機器視覺帶鋼表面缺陷檢測系統的研究現狀及展望
來源：無錫創視2015年02月10日熱度：618
應用機器視覺技術進行帶鋼表面檢測，能夠在線實時檢測并識別帶鋼表面出現的夾雜、劃傷、輥印、針孔等缺陷，同時能夠對缺陷的圖像、種類、數量和位置等信息進行有效的統計和保存。本文介紹了基于機器視覺的自動帶鋼表面缺陷檢測系統的基本原理和結構，比較分析了兩種典型系統的結構、原理和性能，并指出了當前研究工作面臨的問題和今后的發展趨勢。
關鍵詞：機器視覺;表面檢測;帶鋼;缺陷檢測
在現代化大生產中，視覺檢測往往是不可缺少的環節。機器視覺(Machine Vision)技術的迅速發展，使其在一定程度上可以取代人工視覺完成一些工作，特別是高速、大批量、連續自動化生產中的質量檢查、對象辨識和尺寸測量等人工難以完成的任務。在帶鋼表面缺陷檢測領域，機器視覺檢測技術與傳統的人工目視檢測相比，具有快速、可靠和準確的優點。
自20世紀70年代以來，國內外學者和研究機構對帶鋼表面缺陷自動檢測系統開展了卓有成效的工作，典型的檢測方法包括：基于激光掃描的檢測方法、基于渦流的檢測方法、基于紅外輻射探傷的檢測方法、基于激光超聲探傷的檢測方法和基于CCD(光電耦合器件)成像的機器視覺檢測方法。與其它技術相對比，基于CCD成像的機器視覺檢測方法適合在線實時檢測的需要，同時能保存缺陷圖像，確定缺陷出現的位置，并能識別缺陷的類別。這些優勢無疑使基于線陣CCD或面陣CCD成像的機器視覺檢測技術成為目前研究和應用的主流技術。本文首先介紹了機器視覺表面缺陷檢測系統的基本原理和構架，然后比較分析了兩個典型系統的結構、原理和性能，最后指出了該技術當前研究工作中面臨的一些問題和今后的發展趨勢。
一、檢測系統的基本原理和結構
1982年，德國Honeywell公司應用CCD成像技術完成了連鑄鋼坯表面缺陷自動檢測裝置的研究，該項研究確立了基于CCD圖像傳感器的成像系統、專用圖像陣列處理機的體系結構和基于樹分類器、句法模式識別理論的缺陷分類器等設計思想的主流地位。該思想的系統結構示意圖如圖1所示。
典型的視覺檢測系統從功能上劃分為以下幾個模塊：圖像采集模塊、圖像處理和分類識別模塊、數據存儲和后處理模塊、人機接口和操作終端模塊以及網絡連接模塊等。
圖像采集模塊完成不同應用環境下對帶鋼圖像的采集功能。圖像采集模塊包括光源照明裝置、CCD圖像傳感器、圖像采集卡和觸發采集卡的速度編碼器。線陣CCD圖像傳感器采集圖像時，需要帶鋼在縱向的相對運動，同時為了保證圖像在帶鋼運動方向上分辨率的穩定，CCD傳感器受軋制機組輥子上的編碼器觸發采集圖像。同時，CCD采用定時曝光工作模式，在現場光源亮度相對穩定的情況下，圖像的亮度不受速度影響而具有均勻性。
圖像處理和分類識別模塊完成帶鋼圖像預處理、目標檢測、目標分割、特征提取和缺陷分類等功能。隨著軋制技術的成熟，帶鋼運行速度逐漸提高，最高達到1600 m/min。同時對帶鋼可檢測缺陷的最小尺寸也有更高的要求，因此必須提高數據采集和處理速度。檢測中數據處理一般采用分級處理的方式，將實時和即時處理相結合。實時處理即快速檢測帶鋼圖像是否存在異常，如果存在異常則進一步處理，否則放棄圖像;即時處理即進一步處理可疑圖像，計算分析缺陷的特征數據，對缺陷進行識別分類。系統的信息處理流程如圖2所示。
