基于机器视觉的钢带缺陷检测技术研究

《基于机器视觉的钢带缺陷检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于机器视觉的钢带缺陷检测技术研究第一章绪论1.1课题研究背景及意义硅钢(Siliconsteel)作为一种特殊的金属功能材料,由于其良好的导磁性能，常被用来制造软磁合金，在电力、电子乃至军事工业中都有着不可或缺的作用。生产生活中同样应用广泛，比如大多数变压器和发电机的铁芯就是在其基础上制造。但由于硅钢的生产流程复杂,对制造技术要求很高，虽然西方发达国家的不少生产企业都已经研发出了相应的自动检测系统，但大多数把它申请成专利,作为该企业在钢带制造领域进行市场竞争的重要资源。因此研发出能够获取良好质量检测效果的系统，对于硅钢生产企业和国家都有着非常重要的意义。但是由于钢带在生产流程中

2、，要经过各种设备和材料的处理，很可能对钢带的表面产生损害，比如产生擦伤、污渍、划痕裂纹等缺陷。如果可以及时发现，大部分这些缺陷可以通过改进生产过程中某个环节而得以避免，最终生产出表面质量优良的钢带，使企业在市场中更有竞争力。如果不加以重视监测，可能导致生产出来的产品抗腐蚀性、耐用性和美观性降低，被市场所淘汰。然而钢铁生产作为一个相对传统的行业，直至现在，很多企业依然依靠工人在产线上监控质量，这存在很多弊端[1]：(1)车间环境比较恶劣，特别是夏冬两季，而且有的生产线需要24小时不间断运行。这对于检测人员的身体是巨大的考验，同时很可能造成对工人健康的损害；(2)各个企业很可能不止一

3、条生产线，因而需要很多工人进行检测判断，但判断的结果受工人的主观因素影响很大，最终结果难以实现统一性；(3)由于现代企业更加注重生产效率，早晚班交替进行生产，再优秀负责任的工人由于体力的限制，也不能完全保证不会出现遗漏缺陷、误判缺陷的错误............1.2课题的本课题是以无锡某钢带生产企业的需求为背景，利用工业相机和千兆以太网技术，通过图像采集控制系统完成对高速生产线上安装的工业相机的远程控制，实时采集和传输钢带图像，并能够通过系统完成对缺陷区域的快速定位，识别分类等。最终通过对缺陷信息的统计和分析，达到改进生产环节，提高生产效率，保证钢带产品质量目的。目标企业最快的

4、钢带生产线可达到40m/min，对钢带生产现场实地考察如图1.2所示。钢带表面缺陷的检测是基于机器视觉的，它重点研究特征区域的几何特性及位置信息，是计算机科学的重要领域。目前，机器视觉技术已经在发达国家的很多工业应用中得到了推广，不少企业都开发除了自己的自动检测系统，为产品质量监控提供保障。国内虽然起步较晚，在随着企业和科研人员的重视，也有一些优秀的产品出现。系统检测技术根据获取图像方式不同可以分为：CCD工业相机和激光扫描两种检测法[2]。..........第二章钢带表面缺陷检测系统整体设计方案整个缺陷自动检测系统设计目标是：通过采集控制系统实现对工业相机的拍照，曝光，传输等

5、功能的操作，然后获取钢带图像，经过缺陷检测系统处理，快速准确定位各个缺陷点中心坐标，提取缺陷区域的形态特征，识别缺陷类型。实现这一目标有一系列关键问题需要处理，首要问题是整体架构的设计，然后是采集控制系统的设计，现场照明系统架设和软件开发调试，最后是检测算法的设计和试验，验证实际的可行性，最后是系统的优化。本章将从整体上把控，给出各个模块的初步设计。2.1常见缺陷类型介绍首先我们需要对钢带缺陷的类型进行分析。由于各个企业生产流程的不同，不同产线上的缺陷特征也异常繁多，此次研究对象是无锡某钢带企业的产品。通过对现场初步拍摄的钢带图像样品分析发现，钢带中常见缺陷特点有：过亮、过暗、单

6、缺陷点、多缺陷点、不同形状缺陷点以及各种颜色和形状缺陷点混合等特征。如图2.1所示。通过对不同类型缺陷的观察分析，我们发现由于其自身物理性质的不同，缺陷点和正常区域对光照的反射存在明显差异，故考虑利用光学特性的不同来检测缺陷区域[18]。由于整体光源的一致性，最终表现在图像上的差异性必定是由反射光强弱的不同造成的。因此我们需要在下一步采集控制系统的设计中，不仅仅要保证能够快速的采集传输图像，而且要设计良好的照明系统，保证采集到的图像清晰可辨。最后研究图像处理算法，检测识别缺陷并分析缺陷信息。.........2.2图像采集控制系统整体结构设计首先是图像采集控制系统的设计，经过理论

7、分析和现场实地考察，初步设计出整体所需的软硬件如图2.2所示。①被测物体是钢带，目标工厂钢带生产线最快的传输速度可达40m/min。因而对采集控制系统和后期的缺陷处理系统速率上都是巨大的考验。②LED光源。由于此次我们检测系统的关键是利用缺陷区域对光照反射特性的不同进行的，而良好的采光可以获取清晰的图像信息，所以光源系统的设计是关键一步。③CCD工业相机。基于CCD工业相机优秀的抗噪声性能和成像技术，其在需要进行图像处理完成判断识别的领域被广泛应用[19]。它通过模数转换，实现图