)現(xiàn)象，這些都使得圓鋼表面成像質(zhì)量不穩(wěn)定，給缺陷檢測(cè)帶來一定的困難。

2.2 算法檢測(cè)能力

圓鋼表面缺陷檢測(cè)一般包括三方面要求，即快速性、準(zhǔn)確性和靈敏性。除了硬件平臺(tái)的支持外，核心算法的開發(fā)是關(guān)鍵問題。

圓鋼在軋制過程中運(yùn)行速度非?？?，要完全檢出其表面缺陷、無漏檢，需要系統(tǒng)能夠在很短時(shí)間內(nèi)處理大量的圖像數(shù)據(jù)，因此檢測(cè)算法不能太復(fù)雜，否則會(huì)消耗很多計(jì)算時(shí)間，達(dá)不到快速性要求；對(duì)于圓鋼表面由于某些原因產(chǎn)生的微細(xì)或低對(duì)比度缺陷，則需要開發(fā)靈敏度較高的算法，即要使這些微細(xì)缺陷被完全檢出，檢測(cè)系統(tǒng)需具有很高的分辨力；圓鋼表面缺陷的檢測(cè)準(zhǔn)確性靠高檢出率和低誤檢率來實(shí)現(xiàn)，通用性較好的檢測(cè)算法可以滿足較高的檢出率，即算法既能夠檢測(cè)裂紋、刮傷等縱向缺陷，也能夠檢測(cè)結(jié)疤、凹坑等面積型缺陷，盡量保證不漏檢。低誤檢率要求檢測(cè)算法具有良好的魯棒性和抗干擾能力，減少將無缺陷圖像誤判為有缺陷情況的發(fā)生。

2.3 缺陷分類識(shí)別

此環(huán)節(jié)一般為離線進(jìn)行，這樣可使在線檢測(cè)部分完全用來判斷表面缺陷的有無而無需處理缺陷分類問題。工人根據(jù)識(shí)別的缺陷種類可以改善圓鋼生產(chǎn)工藝或判斷生產(chǎn)設(shè)備運(yùn)行情況，因此對(duì)缺陷分類的精確性要求較高。缺陷分類環(huán)節(jié)一般包含三方面問題：缺陷類型的判定準(zhǔn)則、缺陷樣本的采集和分類器結(jié)構(gòu)設(shè)計(jì)。首先需要缺陷的分類標(biāo)準(zhǔn)，能夠?qū)Σ煌N類缺陷進(jìn)行定量描述；其次由于實(shí)際工廠中得到的圓鋼表面缺陷樣本有限，難以通過大量樣本來訓(xùn)練分類器，因此所設(shè)計(jì)的分類器應(yīng)該容易訓(xùn)練，對(duì)樣本數(shù)量要求較低；最后分類器要能夠快速準(zhǔn)確識(shí)別缺陷類型，并且具有自學(xué)習(xí)能力，能夠識(shí)別新的缺陷種類，自動(dòng)更新缺陷樣本數(shù)據(jù)集，保證缺陷分類的合理性。

3 展望

基于機(jī)器視覺的圓鋼表面缺陷檢測(cè)系統(tǒng)已逐漸發(fā)展成為圓鋼生產(chǎn)制造過程中質(zhì)量監(jiān)控和信息反饋的有效組成環(huán)節(jié)。隨著高速CCD技術(shù)、計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的發(fā)展，視覺檢測(cè)系統(tǒng)將會(huì)發(fā)揮越來越大的作用。將來的機(jī)器視覺檢測(cè)系統(tǒng)應(yīng)能適應(yīng)任意直徑、任意速度運(yùn)行的圓鋼，能夠快速準(zhǔn)確檢出各種表面缺陷并進(jìn)行分類識(shí)別，具有自主學(xué)習(xí)能力，可以識(shí)別未知新缺陷，魯棒性好，抗噪能力強(qiáng)，另外設(shè)備體積適中，安裝維護(hù)方便，具有較長(zhǎng)的使用壽命。

