第1期 徐科等：基于线型激光的热轧带钢表面在线检测系统 .79. 笔者对传统的缺陷检测步骤进行了改进，提出 了针对不同缺陷类型建立不同的缺陷检测算法的思 想，其原理是在生产线上采集大量缺陷的样本图 像，根据缺陷样本分析各种缺陷类型的特征，再根据 其特征建立该缺陷类型的检测算法，目前，由于纵 向裂纹与边部裂纹的样本数量多，因此对于这两类 图2纵裂缺陷样本图像 型缺陷类型已经建立了有效的缺陷检测算法，图4 Fig.2 Sample image of a longitudinal crack 为纵裂缺陷的检测结果，图5为边裂缺陷的检测结 击，防撞框架的基础与小房完全分开，检测小房内 果，图中白色方框为算法检测到的缺陷区域，经开 温度不能过高而使设备受到损害，在小房内安装空 卷检测比对，这两类缺陷的检出率达95%以上 调，以控制小房内温度 检测装置安装在层流冷却系统后面，层流冷却 水和外冷辊冷却水的存在将会严重影响到系统的检 测效果；在冬天时由于钢板面与环境温度的温差而 引起的水雾也会影响到图像的质量，从而影响到缺 陷的识别，利用压缩空气除水装置、内冷辊以及风 机的设置能够有效去除水及水雾造成的不利影响， 图4纵裂缺陷检测结果 Fig.4 Detection results of a longitudinal crack 同时，从层流冷却系统后到卷取机前的辊道都安装 成内冷辊，大大减小了水对检测系统的影响. 3缺陷检测算法 图3为表面检测系统通常采用的缺陷检测与识 别步骤[)]，图3中，图像分割步骤的目的是找出缺 陷所在的区域.通过图像分割步骤，不仅可以判断 图5边裂缺陷检测结果 图像中是否存在缺陷区域，而且能减少需要处理的 Fig.5 Detection results of edge cracks 数据，缺陷区域确定后，再通过提取缺陷特征，并且 将缺陷特征输入分类器后得到缺陷类别，这些步骤 4结论 对于冷轧带钢表面缺陷检测与识别是有效的，因为 冷轧带钢表面干净、光滑，缺陷区域少；因此通过图 本文研究的热轧带钢表面缺陷在线检测系统具 像分割步骤能大大减少数据量，使得后续的特征提 有以下特点：(1)采用线阵CCD摄像机作为图像采 取与缺陷分类过程花费的时间少，保证系统的实时 集装置，解决了面阵CCD摄像机作为图像采集装置 数据处理能力，但是这些步骤对于热轧带钢并不适 所需要的拆辊和安装挡板等生产线改造工作.(2) 合，因为热轧带钢表面比冷轧带钢复杂得多，热轧带 采用激光线光源作为照明装置，解决了高温状态下 钢表面存在着氧化铁皮、水及光照不均现象，氧化 远距离均匀照明问题，并且光源数量少，使用寿命 铁皮及水的形态非常复杂，很难采用图像分割方法 长，设备维护工作量小，（③）针对不同缺陷类型采用 将氧化铁皮、水与真正的缺陷分割开来，因此通过图 不同的缺陷检测算法；目前已经对纵裂和边裂建立 像分割方法找到的缺陷区域将包含了氧化铁皮、水 了有效的缺陷检测算法，缺陷检出率达95%以上， 与真正的缺陷，由于热轧带钢表面氧化铁皮、水的 由于有些缺陷出现的几率很小，样本收集比较 数量很多，大部分的图像中都存在，因此达不到图像 困难，而缺陷检测算法只能通过大量样本建立，因此 分割步骤所要起到的减少数据的目的 其他缺陷类型的检测算法需要经过很长的时间才能 数字图像 缺陷区域 缺陷特征 缺陷类别 取得较好的效果，今后，将在生产线上不断采样并 图像分料F ◆特征提取◆缺陷分类 > 改进算法，使系统取得满意的检测效果， (下转第104页) 图3典型的表面缺陷检测与识别步骤 Fig.3 Typical detection and classification steps of surface defects图2 纵裂缺陷样本图像 Fig．