332 北京科技大学学报 2002年第3期 生，也可能由表面的杂物产生，所以“非缺陷”之 上保证系统的实时数据处理能力 间的差别很大.不过“非缺陷”的数量很少，不会 (3)采用“实时处理”和“准时处理”两个不同 给系统的整体识别率造成大的影响 级别的线程对图像数据进行处理，从软件上保 表2缺陷分类结果 证了系统的实时数据处理能力； Table 2 Result of defect classification 个 (4)经试验，系统对6种常见冷轧带钢表面 缺陷类型 ROI数目正确识别数目识别率% 缺陷的漏识率在10%左右，误识率在5%左右， 乳化液斑痕 418 408 97.6 识别率在90%以上. 压入氧化铁皮 2058 1890 91.8 参考文献 锈痕 487 463 95.1 折印 379 432 1 Obeso F,Gonzalez J A,Brown A.Intelligent on-line Sur- 87.3 face Inspection on A Skinpass Mill[J].Iron and Steel En- 边裂 495 328 86.5 gineer,.1997(10):29 辊印 215 212 98.6 2 Badger J C,Enright S T.Automated Surface Inspection 非缺陷 82 56 68.3 System[J].Iron and Steel Engineer,1996,Mar:48 总计 4134 3789 91.6 3 Ceracki P,Reizig H,Rudolphi U.热轧带钢表面质量的 在线检测).冶金设备和技术.2001(1)：64 4 结论 4 Ke Xu,Jinwu Xu,Shouli Lu.Surface Inspection System (I)采用多台面阵CCD摄像头采集带钢表 for Cold Rolled Strips Based on Image Processing Tech- 面的图像，从而保证系统具有很高的检测精度， nique[J].Journal of University of Science and Technology Beijing,1999,6(4):296 并且可以检测到很宽的范围 5徐科，徐金梧，鹿守理，等.冷轧带钢表面自动监测系 (2)采用由多台客户机和一台服务器组成的 统的研究[).钢铁，2000,35(10)：636 并行计算机处理系统对图像进行处理，从硬件 On-Line Surface Defect Inspection System for Cold Rolled Strips XU Ke,XU Jinwu,CHEN Yulai National Engineering Research Center for Advanced Rolling.UST Beijing.Beijing 100083,China ABSTRACT An on-line surface defect inspection system for cold rolled strips is introduced.The system is equipped with CCD matrix cameras to capture images of steel surface simultaneously.A parallel computer system is used for image processing to obtain defect information on steel surface.The system is specialized in software designing for real-time data processing.With samples from industry,the system is tested that six types of surface defects of cold rolled strips can be detected and classified with high rate,including "emulsion marks","rusts","scales","roll imprints","coil breaks"and"edge cracks".The recognition rate of the system for these six kinds of defects is more than 90%. KEY WORDS cold rolled strips;surface defects;on-line inspection;image processing一 3 32 - 北 京 科 技 大 学 学 报 2 0 0 2 年 第 3 期 生 , 也可能 由表面 的杂物产生 , 所 以 “ 非缺陷 ” 之 间的差别很大 . 不过 “ 非缺陷 ” 的数量很少 , 不会 给 系统 的整体识别率 造成大 的影 响 . 表 2 缺 陷分类 结果 T a b le 2 R e s u it o f d e fe c t e al s s i 6 e a t fo n 缺陷类 型 R O I 数 目 正确识别数 目 识别率o/ `UQO .1 内óà、ù`U,、 ù 月了气l é`,UR àn6 g C,O ` R八àO 均832 96 以诊仗) 拓:公3:l 乳化液斑痕 电暇:l4(8325 压入氧化铁皮 锈痕 折印 边裂 辊印 非缺陷 上保证 系统的实时数据处 理能力 . (3 )采用 “ 实时处理 ” 和 “ 准 时处理 ” 两个不 同 级别 的线 程对 图像数据进行 处理 , 从 软件上 保 证 了 系统 的实时数据处理 能力 ; (4 ) 经试 验 , 系统对 6 种常见冷轧带 钢表面 缺 陷的漏 识率在 10 % 左右 , 误识率在 5% 左右 , 识别率 在 90 % 以上 . 