高效轧制国家工程研究中心
针对不同温度、不同材质对检测的需求以及系统对缺陷检出率、检测精度的要求,发明了多光路照明成像、表面三维成像、特殊激光光源研发等关键技术,分别应用于冷轧精密板带、热轧板带和高温铸坯生产线。BKvision系列产品的缺陷检测精度可达0.16 mm,并在国际上首次实现了高温铸坯表面缺陷在线检测。
1.1多光路照明成像技术
2.3采取不同优先级的线程实现数据分时并行计算技术
为了保证不同复杂度算法的并行处理,提高系统的实时性,设计了如图1所示的算法流程,算法流程中用了“实时处理”和“及时处理”两种不同优先级的线程。“目标检测”的任务是检测图像中是否有缺陷,有缺陷的图像保存到计算机缓存中,等待后续处理,这一过程只是对图像进行筛选,没有用到复杂的算法,但是需要实时完成。“图像分割”、“缺陷识别”等步骤需用到复杂的算法,但只针对保存到缓存中有缺陷的图像,可在CPU空闲时完成。“实时处理”线程处理的数据量大,但算法简单;“及时处理”线程处理的数据量小,但算法复杂。通过“实时处理”和“及时处理”两种不同优先级的线程保证不同复杂度算法在CPU分时上的均衡,从而在算法流程上保证数据处理的实时性。
由于热轧带钢表面存在着大量氧化铁皮、水痕等干扰,因此会产生大量的可疑区域,如果直接对可疑区域进行识别,不仅速度慢,而且容易造成误判。对可疑区域进行识别前,采用“粗分类”技术,如图2所示。将热轧带钢的表面缺陷按主要形态分成4大类,即“纵向缺陷”、“横向缺陷”、“孤立缺陷”和“分布式缺陷”,图3给出了上述4类典型缺陷样本。对这4类形态的缺陷分别建立样本图库和形态特征,并根据形态特征模板,对可疑区域进行快速匹配。经“粗分类”后,可大量剔除由于水、氧化铁皮、油污及光照不均等因素造成的“伪缺陷”,减少可疑区域的数量。对“粗分类”后得到的缺陷区域再进行“细分类”,可大大提高识别速度,降低误报率。通过以上3项关键技术的自主研发与集成,同时设计了防高温、水汽、粉尘、氧化铁皮等多种技术措施,保证BKvision系列产品在恶劣的工作环境下长期免维护运行,实现了金属板带表面质量全流程在线检测,并推广应用于铝板、钛板等生产线,为提升我国高端板带产品的表面质量和市场竞争力提供了重要技术手段。
1)连铸板坯:重庆钢铁4条连铸板坯生产线,北海诚德2条连铸板坯生产线,柳州钢铁连铸坯生产线等;
2)中厚板:湖南华菱湘钢3800、5000宽厚板生产线,南京钢铁5000中厚板生产线,重庆钢铁4100中厚板生产线,兴澄特钢4300厚板生产线,沙钢集团2条5000中厚板生产线,新余钢铁4300中厚板生产线等;
3)热连轧:重钢1780热连轧生产线,柳钢1450热连轧生产线,福建鼎信1780、850热连轧生产线,上海鼎信1780热连轧生产线等;
4)冷轧:北海诚德3条酸洗线,西南不锈2条酸洗线,天成不锈冷轧线,佛山高明基业冷轧连退线等;
5)有色行业:西南铝业冷轧拉矫线、涂层线,新疆众和冷轧复卷线等;
6)棒材:沙钢集团淮钢棒材线。
· 完 ·
- 转自 世界金属导报 -
- 图文编辑 白蕊 -
『 工研传媒 』