张磊
河南安阳钢铁股份有限公司 河南省安阳市 455004
摘要：钢板的生产技术是钢铁工业发展水平的一个重要标志。薄板、带钢以其良好的表面质量和机械性能，在汽车工业、国防工业、航空航天、化工设备和轻工业制造等领域得到了广泛的应用。随着设备和生产工艺的改进以及自动化控制水平的不断提高，钢板的尺寸精度、板形、力学性能等质量特性都得到了很好的控制，但汽车、航天、机械电子、家电及建筑装饰等钢板的主要下游用户对钢板表面质量的要求越来越高，使钢板表面质量问题越来越突出。
关键词：机器视觉钢板表面缺陷在线实时检测系统
前言：在生产中，表面缺陷不但容易造成断带、堆积、停车等严重生产事故的发生，而且还会严重磨损轧辊，对生产企业造成难以估量的经济和社会影响。在应用中，钢板表面缺陷影响加工的深压性、最终产品的涂镀效果、电磁特性以及美观。因此，无论是钢板生产企业，还是钢板用户，对钢板的表面质量检测都极为重视。
一、基于机器视觉钢板检测研究现状
近年来，随着计算机技术、图像识别技术、高速数字信号处理技术等发展．钢板表面缺陷检测方向向着视觉检测转变。现有钢板表面缺陷检测系统存在以下几个方面的主要问题：1．系统存在结构复杂、价格昂贵、稳定性差、维护困难等问题：2．检测系统需要将缺陷信息传送到计算机再进行处理，使得系统检测速度慢：3．光源、光电传感器及安装误差等原因，使检测精度有待提高：4．缺陷图像处理时间长、分类准确率低。
二、钢板表面常见缺陷
钢板表面的缺陷形态各异、产生原因复杂。根据缺陷外观特征可分为点缺陷、线缺陷和面缺陷。点缺陷以点状形式在钢板表面出现，有的单点发生，有的在相对集中的区域内连续发生，有些点具有周期性，如辊印、粘辊等，有些毫无规律性，如点锈、麻点等；线缺陷常以线状形式出现，有的连续发生，有的间断发生，有横向的，也有纵向的，如划痕、裂缝、条纹；面缺陷往往在钢板表面局部区域成片出现，具有一定的面积范围，如乳化液斑、绣斑、油污等。根据缺陷产生的机理，钢板表面缺陷又可分为材质缺陷、工艺缺陷、损伤缺陷和腐蚀缺陷。材质缺陷是来料中本身就有缺陷，如坯料中有杂质、气泡或表面有氧化层使钢板表面出现夹层、气泡、氧化铁片等缺陷；工艺缺陷主要是在轧制过程中，由于工艺或操作不当、设备故障等原因形成的缺陷，如辊印、油污、震动纹、横折印、边裂等。
三、基于机器视觉的钢板表面缺陷在线实时检测系统
1.机器视觉表面缺陷识别算法。钢板表面缺陷识别是图像处理技术的一种具体应用，目的是要从钢板表面图像中，发现缺陷、分离缺陷、描述缺陷、识别缺陷。自动钢板表面缺陷检测系统出现后，随着图像处理技术的不断发展，针对缺陷目标的分割、特征提取、特征选择、分类识别提出了许多有效算法。缺陷分割方法缺陷图像的分割是表面检测中图像处理的四大任务之一，也是至今未得到完善解决的基础问题之一。图像分割主要目的是把目标和背景准确分离，便于后续对目标的进一步研究。常用的分割方法有三大类，即基于区域的图像分割、基于边界的图像分割、和基于特定工具的图像分割。基于区域的图像分割基本思想是根据图像数据的特征将图像空间划分为不同的区域，常用的特征有直接来自图像的灰度特征和变换域特征，典型的方法有：阈值分割算法，聚类分割算法，区域生长分割算法。