总计 4 1 8 2 0 5 8 4 8 7 3 7 9 4 9 5 2 1 5 8 2 4 1 3 4 3 7 8 9 9 1 . 6 4 结论 ( l) 采用多 台面阵 C C D 摄像头采 集带钢表 面的 图像 , 从而保证系统具有很高的检测精 度 , 并且 可 以 检测到很宽 的范围 . (2 )采用 由多台客户机和 一 台服务器组成 的 并行计算 机处理 系统对 图像进行处理 , 从硬件 参 考 文 献 1 o b e s o F, G o anz l e z J A , B or wn A . I nt e ll ig e in o n 一 li n e s ur - 伪c e I n s P e e ti o n o n A S k i n Pas s M i l l [ J ] . Ior n an d S t e e l E n - g in e e r, 1 9 9 7 ( 1 0 ) : 2 9 2 B ad g e r J C , E nr igh t S .T A ut o m aet d S ur acf e I n s P e e t i o n S y s et m 【J] . Ior n an d S et e l E n g ine e r, 1 9 9 6 , M ar : 4 8 3 e e r ac ki P, 砒 i z i g H , 彻d o lp h i u . 热 轧带钢 表面质量 的 在线 检测 [J] . 冶金设备和技术 . 20 01 (:1) 64 4 K e X u , J i n w u X u , Sh o u li L u . S ur fa e e l n s P e e ti o n s y s et m fo r C o ld R o ll e d S tr i P s B as e d o n I m ag e P r o e e s s i n g eT e h - n iq u e [ J ] . J o unr a l o f U n i v e r s iyt o f s e i e n c e an d eT e h n o l o gy B e ij i n g , 1999 , 6 ( 4 ) : 2 9 6 5 徐科 , 徐金梧 , 鹿守 理 ,等 . 冷 轧带 钢表 面 自动监测 系 统 的研究 [ J ] . 钢铁 , 2 0 0 0 , 3 5 ( 10 ) : 6 3 6 O n 一 L i n e S ur fa c e D e fe e t I n s P e e t i o n S y s t e m fo r C o ld R o ll e d S tr iP s 禅 丫U 大毖 , J Y〔I iJ 儿w u , C 月百N uY la i N at i o n a l E n g i n e e r i n g R e s e aer h C e n t e r fo r A dV an e e d R o llin g , U S T B e ij i n g , B e ij i n g 10 0 0 8 3 , C h i n a A B S T R A C T A n o n 一 li n e s ur af c e d e fe e t in sP e e t i on s y s te m of r c o ld r o l l e d s tr rp s 15 i n t r o d u c e d . hT e s y s t e m 15 e qu iPP e d w iht C C D m atr i x e am e r a s t o e ap trU e im a g e s o f st e e l s ur af e e s im u it an e ou s l.y A Par a ll e l e o m Put e r s y s t e m 1 5 u s e d ofr im a g e rP o e e s s in g ot o b at i n d e fe e t i n of n 刀at i o n o n s t e e l s u r af e e . T h e sy s t e m 1 5 s Pe e i a li z e d in s o ft w ar e d e s ign i n g of r re a l 一 t im e d at Por e e s s ign . iWht s a m Pl e s fr o m i n d u s try , ht e s y s et m 1 5 t e s t e d ht at s i x yt P e s o f s ur fa c e d e fe e t s o f c o ld r o ll e d st r 1Ps e an b e d e et c t e d an d e l a s s iif e d w iht h ihg r aet , in c l u d in g ” e m u l s i o n m a r k s , , , ” ur s t s , , , ” s e a l e s , , , ” r o ll im Pr i n t s , , , ” e o il b r e ak s , , an d ” e d g e e r a e ks , , . Th e r e e o gn it i o n r aet o f t h e s y s t e m fo r ht e s e s i x ik n d s o f d e fe e t s 1 5 m o r e ht an 9 0% . K E Y WO R D S e o ld r o ll e d s tr iP s : s ur fa c e d e fe c t s: on 一 lin e i n s Pe c t i o n ; im ag e P r o e e s s i n g