基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)

陳紫鵬

摘要：針對(duì)帶鋼的表面質(zhì)量檢測(cè)進(jìn)行專(zhuān)門(mén)化研究，設(shè)計(jì)了基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)，從系統(tǒng)硬件結(jié)構(gòu)、軟件設(shè)計(jì)兩方面進(jìn)行深入分析與研究。其硬件結(jié)構(gòu)包括圖像傳感器、高速 CCD 相機(jī)、光源設(shè)計(jì);軟件設(shè)計(jì)包括圖像濾波去噪、缺陷特征的提取和選擇、表面缺陷檢測(cè)與辨識(shí)。根據(jù)實(shí)驗(yàn)結(jié)果的比對(duì)可知，本文設(shè)計(jì)的基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)在對(duì)帶鋼表面缺陷進(jìn)行檢測(cè)時(shí)，隨著試驗(yàn)次數(shù)的累加，其精測(cè)精度均比傳統(tǒng)系統(tǒng)要高，證明本文設(shè)計(jì)具有較高的實(shí)用性和有效性。

關(guān)鍵詞：機(jī)器視覺(jué);帶鋼;表面缺陷;檢測(cè)

0 ?引言

質(zhì)量檢控在鋼鐵行業(yè)中所起作用日漸明顯和重要，帶鋼表面缺陷作為影響其質(zhì)檢環(huán)節(jié)是否過(guò)關(guān)的關(guān)鍵因素，其檢測(cè)對(duì)于提升最終質(zhì)量具備極其重要的作用。傳統(tǒng)的人工檢測(cè)法早已無(wú)法滿足現(xiàn)實(shí)生產(chǎn)需求，所以對(duì)帶鋼表面缺陷檢測(cè)系統(tǒng)進(jìn)行深度研究已成為如今鋼鐵單位的共識(shí)[1]。機(jī)器視覺(jué)作為現(xiàn)今一門(mén)新興的實(shí)用型技術(shù)，具備速度快、精度較高、抗干擾能力強(qiáng)等一系列優(yōu)勢(shì)，市場(chǎng)前景極為優(yōu)秀。

1 ?基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)的硬件設(shè)計(jì)

1.1 圖像傳感器

圖像傳感器作為相機(jī)的關(guān)鍵組件，其主要功能就是將相機(jī)采集到的圖像轉(zhuǎn)變成由特定格式組成的有效數(shù)據(jù)，并上傳至計(jì)算機(jī)[2]。圖像傳感器的好壞會(huì)直接影響到后續(xù)環(huán)節(jié)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(bǔ)金屬氧化物場(chǎng)效應(yīng)管兩種。CCD圖像傳感器上具備一定的光電轉(zhuǎn)變、電荷儲(chǔ)存和獲取功能，最終將光信號(hào)轉(zhuǎn)換為計(jì)算機(jī)可讀的數(shù)字信號(hào)，CCD圖像傳感器在實(shí)踐操作中大規(guī)模應(yīng)用[3]。

1.2 高速CCD相機(jī)

帶鋼表面缺陷檢測(cè)的實(shí)現(xiàn)必須率先從帶鋼圖像的采集開(kāi)始，選取合適的相機(jī)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(chǎn)成本較低、合成度較高的優(yōu)點(diǎn)，工藝程序相對(duì)來(lái)說(shuō)比較簡(jiǎn)單，可在信號(hào)采集與噪音處理方面遠(yuǎn)不及CCD傳感器，并不適合廣泛應(yīng)用在生產(chǎn)環(huán)境極端惡劣的工業(yè)生產(chǎn)中?；跈C(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)，系統(tǒng)可選取線陣CCD相機(jī)或者面陣CCD相機(jī)，表1是線陣CCD與面陣CCD相機(jī)各方面性能比較。

根據(jù)表1中各項(xiàng)數(shù)據(jù)的對(duì)比，同時(shí)綜合考慮到系統(tǒng)應(yīng)用于帶鋼表面缺陷的相關(guān)檢測(cè)，因而本系統(tǒng)選擇高速線陣CCD相機(jī)。本系統(tǒng)按照帶鋼寬度選取相機(jī)的數(shù)量，相機(jī)選擇DPLKA線陣CCD相機(jī)，同時(shí)依據(jù)控制理論和時(shí)序概論對(duì)多臺(tái)相機(jī)采集時(shí)間實(shí)現(xiàn)同步把控。

1.3 光源設(shè)計(jì)

