機器視覺帶鋼表面缺陷檢測系統(tǒng)的研究現(xiàn)狀及展望
來源：無錫創(chuàng)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(xiàn)的夾雜、劃傷、輥印、針孔等缺陷，同時能夠?qū)θ毕莸膱D像、種類、數(shù)量和位置等信息進行有效的統(tǒng)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(tǒng)的基本原理和結(jié)構(gòu)，比較分析了兩種典型系統(tǒng)的結(jié)構(gòu)、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(fā)展趨勢。
關鍵詞：機器視覺;表面檢測;帶鋼;缺陷檢測
在現(xiàn)代化大生產(chǎn)中，視覺檢測往往是不可缺少的環(huán)節(jié)。機器視覺(Machine Vision)技術的迅速發(fā)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(xù)自動化生產(chǎn)中的質(zhì)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(tǒng)的人工目視檢測相比，具有快速、可靠和準確的優(yōu)點。
自20世紀70年代以來，國內(nèi)外學者和研究機構(gòu)對帶鋼表面缺陷自動檢測系統(tǒng)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(xiàn)的位置，并能識別缺陷的類別。這些優(yōu)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(tǒng)的基本原理和構(gòu)架，然后比較分析了兩個典型系統(tǒng)的結(jié)構(gòu)、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(fā)展趨勢。
一、檢測系統(tǒng)的基本原理和結(jié)構(gòu)
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(tǒng)、專用圖像陣列處理機的體系結(jié)構(gòu)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(tǒng)結(jié)構(gòu)示意圖如圖1所示。
典型的視覺檢測系統(tǒng)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(shù)據(jù)存儲和后處理模塊、人機接口和操作終端模塊以及網(wǎng)絡連接模塊等。
圖像采集模塊完成不同應用環(huán)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(fā)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(wěn)定，CCD傳感器受軋制機組輥子上的編碼器觸發(fā)采集圖像。同時，CCD采用定時曝光工作模式，在現(xiàn)場光源亮度相對穩(wěn)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(shù)據(jù)采集和處理速度。檢測中數(shù)據(jù)處理一般采用分級處理的方式，將實時和即時處理相結(jié)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(shù)據(jù)，對缺陷進行識別分類。系統(tǒng)的信息處理流程如圖2所示。
數(shù)據(jù)存儲和后處理模塊儲存帶鋼缺陷數(shù)據(jù)，并產(chǎn)生缺陷報表。操作人員可以根據(jù)報表進行質(zhì)量分析，并劃分產(chǎn)品的質(zhì)量等級。缺陷數(shù)據(jù)可根據(jù)需要隨帶鋼的生產(chǎn)過程傳送至下道工序。
人機接口和操作終端模塊用于監(jiān)控和管理生產(chǎn)過程。該模塊可保證在生產(chǎn)過程中及時發(fā)現(xiàn)缺陷，分析缺陷產(chǎn)生原因，從而進行生產(chǎn)調(diào)整，減少不必要的損失。
網(wǎng)絡連接模塊從硬件上連接系統(tǒng)的各個部分，包括圖像處理計算機與數(shù)據(jù)服務器的連接、操作終端與服務器的連接和系統(tǒng)與生產(chǎn)現(xiàn)場信息系統(tǒng)的連接。網(wǎng)絡連接模塊不但實現(xiàn)了系統(tǒng)內(nèi)部的缺陷數(shù)據(jù)、控制命令的交換，而且通過與現(xiàn)場生產(chǎn)信息系統(tǒng)連接，使得系統(tǒng)能夠獲取當前生產(chǎn)帶鋼的鋼卷信息、材質(zhì)信息等，并可以完成缺陷信息的上傳。
二、 典型系統(tǒng)分析
1.Parsytec表面檢測系統(tǒng)
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(tǒng)，該系統(tǒng)首次將基于人工神經(jīng)網(wǎng)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(chǎn)品已經(jīng)進行多次更新?lián)Q代，目前推出的Espresso-SI系統(tǒng) ①，如圖3所示。
Espresso-SI系統(tǒng)具有如下特點：
(1)硬件系統(tǒng)標準化程度高。網(wǎng)絡相機結(jié)合千兆網(wǎng)用來采集和傳遞圖像數(shù)據(jù)是系統(tǒng)的一大特點。網(wǎng)絡使圖像采集部分具有更大的拓展性，也突破了傳統(tǒng)的采用專用圖像傳輸線(如LVDS和CameraLink)對傳輸距離的限制。系統(tǒng)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(diào)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(shù)據(jù)。此外系統(tǒng)采用無硬盤網(wǎng)絡結(jié)構(gòu)，操作終端通過網(wǎng)絡連接至服務器，所需的數(shù)據(jù)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(tǒng)緊湊、簡潔，而且網(wǎng)絡連接允許系統(tǒng)即插即用，使系統(tǒng)各項功能拓展方便并具有健壯性。
???