數據存儲和后處理模塊儲存帶鋼缺陷數據，并產生缺陷報表。操作人員可以根據報表進行質量分析，并劃分產品的質量等級。缺陷數據可根據需要隨帶鋼的生產過程傳送至下道工序。
人機接口和操作終端模塊用于監控和管理生產過程。該模塊可保證在生產過程中及時發現缺陷，分析缺陷產生原因，從而進行生產調整，減少不必要的損失。
網絡連接模塊從硬件上連接系統的各個部分，包括圖像處理計算機與數據服務器的連接、操作終端與服務器的連接和系統與生產現場信息系統的連接。網絡連接模塊不但實現了系統內部的缺陷數據、控制命令的交換，而且通過與現場生產信息系統連接，使得系統能夠獲取當前生產帶鋼的鋼卷信息、材質信息等，并可以完成缺陷信息的上傳。
二、 典型系統分析
1.Parsytec表面檢測系統
德國Parsytec公司最早于1997年為韓國浦項制鐵公司研制了HTS-2冷軋帶鋼表面檢測系統，該系統首次將基于人工神經網絡的分類器設計技術實用于帶鋼檢測領域。隨后的10a里，Parsytec公司產品已經進行多次更新換代，目前推出的Espresso-SI系統 ①，如圖3所示。
Espresso-SI系統具有如下特點：
(1)硬件系統標準化程度高。網絡相機結合千兆網用來采集和傳遞圖像數據是系統的一大特點。網絡使圖像采集部分具有更大的拓展性，也突破了傳統的采用專用圖像傳輸線(如LVDS和CameraLink)對傳輸距離的限制。系統把光源和相機封裝在一起做成檢測傳感器箱，箱體中圖像采集光路配置為明場、暗場或者明暗場的組合(如圖4所示)。傳感器箱體的標準化設計能夠簡化圖像采集硬件的調整。圖像處理計算機采用嵌人式計算機(ComPACt PC)，將其放置在電氣柜里，電氣柜放在傳感器箱體附近，從電氣柜可以直接傳送帶鋼表面缺陷數據。此外系統采用無硬盤網絡結構，操作終端通過網絡連接至服務器，所需的數據處理和計算在服務器上進行，這樣能夠提高計算速度。以上設計思想使系統緊湊、簡潔，而且網絡連接允許系統即插即用，使系統各項功能拓展方便并具有健壯性。
???
(2)Espresso-SI系統拓展了缺陷數據的利用功能。通過互聯網連接數據服務器，使用網絡瀏覽器就可以直接訪問帶鋼表面質量數據。系統還能夠根據預設的規則制定帶鋼質量分級算法，自動對鋼卷進行質量等級劃分，如果鋼卷沒有滿足指定訂單的要求，就會報廢。這些功能在一定程度上使得系統操作更加方便和智能化。
2.SmartView Metal系統
SmartView Metal系統是美國Cognex公司開發的金屬帶卷表面自動檢測系統。對于帶鋼方面的應用，該系統主要研究了以下問題：
(1)為了檢測在帶鋼表面出現的微小或低對比度的缺陷，系統給出了從光學信號傳感器系統、視頻信號接收部件、數字圖像預處理到軟件算法的全部解決方案。系統采用了LED陣列平行光源和高速線陣CCD，可以根據不同的材料調整檢測光路的角度。CCD配置高位A/D轉換電路，以提高圖像的灰度級數。圖像數據通過光纖傳輸，避免電子噪音的干擾。圖像處理部分使用了多種檢測算法來提高缺陷檢測的精度。為非連續缺陷檢測至少提供兩種閾值算法：水平閾值和基線閾值。基線閾值隨材料背景變化而浮動，相對水平閾值而言該算法更適合于檢測微小和低對比度的缺陷，如圖5所示。