工業(yè)視頻相機(jī)的最短曝光時(shí)間大概是1/10000秒大概約位100us，針對(duì)現(xiàn)場(chǎng)的高速運(yùn)動(dòng)目標(biāo)，在100us時(shí)間里，對(duì)于運(yùn)動(dòng)速度為10m/s的帶鋼鋼卷，其發(fā)生了10mm的位移，就會(huì)造成0.05mm的缺陷甚至更小的缺陷模糊不清，無(wú)法實(shí)現(xiàn)精準(zhǔn)檢測(cè)，因而我們必須利用其它設(shè)備來(lái)保證更短的曝光時(shí)間。為有效解決這個(gè)問(wèn)題，本文系統(tǒng)使用頻閃燈作為主導(dǎo)光源，同時(shí)對(duì)于熱軋帶鋼生產(chǎn)實(shí)踐過(guò)程中，利用藍(lán)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(kāi)啟一直同步于快門(mén)開(kāi)啟時(shí)間，借助相機(jī)與光源的外部接收頭上傳同步信號(hào)，其中相機(jī)的觸動(dòng)不單同步于頻閃燈，還必須和板卷速度相同步。

2 ?基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)的軟件設(shè)計(jì)

2.1 圖像濾波去噪

現(xiàn)場(chǎng)拍攝場(chǎng)景下獲得的帶鋼表面圖像信息容易受到周?chē)h(huán)境、照明情況以及相機(jī)本身等各種因素的影響出現(xiàn)圖像噪聲。噪聲對(duì)于后期識(shí)別過(guò)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(shí)別結(jié)果的精度。所以在對(duì)圖像進(jìn)行后續(xù)操作以前，需要過(guò)濾掉噪聲。圖像的噪聲類(lèi)別很多，對(duì)圖像信號(hào)頻率和相位的影響十分復(fù)雜，有些噪聲和圖像信號(hào)之間毫無(wú)關(guān)聯(lián)，有些則密切相關(guān)。因而必須降低圖像中的噪聲，針對(duì)實(shí)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(tài)下，噪聲屬于高頻信號(hào)，在處理過(guò)程中有必要選擇低通濾波器[5]?？蓤D像的邊緣信息也屬于高頻信號(hào)，其中含有被測(cè)物體的大部分特征信息，是后續(xù)圖像處理過(guò)程中必須提取的關(guān)鍵信息。在此基礎(chǔ)上，對(duì)于圖像濾波方法的選擇上，以中值濾波為最優(yōu)。中值濾波就是利用一個(gè)內(nèi)含奇數(shù)點(diǎn)的滑動(dòng)窗口，將窗口中間的點(diǎn)值用窗口內(nèi)各點(diǎn)的均值取代。假定窗口內(nèi)有5點(diǎn)，其值為10、60、200、110、220，那么這個(gè)窗口內(nèi)各個(gè)點(diǎn)的均值就是110。假設(shè)有一個(gè)二維序列f1f2…fn，取窗口長(zhǎng)度為m（m是奇數(shù)），對(duì)這個(gè)序列采取中值濾波法，即從輸入序列中依次選出m個(gè)數(shù)，其中fi代表窗口各數(shù)的均值，用表示，再將這m個(gè)點(diǎn)的具體值根據(jù)數(shù)值大小依次排列，取其正中間的序號(hào)作為濾波進(jìn)行外部輸出。用公式表示為：

公式中，Z代表窗口內(nèi)各個(gè)像素構(gòu)成的點(diǎn)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(tǒng)內(nèi)圖像處理過(guò)程的一個(gè)關(guān)鍵環(huán)節(jié)，是確保系統(tǒng)實(shí)用性和缺陷識(shí)別準(zhǔn)確性的重要流程，在實(shí)際應(yīng)用過(guò)程中，特征提取也是帶鋼表面缺陷識(shí)別中較為困難的任務(wù)。在系統(tǒng)檢測(cè)和識(shí)別缺陷的過(guò)程中，特征提取作為其中的重要一步，它也是神經(jīng)網(wǎng)絡(luò)判斷帶鋼圖像是否存在缺陷或分類(lèi)的前提條件。系統(tǒng)對(duì)鋼板圖像進(jìn)行檢測(cè)的首要一步就是檢測(cè)圖像有無(wú)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(jīng)網(wǎng)絡(luò)判斷圖像有無(wú)缺陷的重要依據(jù)。系統(tǒng)檢測(cè)鋼板圖像的第二步就是對(duì)存在缺陷的鋼板圖像進(jìn)行精準(zhǔn)分類(lèi)。因?yàn)殇摪鍒D像的缺陷有很多，因而僅僅利用單一的某種特征是無(wú)法準(zhǔn)確全面地描述出所有缺陷的種類(lèi)，既而也就無(wú)法對(duì)所有的缺陷完成精準(zhǔn)分類(lèi)，只有匯總多種特征才可以精準(zhǔn)的描述出所有缺陷特征，從而實(shí)現(xiàn)準(zhǔn)確分類(lèi)。

2.3 表面缺陷檢測(cè)與辨識(shí)