3.1 圖像采集技術(shù)

機(jī)器視覺檢測(cè)系統(tǒng)應(yīng)具有良好的圖像采集能力，即采集和傳輸圖像速度快，成像質(zhì)量高，覆蓋面全，這是保證缺陷實(shí)時(shí)檢測(cè)的基礎(chǔ)，它取決于圖像采集傳感器和光照系統(tǒng)。高速、高分辨率的線陣或面陣CCD相機(jī)使高速圖像采集成為可能，千兆網(wǎng)工業(yè)相機(jī)克服了圖像傳輸距離和速度的限制；光照系統(tǒng)需要結(jié)合圓鋼表面缺陷的形成機(jī)理、缺陷形狀和工作條件進(jìn)行優(yōu)化設(shè)計(jì)，合理的光源照明和光路設(shè)計(jì)能夠使得采集的圖像灰度均勻，可以有效避免中間亮、兩側(cè)暗的灰度漸變特性。

3.2 缺陷檢測(cè)技術(shù)

缺陷檢測(cè)技術(shù)是機(jī)器視覺檢測(cè)系統(tǒng)能否實(shí)時(shí)正常運(yùn)行的關(guān)鍵，可將缺陷檢測(cè)算法結(jié)合硬件電路實(shí)現(xiàn)，如DSP（數(shù)字信號(hào)處理）系統(tǒng)、FPGA（現(xiàn)場(chǎng)可編程門陣列）系統(tǒng)等，相比較軟件具有快速準(zhǔn)確等優(yōu)點(diǎn)，并行實(shí)時(shí)計(jì)算機(jī)系統(tǒng)需要進(jìn)一步研究以滿足圓鋼表面缺陷多處檢測(cè)需求，除此之外，快速高效檢測(cè)算法也待研究。

3.3 模式識(shí)別技術(shù)

缺陷識(shí)別也是機(jī)器視覺檢測(cè)系統(tǒng)的重要組成部分。設(shè)計(jì)有效的缺陷分類器，可以準(zhǔn)確判斷缺陷類型，并預(yù)報(bào)缺陷產(chǎn)生的趨勢(shì)。決策樹、SV M、遺傳算法等是現(xiàn)在常用缺陷分類技術(shù)，開發(fā)新的模式識(shí)別算法或者融合現(xiàn)有的分類方法是模式識(shí)別發(fā)展的趨勢(shì)。分類器應(yīng)該具有訓(xùn)練時(shí)間短、分類快速準(zhǔn)確、有自主學(xué)習(xí)能力等特點(diǎn)，可以克服樣本采集困難、難以識(shí)別新缺陷等缺點(diǎn)。

3.4 其它輔助技術(shù)

根據(jù)控制理論，采用閉環(huán)系統(tǒng)可以有效減少缺陷的產(chǎn)生，即在機(jī)器視覺檢測(cè)系統(tǒng)中加入反饋環(huán)節(jié)，根據(jù)缺陷產(chǎn)生的類型及趨勢(shì)，分析缺陷成因，自動(dòng)或者人工調(diào)整圓鋼生產(chǎn)線相關(guān)設(shè)備或工藝參數(shù)，防止同類缺陷再次產(chǎn)生。檢測(cè)系統(tǒng)應(yīng)具有自我診斷功能，根據(jù)采集的圖像判斷系統(tǒng)是否正常工作，如果采集的圖像質(zhì)量過差，則發(fā)出警報(bào)，避免因系統(tǒng)本身出現(xiàn)故障而沒有及時(shí)檢測(cè)出缺陷，形成大量廢品。在實(shí)時(shí)檢測(cè)環(huán)節(jié)，系統(tǒng)應(yīng)能精確打標(biāo)，節(jié)省人力檢測(cè)。具備歷史保存功能，可將全程檢測(cè)過程保存成視頻文件，以備查看，保存的缺陷圖像可供人工復(fù)檢，無需對(duì)圓鋼實(shí)物進(jìn)行檢查，直觀方便。具有缺陷嚴(yán)重程度判斷的能力，開發(fā)缺陷嚴(yán)重度計(jì)算的算法，對(duì)于缺陷嚴(yán)重程度較小的圓鋼產(chǎn)品，可將其賣給對(duì)產(chǎn)品質(zhì)量要求較低的客戶，節(jié)省重新加工成本。