2 Sample image of a longitudinal crack 击‚防撞框架的基础与小房完全分开．检测小房内 温度不能过高而使设备受到损害‚在小房内安装空 调‚以控制小房内温度． 检测装置安装在层流冷却系统后面‚层流冷却 水和外冷辊冷却水的存在将会严重影响到系统的检 测效果；在冬天时由于钢板面与环境温度的温差而 引起的水雾也会影响到图像的质量‚从而影响到缺 陷的识别．利用压缩空气除水装置、内冷辊以及风 机的设置能够有效去除水及水雾造成的不利影响． 同时‚从层流冷却系统后到卷取机前的辊道都安装 成内冷辊‚大大减小了水对检测系统的影响． 3 缺陷检测算法 图3为表面检测系统通常采用的缺陷检测与识 别步骤［6］．图3中‚图像分割步骤的目的是找出缺 陷所在的区域．通过图像分割步骤‚不仅可以判断 图像中是否存在缺陷区域‚而且能减少需要处理的 数据．缺陷区域确定后‚再通过提取缺陷特征‚并且 将缺陷特征输入分类器后得到缺陷类别．这些步骤 对于冷轧带钢表面缺陷检测与识别是有效的．因为 冷轧带钢表面干净、光滑‚缺陷区域少；因此通过图 像分割步骤能大大减少数据量‚使得后续的特征提 取与缺陷分类过程花费的时间少‚保证系统的实时 数据处理能力．但是这些步骤对于热轧带钢并不适 合‚因为热轧带钢表面比冷轧带钢复杂得多‚热轧带 钢表面存在着氧化铁皮、水及光照不均现象．氧化 铁皮及水的形态非常复杂‚很难采用图像分割方法 将氧化铁皮、水与真正的缺陷分割开来‚因此通过图 像分割方法找到的缺陷区域将包含了氧化铁皮、水 与真正的缺陷．由于热轧带钢表面氧化铁皮、水的 数量很多‚大部分的图像中都存在‚因此达不到图像 分割步骤所要起到的减少数据的目的． 图3 典型的表面缺陷检测与识别步骤 Fig．3 Typical detection and classification steps of surface defects 笔者对传统的缺陷检测步骤进行了改进‚提出 了针对不同缺陷类型建立不同的缺陷检测算法的思 想．其原理是在生产线上采集大量缺陷的样本图 像‚根据缺陷样本分析各种缺陷类型的特征‚再根据 其特征建立该缺陷类型的检测算法．目前‚由于纵 向裂纹与边部裂纹的样本数量多‚因此对于这两类 型缺陷类型已经建立了有效的缺陷检测算法．图4 为纵裂缺陷的检测结果‚图5为边裂缺陷的检测结 果‚图中白色方框为算法检测到的缺陷区域．经开 卷检测比对‚这两类缺陷的检出率达95％以上． 图4 纵裂缺陷检测结果 Fig．4 Detection results of a longitudinal crack 图5 边裂缺陷检测结果 Fig．5 Detection results of edge cracks 4 结论 本文研究的热轧带钢表面缺陷在线检测系统具 有以下特点：（1）采用线阵 CCD 摄像机作为图像采 集装置‚解决了面阵 CCD 摄像机作为图像采集装置 所需要的拆辊和安装挡板等生产线改造工作．（2） 采用激光线光源作为照明装置‚解决了高温状态下 远距离均匀照明问题‚并且光源数量少‚使用寿命 长‚设备维护工作量小．（3）针对不同缺陷类型采用 不同的缺陷检测算法；目前已经对纵裂和边裂建立 了有效的缺陷检测算法‚缺陷检出率达95％以上． 由于有些缺陷出现的几率很小‚样本收集比较 困难‚而缺陷检测算法只能通过大量样本建立‚因此 其他缺陷类型的检测算法需要经过很长的时间才能 取得较好的效果．今后‚将在生产线上不断采样并 改进算法‚使系统取得满意的检测效果． （下转第104页） 第1期 徐 科等： 基于线型激光的热轧带钢表面在线检测系统 ·79·