(2)設計了人工智能分類器。通過分析和綜合現有基于規則的分類器技術和各種自學習分類器技術(ANN，KNN，RCE等)，實現了自動分類(SmartLearn)[15]。SmartLeam融合了統計學分類器和基于規則的分類器技術，同時建立缺陷樣本庫，管理人工挑選和系統自己能夠識別的樣本。SmartLearn根據樣本庫的改變自動更新分類器結構，從而把分類器的訓練和應用有機地結合起來。分類器在少量離線樣本訓練的基礎上開始應用，應用過程中分類器通過自組織樣本進行訓練并加強分類效果。分類器利用離線訓練所獲得的知識給出缺陷類別的模糊置信度，通過調整置信度閾值可以防止對新類型缺陷的誤分類。
三、 存在問題及解決辦法
從現有技術水平看，帶鋼表面缺陷視覺檢測技術存在以下主要問題，需采取相應的解決辦法。
(1)圖像采集質量有待提高。生產現場環境惡劣，存在噪聲和油污等干擾，生產過程中還經常出現帶鋼抖動，使帶鋼表面圖像質量很不穩定。系統設計者對眾多缺陷的產生機理和外在表現形式的綜合知識不足，使得缺陷不能更明顯地顯示在圖像中，所以對優化組合光源的照明方法和檢測光路配置需要深入探索，以便提高對表面微小和低對比度缺陷的顯現能力。對多臺相機的同步標定和調試技術也有待進一步提高。
(2)圖像處理和缺陷識別缺乏通用的硬件平臺和軟件專用算法。圖像處理和模式識別是機器視覺檢測的關鍵技術，也是當前研究中最富有挑戰性的課題。采用圖像處理技術時，要研究如何能在背景不穩定的帶鋼圖像中把異常的缺陷部分有效分割出來，并量化為圖像缺陷特征。采用模式識別技術時，需要充分融合現有的分類識別技術、缺陷產生機理和人工經驗規則，進一步提高分類的準確度。
(3)在生產系統中，不能充分整合、利用缺陷數據。對缺陷數據需要進一步挖掘和利用，使操作者可以根據檢測結果分析缺陷產生的原因，并作為劃分帶鋼質量等級的依據，幫助生產決策者根據質量要求控制帶鋼的產出流程。
四、 發展趨勢
1.高速圖像采集和處理技術
為了在線檢測帶鋼上下表面，同時追求更高的分辨率，圖像采集系統必須能夠高速采集、傳輸和處理圖像數據。高速線陣或面陣CCD的出現，將使高速圖像采集成為可能，同時更加靈活的CCD采集模式使得圖像質量更容易控制。通過提高CCD采集頻率、增加象素點灰度的A/D轉換位數，可以提高圖像的分辨率和對缺陷的分辨力。
圖像采集時光源的照明方案和檢測光路的配置是缺陷能否明顯成像的關鍵，需要進一步分析缺陷的產生機理、三維形態和不同缺陷在不同成像條件下的成像效果，從而優化配置檢測光路。通常采用明暗場各放一組相機，把兩個相機采集到的信息融合起來處理，或者相機放在明暗過度場中，同時對明場和暗場表現明顯的缺陷進行成像。檢測相機采用遠心光路，能夠克服圖像采集時出現的圖像中間亮而邊部暗的現象。
網絡相機結合千兆網的圖像采集和傳輸技術的應用，克服了圖像數據傳輸距離的限制，也使系統的集成更加簡單，多個相機更容易組成相機網絡，檢測區域的面積不受限制。
采用硬件電路實現底層圖像處理算法，如平滑、增強和分割等，相對軟件實現具有快速、準確的優點。通過DSP(數字信號處理)系統、FPGA(現場可編程門陣列)系統實現硬件圖像處理的方法已經得到應用。進一步研制具有并行、實時處理能力的硬件計算機系統，實現數字圖像的高速處理將成為機器視覺檢測技術的核心問題之一。
.缺陷識別和分類技術
高準確性和實時分類器的研究一直是帶鋼表面機器視覺檢測技術的研究熱點，而帶鋼缺陷分類器的設計必須考慮以下幾個因素：帶鋼缺陷在形態上錯綜復雜，同一類缺陷在不同材質和機組上表現可能不同;對缺陷的分類缺乏統一的、定量的標準;缺陷的樣本收集、分類器的調整和優化需要時間。
