高精度針孔檢測設備
More >>
您所在的位置：精質視覺 > 新聞中心>機器視覺表面檢測技術在熱連軋帶鋼生產中的應用
2022-11-23 15:36:09 精質視覺
在熱連軋板帶生產技術飛速發展的今天，鋼鐵企業對于其表面缺陷檢查，大多數仍停留在人工開卷檢查的階段。這種檢查方式，由于開卷長度有限，缺陷檢出率低，且缺陷反饋不及時，容易產生批量質量缺陷，甚至會導致帶有缺陷的鋼卷流入市場，造成質量異議。
安鋼1780mm熱連軋機組引進國外某公司的表面檢測系統，該系統能夠實現在軋制過程中對帶鋼上下表面進行自動實時動態檢測和缺陷分類識別，但是在使用初期出現缺陷圖片數量龐大、缺陷誤判較多、缺陷圖片產生速度與圖片數據傳輸速度不匹配導致無法存儲等問題。針對這些問題，安鋼進行了一系列的改進，取得了較好的效果。
樣本采集、學習及評估
安鋼前期采集缺陷樣本9000多張，但缺陷辨識率只有60%左右，分析這些缺陷圖片，發現存在以下問題：
一是缺陷類別太少，該檢測系統只收集了結疤、輥印、氧化鐵皮、劃傷等現場經常出現的缺陷，這樣在缺陷評估時可供選擇比對的類別就少，CBE(缺陷分類器)在對缺陷辨別歸類時只能選擇較相近的類，誤判的幾率就大。正確的分類方法是把現場存在的所有缺陷盡可能都收集到，然后分別建立缺陷類別，進行樣本學習及評估。
二是由于輥印的形態多樣、大小不一，加之有周期性的判斷，誤判較多。因為缺陷的判斷是通過帶鋼表面灰度不同來識別的，當帶鋼表面由于氧化等原因造成灰度差異較大時，這種誤判的可能性會增加。
三是作為樣本的缺陷圖片，應保證感興趣區域選定的缺陷只有一種，且被選定的缺陷恰好被圖框覆蓋，圖框范圍過大、過小都不合適，而且缺陷應清晰，圖片背景紋理應均勻，表面明暗程度應均勻，而現有檢測系統的樣本缺陷圖片有待改進。例如，圖1是點狀輥印的樣本圖片，圖片存在兩個問題：第一，感興趣區中的缺陷有兩個;第二，圖片表面明暗程度差異過大，這樣造成誤判的可能性較大。
四是樣本采集時各類缺陷的樣本數量相差太大，造成樣本類別比例失調。應盡可能保持較小差距，這樣CBE在對樣本辨識時能保持各類缺陷的權重基本一致。
五是CBE中的專家樣本通常在上線初期使用，因為上線初期沒有可以參照的樣本圖片，但是在使用一段時間以后，可以不采用專家樣本，以減少專家樣本和現場樣本的偏差造成的誤判。
根據以上原則，安鋼對已采集的缺陷樣本重新篩選，去掉不理想的缺陷圖片，同時擴展缺陷類別，收集新增缺陷樣本，調整每類缺陷樣本的數量以均衡缺陷類別的權重，然后對整理后的樣本重新進行學習及評估，常見缺陷(見圖2)檢出率達到100%，缺陷識別率達85%以上。
缺陷屏蔽
表面檢測系統在使用初期，每卷帶鋼拍攝的缺陷圖片過多，薄規格大約在1萬張左右，厚規格大約5000張~6000張，不但占據了龐大的存儲空間，而且不便于缺陷檢索。安鋼利用質量報表對不同類別的缺陷數據進行分析，發現存在以下問題：
一是偽缺陷較多。為了提高缺陷辨識率，該系統在缺陷分類和收集時擴充缺陷類別，盡可能地收集了現場所有存在的缺陷，這樣導致了偽缺陷的增多，例如帶鋼頭尾、帶鋼邊部、輥道、油污等。此外，為了避免帶鋼穿帶時帶來的水流入輥道下方導致下表面照相機鏡頭污損，該系統設計安裝時在層流出口增加了水吹掃攔截裝置，但攔截水的增加導致帶鋼表面水滴、水斑缺陷較多。