2.缺陷的特征提取与选择表面检测中常用的缺陷特征有灰度特征、形状特征和纹理特征。为了使分类过程中特征全面，而不冗余，要对大量特征进行选择，以简化分类器的设计难度。灰度特征是图像最直观的特征，主要有灰度统计特征、灰度差分统计特征。均值、方差、峰度、熵属于灰度统计特征，灰度差分统计特征则是从像素之间关系的角度出发，描述相邻像素之间灰度的变化情况。缺陷一般具有直线、曲线、椭圆、矩形等形状特征，以及面积、周长、长短轴等尺寸特征，利用形状特征进行目标检测可以提高检测的效率和准确率。形状特征是识别各种缺陷的重要信息，常用的有面积、周长。不同缺陷的纹理结构是缺陷的主要特征，由于纹理在灰度和结构上都有规律性的变化，直观上，缺陷的纹理表现出均匀性、疏密、粗细、规则性、线性、方向性、频率和相位等属性，这些属性通过灰度统计特征、相关性特征、频域变换特征以及多尺度特征来定量表达。图像的相关函数可判别图像的纹理粗细、排列方向等纹理信息。图像纹理空域的周期性在频域具有不同的频谱强度，对图像进行傅立叶变换等的频谱分析也可提取图像的纹理特征。共生矩阵也是表示图像纹理特征的一种有效工具，它描述了相隔一定距离两像素间的灰度关系。共生矩阵元素由图像中相距的两个灰度同时出现的联合频数概率表示。由共生矩阵延伸出许多有用特征，如角二阶矩可以描述图像纹理变化均一性、对比度描述纹理的清晰程度、和平均、和方差、逆差矩等等都用于图像纹理的描述。
3.机器视觉检测系统的误差及标定方法。机器视觉检测系统中，由于各部件质量和安装精度、运行特点等问题存在固有的系统噪声误差，如成像几何坐标误差、光电响应非均匀性误差等主要误差对检测结果都有比较大的影响。成像几何坐标误差是由于图像采集装置中镜头畸变、焦距偏差、光心偏移等问题造成图像坐标和目标坐标不完全符合线性成像规律而出现的误差，这种误差可能导致系统检测精度降低、检测结果错误等事情的发生。为了克服这种误差对系统的影响，研究人员提出了许多标定方法，这些方法大致可以概括为两类，一类是传统的标定方法，包括线性求解法、线性优化法、两步法等；另一类是自标定方法，包括基于主动视觉的自标定、利用本质矩阵和基本矩阵的自标定等多种方法。传统标定方法主要是基于已知参照物，来标定图像采集系统的相关参数，达到对系统坐标误差的修正；自标定方法则是通过采集系统的已知移动，采集序列图像来实现系统参数的标定。光电响应非均匀性误差也是机器视觉系统固有的噪声误差，主要是由镜头质量、像素个体差异以及光感器件中局部组织噪声差异造成的，这种误差还没引起人们足够的重视，目前主要是采取滤除噪声的方法来处理。其中包括硬件方法滤除噪声和软件方法滤除噪声，由于硬件方法不能滤除全部噪声，并且增加硬件又可能引入新的噪声，因此硬件方法不是一种好的方法；软件方法主要是针对图像进行的，一般是滤除图像中的高频噪声，这种方法是一种比较盲目的方法，高频的东西并不一定就是噪声，也许是目标的细节，通过这种软件滤波将很大程度上损失目标的细节，不适合在检测中使用。由此研究一种标定视觉系统非均匀性的方法对视觉检测精度的提高是极为重要的。正常生产过程中，钢板表面大部分是没有缺陷的，而现有系统无论钢板表面是否存在缺陷，把采集到的数据都传送到图像处理系统进行处理，使系统的通讯和数据处理量很大，造成系统结构复杂、实时性差。建立了基于前端缺陷分离的的表面缺陷检测系统，该系统在图像采集过程中，直接检出含缺陷信息的数据，把没有缺陷信息的数据抛弃，减少系统无用数据的传输和处理，简化系统结构，提高系统实时性。
结束语：针对钢板表面缺陷将对钢的耐磨性、抗腐蚀性等带来一定的影响。本文介绍了一种新的基于图像处理的带钢表面自动检测系统。综合利用技术、图像准实时处理子系统及缺陷分类子系统，尽可能多的提出各种类型的特征量并对其进行优化选择实现缺陷的分类。
参考文献：
1 王廷薄. 板带材生产原理与工艺. 冶金工业出版社, 2019, 3–5
2 史文, 孟猛. 浅谈冷轧钢带表面缺陷. 2018:234–237
3 吴平川, 路同浚, 王炎. 钢板表面缺陷的无损检测技术与展望. 无损检测.2019, 22(7):312–315