從帶鋼缺陷形態復雜這一特點考慮，采用單個分類器很難達到很好的分類效果，需要多種分類技術(如決策樹、SVM和遺傳算法等)的融合。從圖像樣本的收集和訓練分類器的角度考慮，具有自學習能力的分類器(如KNN，ANN和RCE等)具有一定的吸引力。自學習分類器具有自動收集缺陷樣本和自身訓練的能力，避免了樣本收集所需要花費的時間以及每次收集新樣本都需要重新訓練分類器的過程，但是也存在一些缺點：所需的學習和分類的樣本數量大、實時性差;若采用硬件提高實時性能，則成本較高;對新出現的缺陷可能產生不可預料的結果。分類器的設計除了自學習能力外，還應該能夠借鑒和吸收現場專家的經驗和知識，并將這些經驗知識轉化為分類判定規則，從而輔助優化分類器的性能。因此，能夠融合先驗規則和專家知識、具有自學習能力、實時性能強的分類器設計，將成為今后缺陷分類器的主要研究方向。
3.模塊化系統集成
系統設計逐漸實現模塊化。系統的模塊化使得系統變得容易集成和擴展，系統開發商可以根據工廠要求進行功能定制，系統的安裝調試周期必將大大縮短。
系統的模塊化設計包括系統框架的集成，以及各個模塊的標準化。采用網絡相機結合千兆網絡的系統架構模式將逐漸取代基于VEM總線的框架結構，網絡連接的標準化協議支持系統硬件的插拔操作。優化光源的照明方案和相機檢測光路的配置并集成封裝，將使圖像采集模塊可以成為獨立可控的單元，方便安裝和調節。另外，硬件圖像處理電路和智能分類器模塊也將實現模塊化設計和調試。系統的輔助保護裝置包括現場的溫度控制系統、成像部件的防護箱體等也將成為標準配置。
4.缺陷數據的整合利用
檢測系統的目的是在生產線正常運行的條件下準確、穩定地檢測帶鋼生產中出現的主要缺陷的數量和類型。對缺陷數據的充分利用，使操作人員一旦掌握缺陷數據，就可對缺陷的產生來源進行分析，做出生產調整，有效地避免大批量同類缺陷的產生。同時對有質量問題的帶鋼進行有效控制，避免其進入下一個生產工序。對每卷帶鋼缺陷數據進行統計分析，參照產品質量等級評定標準評估產品的質量等級，并提供給工廠質量控制部門，作為其決策依據。檢測系統將成為高級別帶鋼質量控制的一個重要工具。
5.國內檢測系統將成為主流
近年機器視覺檢測技術的發展已日趨成熟，原先主要依靠國外視覺檢測系統格局逐漸被打破，在國內機器視覺產業發展的大背景下。國內也產生了一批優秀的視覺系統集成供應，以無錫創視新科技有限公司為例，是國內較早的機器視覺檢測供應商，公司的MVC視覺檢測系統在帶鋼、薄膜、無紡布、玻璃、電子、機械制造領域應用廣泛，也是帶鋼表面缺陷檢測領域應用較早、專業的供應商之一，MVC視覺檢測系統應用案例數百家。
五、 結束語
機器視覺檢測作為帶鋼表面缺陷檢測的主流技術，在圖像獲取、處理、缺陷分類和缺陷信息利用等方面上存在不足，有待進一步深入研究以達到系統的實用化要求。系統硬件的不斷發展將為改善圖像質量和提高圖像處理效率打下基礎;圖像處理和缺陷識別等信息處理技術仍舊是研究的重點;而系統模塊化將為系統的開發和調試提供方便;缺陷信息能夠快捷和完整上傳與共享將為生產決策者提供決策依據。受生產需要和技術發展的推動，自動檢測系統建立完善的軋制全過程表面質量傳遞數學模型并提供全過程表面質量的跟蹤信息反饋，必將在帶鋼計算機集成制造系統(CIMS)中扮演十分重要的角色。
下一條： 基于機器視覺的太陽能電池片表面檢測