二是帶鋼邊部識別誤差較大。表面缺陷檢測是通過表面不同灰度的差異來識別的。如果帶鋼表面沒有缺陷，反射光在攝像機各個區域上的光強應該是均勻分布的。但是，如果帶鋼表面有缺陷的話，那么反射光在缺陷區域的強度會發生變化，這樣就會造成圖像在灰度上的差別，通過缺陷檢測算法，可以檢測到缺陷的區域，并根據缺陷的形狀與灰度特征判斷缺陷的類型。當邊部與板面灰度相差不大時，比如軋制厚規格時，板面很黑，輥道也很黑，可能就找不到帶鋼的邊部，將輥道誤判為板面;反之，邊部與板面灰度相差太大時，比如軋制薄規格時，板面很亮，而輥道很黑，程序可能會把輥道識別為板面，而把板面識別為輥道，從而出現識別錯誤。
三是由于不同鋼種、不同厚度帶鋼表面的灰度不一樣，照相機在檢測時靈敏度有差異，導致圖片拍攝數量比例差距很大。例如，對于碳鋼系列薄規格帶鋼，表面比較干凈，亮度較高，缺陷圖片過多;而厚規格帶鋼，表面比較臟，灰度較高，缺陷圖片相對又較少。
針對以上問題，安鋼進行了相應的改進：
一是限定偽缺陷數量，將偽缺陷類中的水滴、水斑、邊部輥道、油污等缺陷的數量進行限定，以減少不必要的數據，降低存儲量。
二是調整缺陷檢測功能的適應性，將其分為3個部分，即板面檢測(帶鋼表面檢測)、邊部檢測(帶鋼邊部與輥道交界面的檢測)、邊部缺陷檢測(帶鋼邊部缺陷的檢測)。安鋼通過對典型鋼種、典型圖片調整邊部不同灰度對比情況下缺陷檢測參數，對輥道邊部進行有效遮蔽，從而提高邊部檢測的正確率。
三是針對不同鋼種、不同厚度規格帶鋼表面灰度、亮度特征，調整相機的靈敏度和增益系數。相機靈敏度調整原則：表面越粗糙，背景紋理(adaption)值越大，灰度靈敏度(sensitivity)值越大，檢測越靈敏，反之亦然。相機增益系數調整原則：如果亮度值達到100%時，灰度值還是很低(目標值130%)，就將增益值調大，反之亦然。
數據傳輸及存儲
由于在引進該表面檢測系統時，沒有配置相應的數據服務器，安鋼希望在檢測服務器端口安裝外置移動硬盤，實現數據的存儲，但在存儲過程中出現了數據存儲速度與數據生成速度不匹配的現象。例如，現場軋制節奏平均2.5min左右，而存儲一卷鋼的數據需要10min，即軋4卷鋼才能存儲1卷鋼的數據。由于檢測服務器為了始終保證存儲空間的可用性，會自動刪除最早生成的5%~15%的數據，以這樣的速度循環，每3天左右，外置移動硬盤中要存儲的數據實際上在檢測服務器中已經被刪除，這樣程序就會報錯，存儲無法繼續進行。
安鋼檢查原程序設定方式，發現存儲方式為逐卷存儲，即1個鋼卷數據打成一個包，每間隔10min將這個包放入緩存盤進行整理，然后再導入外置移動硬盤。為此，安鋼修改系統程序，每5卷鋼數據打成一個包，每間隔5min將這個包放入緩存盤進行整理，然后再導入外置移動硬盤。這樣大大提高了存儲速度，4分鐘可以存儲5卷，可以與現場軋制節奏相匹配。
效果
改進后，常見表面缺陷檢出率達到100%，缺陷識別率達90%以上，厚度8mm以上帶鋼不用人工開卷檢查，厚度8mm以下鋼卷開卷檢查頻次由原來的每7卷1次減少至每15卷1次。每卷鋼的缺陷圖片大幅減少，薄規格降低至4000張/卷~6000張/卷，厚規格降低至1000張/卷~2000張/卷，大大降低了數據存儲量，提高了檢索速度，同時數據生成速度與存儲速度可以合理匹配，實現了數據的傳輸與存儲，使用效果良好。