(2)Espresso-SI系統(tǒng)拓展了缺陷數(shù)據(jù)的利用功能。通過互聯(lián)網(wǎng)連接數(shù)據(jù)服務器，使用網(wǎng)絡瀏覽器就可以直接訪問帶鋼表面質(zhì)量數(shù)據(jù)。系統(tǒng)還能夠根據(jù)預設的規(guī)則制定帶鋼質(zhì)量分級算法，自動對鋼卷進行質(zhì)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(tǒng)操作更加方便和智能化。
2.SmartView Metal系統(tǒng)
SmartView Metal系統(tǒng)是美國Cognex公司開發(fā)的金屬帶卷表面自動檢測系統(tǒng)。對于帶鋼方面的應用，該系統(tǒng)主要研究了以下問題：
(1)為了檢測在帶鋼表面出現(xiàn)的微小或低對比度的缺陷，系統(tǒng)給出了從光學信號傳感器系統(tǒng)、視頻信號接收部件、數(shù)字圖像預處理到軟件算法的全部解決方案。系統(tǒng)采用了LED陣列平行光源和高速線陣CCD，可以根據(jù)不同的材料調(diào)整檢測光路的角度。CCD配置高位A/D轉(zhuǎn)換電路，以提高圖像的灰度級數(shù)。圖像數(shù)據(jù)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(xù)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(xiàn)有基于規(guī)則的分類器技術和各種自學習分類器技術(ANN，KNN，RCE等)，實現(xiàn)了自動分類(SmartLearn)[15]。SmartLeam融合了統(tǒng)計學分類器和基于規(guī)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(tǒng)自己能夠識別的樣本。SmartLearn根據(jù)樣本庫的改變自動更新分類器結(jié)構(gòu)，從而把分類器的訓練和應用有機地結(jié)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(diào)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(xiàn)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(zhì)量有待提高。生產(chǎn)現(xiàn)場環(huán)境惡劣，存在噪聲和油污等干擾，生產(chǎn)過程中還經(jīng)常出現(xiàn)帶鋼抖動，使帶鋼表面圖像質(zhì)量很不穩(wěn)定。系統(tǒng)設計者對眾多缺陷的產(chǎn)生機理和外在表現(xiàn)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(yōu)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(xiàn)能力。對多臺相機的同步標定和調(diào)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(zhàn)性的課題。采用圖像處理技術時，要研究如何能在背景不穩(wěn)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(xiàn)有的分類識別技術、缺陷產(chǎn)生機理和人工經(jīng)驗規(guī)則，進一步提高分類的準確度。
(3)在生產(chǎn)系統(tǒng)中，不能充分整合、利用缺陷數(shù)據(jù)。對缺陷數(shù)據(jù)需要進一步挖掘和利用，使操作者可以根據(jù)檢測結(jié)果分析缺陷產(chǎn)生的原因，并作為劃分帶鋼質(zhì)量等級的依據(jù)，幫助生產(chǎn)決策者根據(jù)質(zhì)量要求控制帶鋼的產(chǎn)出流程。
四、 發(fā)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(tǒng)必須能夠高速采集、傳輸和處理圖像數(shù)據(jù)。高速線陣或面陣CCD的出現(xiàn)，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(zhì)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(zhuǎn)換位數(shù)，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(chǎn)生機理、三維形態(tài)和不同缺陷在不同成像條件下的成像效果，從而優(yōu)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(xiàn)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(xiàn)的圖像中間亮而邊部暗的現(xiàn)象。
網(wǎng)絡相機結(jié)合千兆網(wǎng)的圖像采集和傳輸技術的應用，克服了圖像數(shù)據(jù)傳輸距離的限制，也使系統(tǒng)的集成更加簡單，多個相機更容易組成相機網(wǎng)絡，檢測區(qū)域的面積不受限制。
