【技术报道】轧制中心20周年 · 金属板带材表面缺陷在线检测技术

只看楼主收藏回复

楼主

高效轧制国家工程研究中心

成立二十周年系列技术报道

金属板带材表面缺陷在线检测技术

表面质量在线检测系统能全连续、无遗漏地检测金属板带材的表面缺陷，是提高成材率和产品质量的关键。由北京科技大学表面检测课题组，经过17年不断自主创新，突破了特殊光路研发、图像高速采集、海量数据实时处理、复杂背景图像识别等多项关键技术，研制了适用于高温、高速、高分辨条件下的金属板带表面质量在线监测系统——BKvision系列产品，在国际上首次实现了钢材生产全流程，包括连铸、热轧、冷轧等各工序的表面质量在线监测，为提升我国高端钢材的表面质量和市场竞争力提供了重要技术手段。

一

关键技术一

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

为提高冷轧精密板带产品表面低对比度缺陷和微小缺陷的检出率，发明了多光路照明成像技术。通过图像合成技术提高了缺陷的对比度，从而提高缺陷的检出率。

1.2表面三维成像技术

为了获取表面缺陷的深度信息，开发了基于多激光线的表面三维成像技术，利用多激光线的大量程、多信息的特点，在单幅图像上实现表面三维信息的获取，避免了被检测物体抖动对检测结果的影响。该技术已应用于热轧板带的表面缺陷三维检测，可检测结疤、压痕、凹坑等缺陷，深度方向检测精度达0.2mm。通过与实际值比较，深度值最大误差不超过7%。

1.3特殊光源设计技术

由于铸坯表面温度高达1000℃以上，传统的无损检测技术，如超声波、磁感应、电涡流等无法应用于高温铸坯的表面在线检测。高温铸坯表面辐射光主要是红光或红外光，因此，研制了特定波长的激光线光源，并通过窄带滤色镜滤除高温铸坯表面辐射的红光及红外光，从而去除了辐射光对缺陷的干扰，使得图像质量明显提高。

二

关键技术二

为了满足高速、高分辨率图像实时采集、传送和处理的要求，研制了多相机同步采集、多PC机并行计算、多核并行处理等多项关键技术，BKvision系列产品的图像采集和处理能力达200MB/S，最高检测速度达20m/s以上，达到世界领先水平。

2.1多台线阵相机的定位与标定技术

线阵CCD摄像机具有高分辨率、高感光度、高采集速度的优势，但是线阵相机采集的是一条线，因此，需要高精度的定位，尤其是在使用多台相机的情况下。BKvision系列产品采用多台线阵相机位置和焦距自动调整技术，对多台相机进行统一标定，从而实现了在宽幅带钢表面检测时的多相机同步采集和线型图像无缝拼接。

2.2多PC机并行计算和多核并行处理技术

在多相机同步采集情况下，每台相机采集到的图像由单独的PC机进行处理，图像数据在多台PC机之间进行分布式计算，并由服务器来控制每台PC机的算法执行过程。同时，在数据处理模块引入了第三方成熟的多核运算库，通过自主研发的并行计算优化算法，使得单位时间的数据处理能力提升了近1.5倍。

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。

三

关键技术三

针对热金属板带表面存在氧化铁皮、水等“伪缺陷”干扰，容易造成误检的问题，研发了基于幅值谱不变矩、结构谱纹理分析、小波不变矩、多尺度几何分析等特征提取方法；以及深度与灰度信息融合方法、组合分类方法等缺陷识别方法，实现复杂背景下缺陷的准确识别。BKvision系列产品对于常见表面缺陷的检出率达95%以上，识别率达90%以上，检出率与识别率分别比国外同类技术提高10%和15%。

3.1基于幅值谱不变矩、结构谱纹理分析、小波不变矩、多尺度几何分析方法等特征提取方法

通过这些方法提取的特征向量不仅具有平移、旋转不变性，并且具有抗噪、抑制光照不均等优点，适用于热轧带钢、中厚板、连铸坯等复杂表面的缺陷识别，减少由“伪缺陷”造成的误检问题。

3.2深度与灰度信息融合方法

利用深度与灰度信息的像素级融合，提取缺陷边缘信息，提高了缺陷边缘提取的准确性和系统的检出率，减少缺陷的漏检；利用深度与灰度信息的特征级融合可提高缺陷分类的准确性，减少误检。

3.3组合分类方法

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。