4 結(jié)論

質(zhì)量檢測(cè)不是最終目的，關(guān)鍵是將檢測(cè)得到的數(shù)據(jù)和信息及時(shí)反饋到設(shè)備或工藝操作處，對(duì)圓鋼軋制的相關(guān)問題進(jìn)行處理，調(diào)整設(shè)備或者改善工藝，以杜絕生產(chǎn)過程中再次出現(xiàn)類似缺陷產(chǎn)品，提升合格率。圖像采集技術(shù)主要靠硬件支持，系統(tǒng)硬件的迅速發(fā)展為提高圖像處理效率打下基礎(chǔ)；圖像處理技術(shù)和模式識(shí)別技術(shù)仍是機(jī)器視覺研究的重點(diǎn)，包括缺陷實(shí)時(shí)檢測(cè)算法和離線分類識(shí)別算法。在研究過程中，應(yīng)結(jié)合實(shí)際情況，制定合適研究目標(biāo)，及時(shí)跟蹤國(guó)外圓鋼表面缺陷機(jī)器視覺檢測(cè)技術(shù)最新研究動(dòng)態(tài)，取長(zhǎng)補(bǔ)短，善于創(chuàng)新，逐步建立完善的計(jì)算機(jī)集成檢測(cè)系統(tǒng)。

［1]Huang H，Gutchess D，Chang T.Imaging－based inline surface defect inspection for bar rolling［C].Proceedings of The Iron ＆ Steel Conference and Exposi－tion.Nashville，USA：Heat Transfer and Fluid Flow Laboratory，2004：1－12.

［2]Jia H，Murphey Y L，Shi J，et al.An intelligent realtiMeVision system for surface defect detection［C].Proceedings of International Conference on Pattern Recognition.Cambridge，UK：Image Vision Computing Group，2004：239－242.

［3]Malamas E N，Petrakis E G M，Zervakis M，et al.A survey on industrial vision systems，applications and tools［J].Image and Vision Computing，2003，21（2）：171－188.

［4]鮑凱，王俊濤，吳東流.新興的無損檢測(cè)技術(shù)——紅外熱波成像檢測(cè)［J].無損檢測(cè)，2006，28（8）：393－397.

［5]Morris，J W.Method and Apparatus for Real Time Defect Inspection of Metal at Elevated Temperature［P].United States，5654977：1997－08－05.

［6]Chang T S，Gutchess D，Huang，et al.Apparatus and Method for Detecting Surface Defects on a Workpiece Such As a Rolled/Drawn Metal Bar［P]. United States，20080063426：2008－03－13.

［7]徐長(zhǎng)航，陳國(guó)明，謝靜.紅外圖像處理技術(shù)在金屬表面缺陷檢測(cè)中的應(yīng)用［J].制造業(yè)自動(dòng)化，2009，31（10）：51－54.

［8]Yun J P，Park Y S，Seo B，et al.Development of realtime defect detection algorithm for high－speed steel bar in coil（BIC）［C].Proceedings of SICE－ICASE International Joint Conference.Bexco，Korea：Universit?t Siegen，2006：2495－2498.

［9]Choi S H，Bae H M，Hwang H W，et al.Device and Method for Optically Detecting Surface Defect of Round Wire Rod［P].United States，20100246974：2010－09－30.

［10]張子恕，史建軍.影像式線棒材在線表面檢測(cè)系統(tǒng)［J].軋鋼，2009，26（3）：46－48.

［11]Liu Y C，Hsu Y L，Sun Y N，et al.A computer vision system for automatic steel surface inspection［C].Proceedings of IEEE Conference on Industrial Electronics and Applications.Taichung，Taiwan：ACM Press，2010：1667－1670.