采用硬件電路實現(xiàn)底層圖像處理算法，如平滑、增強和分割等，相對軟件實現(xiàn)具有快速、準確的優(yōu)點。通過DSP(數(shù)字信號處理)系統(tǒng)、FPGA(現(xiàn)場可編程門陣列)系統(tǒng)實現(xiàn)硬件圖像處理的方法已經(jīng)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(tǒng)，實現(xiàn)數(shù)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(tài)上錯綜復雜，同一類缺陷在不同材質(zhì)和機組上表現(xiàn)可能不同;對缺陷的分類缺乏統(tǒng)一的、定量的標準;缺陷的樣本收集、分類器的調(diào)整和優(yōu)化需要時間。
從帶鋼缺陷形態(tài)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(shù)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(xiàn)的缺陷可能產(chǎn)生不可預料的結(jié)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(xiàn)場專家的經(jīng)驗和知識，并將這些經(jīng)驗知識轉(zhuǎn)化為分類判定規(guī)則，從而輔助優(yōu)化分類器的性能。因此，能夠融合先驗規(guī)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(tǒng)集成
系統(tǒng)設計逐漸實現(xiàn)模塊化。系統(tǒng)的模塊化使得系統(tǒng)變得容易集成和擴展，系統(tǒng)開發(fā)商可以根據(jù)工廠要求進行功能定制，系統(tǒng)的安裝調(diào)試周期必將大大縮短。
系統(tǒng)的模塊化設計包括系統(tǒng)框架的集成，以及各個模塊的標準化。采用網(wǎng)絡相機結(jié)合千兆網(wǎng)絡的系統(tǒng)架構(gòu)模式將逐漸取代基于VEM總線的框架結(jié)構(gòu)，網(wǎng)絡連接的標準化協(xié)議支持系統(tǒng)硬件的插拔操作。優(yōu)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(diào)節(jié)。另外，硬件圖像處理電路和智能分類器模塊也將實現(xiàn)模塊化設計和調(diào)試。系統(tǒng)的輔助保護裝置包括現(xiàn)場的溫度控制系統(tǒng)、成像部件的防護箱體等也將成為標準配置。
4.缺陷數(shù)據(jù)的整合利用
檢測系統(tǒng)的目的是在生產(chǎn)線正常運行的條件下準確、穩(wěn)定地檢測帶鋼生產(chǎn)中出現(xiàn)的主要缺陷的數(shù)量和類型。對缺陷數(shù)據(jù)的充分利用，使操作人員一旦掌握缺陷數(shù)據(jù)，就可對缺陷的產(chǎn)生來源進行分析，做出生產(chǎn)調(diào)整，有效地避免大批量同類缺陷的產(chǎn)生。同時對有質(zhì)量問題的帶鋼進行有效控制，避免其進入下一個生產(chǎn)工序。對每卷帶鋼缺陷數(shù)據(jù)進行統(tǒng)計分析，參照產(chǎn)品質(zhì)量等級評定標準評估產(chǎn)品的質(zhì)量等級，并提供給工廠質(zhì)量控制部門，作為其決策依據(jù)。檢測系統(tǒng)將成為高級別帶鋼質(zhì)量控制的一個重要工具。
5.國內(nèi)檢測系統(tǒng)將成為主流
近年機器視覺檢測技術的發(fā)展已日趨成熟，原先主要依靠國外視覺檢測系統(tǒng)格局逐漸被打破，在國內(nèi)機器視覺產(chǎn)業(yè)發(fā)展的大背景下。國內(nèi)也產(chǎn)生了一批優(yōu)秀的視覺系統(tǒng)集成供應，以無錫創(chuàng)視新科技有限公司為例，是國內(nèi)較早的機器視覺檢測供應商，公司的MVC視覺檢測系統(tǒng)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(yè)的供應商之一，MVC視覺檢測系統(tǒng)應用案例數(shù)百家。
五、 結(jié)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(tǒng)的實用化要求。系統(tǒng)硬件的不斷發(fā)展將為改善圖像質(zhì)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(tǒng)模塊化將為系統(tǒng)的開發(fā)和調(diào)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(chǎn)決策者提供決策依據(jù)。受生產(chǎn)需要和技術發(fā)展的推動，自動檢測系統(tǒng)建立完善的軋制全過程表面質(zhì)量傳遞數(shù)學模型并提供全過程表面質(zhì)量的跟蹤信息反饋，必將在帶鋼計算機集成制造系統(tǒng)(CIMS)中扮演十分重要的角色。