帶鋼表面缺陷檢測(cè)系統(tǒng)在作業(yè)過(guò)程中需要逐個(gè)檢查每一個(gè)存在疑似缺陷的圖像。首先根據(jù)順序逐個(gè)掃描疑似缺陷圖像，再選擇合適的高斯模板，之后以掃描點(diǎn)為中心，計(jì)算出高斯加權(quán)值，確定動(dòng)態(tài)閾值范圍，利用動(dòng)態(tài)閾值范圍對(duì)疑似缺陷圖像進(jìn)行檢測(cè)和評(píng)判，最后將可以確認(rèn)的缺陷圖像輸入缺陷單元標(biāo)記庫(kù)內(nèi)，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(gè)進(jìn)行缺陷排除。該功能主要是在現(xiàn)場(chǎng)軟件設(shè)計(jì)安排以后執(zhí)行命令，因?yàn)槠湫枰鸵痪€工作人員進(jìn)行預(yù)先交流，構(gòu)建常見(jiàn)缺陷庫(kù)。缺陷庫(kù)的構(gòu)建方法是將已確認(rèn)的缺陷進(jìn)行采樣，對(duì)圖像的分辨率、尺寸、參照線進(jìn)行具體采樣，將常見(jiàn)缺陷特征具象化，通過(guò)一系列的離線整合、在線驗(yàn)證確任缺陷類(lèi)別。因而缺陷庫(kù)的構(gòu)建主要是為了將這些缺陷圖像輸入數(shù)據(jù)庫(kù)，構(gòu)建圖像和缺陷類(lèi)別之間的匹配對(duì)應(yīng)關(guān)系，而缺陷特征被具象化是為了和實(shí)時(shí)采集的帶鋼圖像進(jìn)行比較，當(dāng)比較結(jié)果的相似度超過(guò)闕值時(shí)，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(chǔ)存在該缺陷類(lèi)別目錄之下，后續(xù)在此目錄部署下做進(jìn)一步的缺陷識(shí)別，最終實(shí)現(xiàn)該缺陷類(lèi)型的識(shí)別檢測(cè)。

3 ?工程實(shí)驗(yàn)與效果分析

為了更加具體直觀的看出本文設(shè)計(jì)的基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)的實(shí)際應(yīng)用效果，特與傳統(tǒng)的帶鋼表面缺陷檢測(cè)系統(tǒng)進(jìn)行比對(duì)，對(duì)其缺陷的檢測(cè)精度大小進(jìn)行比較。

3.1 實(shí)驗(yàn)準(zhǔn)備

為確保實(shí)驗(yàn)的準(zhǔn)確無(wú)誤，在排除干擾條件，保證其他實(shí)驗(yàn)條件一致的情況下，將兩種帶鋼表面缺陷檢測(cè)系統(tǒng)置于相同的試驗(yàn)環(huán)境之中，進(jìn)行檢測(cè)精度的試驗(yàn)。

3.2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)過(guò)程中，通過(guò)兩種不同的帶鋼表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)同時(shí)在相同環(huán)境中進(jìn)行工作，分析其檢測(cè)精度的變化。實(shí)驗(yàn)效果對(duì)比圖如圖1所示。

根據(jù)實(shí)驗(yàn)結(jié)果的比對(duì)可知，本文設(shè)計(jì)的基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)在對(duì)帶鋼表面缺陷進(jìn)行檢測(cè)時(shí)，隨著試驗(yàn)次數(shù)的累加，其精測(cè)精度均比傳統(tǒng)系統(tǒng)要高，證明本文設(shè)計(jì)具有較高的實(shí)用性和有效性。

4 ?結(jié)束語(yǔ)

本文對(duì)基于機(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)進(jìn)行分析，根據(jù)機(jī)器視覺(jué)技術(shù)的應(yīng)用要求，依托帶鋼表面質(zhì)量的好壞，對(duì)其表面缺陷檢測(cè)進(jìn)行調(diào)整優(yōu)化，實(shí)現(xiàn)本文設(shè)計(jì)。實(shí)驗(yàn)論證表明，本文設(shè)計(jì)的方法具備極高的有效性。希望本文的研究能夠?yàn)榛跈C(jī)器視覺(jué)的帶鋼表面缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)方法提供理論依據(jù)。

參考文獻(xiàn)：

[1]王宇，吳智恒，鄧志文，等.基于機(jī)器視覺(jué)的金屬零件表面缺陷檢測(cè)系統(tǒng)[J].機(jī)械工程與自動(dòng)化，2018，34（4）：210-211，214.

[2]延西，趙夢(mèng).基于CNN的帶鋼表面缺陷檢測(cè)[J].重型機(jī)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(cè)方法[J].光電技術(shù)應(yīng)用，2019，34（3）：12-15，39.

[4]王少，陳斌，司小明，等.熱軋板帶表面質(zhì)量智能化自動(dòng)判定系統(tǒng)的開(kāi)發(fā)應(yīng)用[J].中國(guó)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(jué)檢測(cè)系統(tǒng)[J].機(jī)床與液壓，2019，47（4）：120-123.