带钢视觉检测系统的研究现状及展望

　　在现代化大生产中，视觉检测往往是不可缺少的环节。机器视觉(Machine Vision)技术的迅速发展，使其在一定程度上可以取代人工视觉完成一些工作，特别是高速、大批量、连续自动化生产中的质量检查、对象辨识和尺寸测量等人工难以完成的任务[1-2]。在带钢表面检测领域，机器视觉检测技术与传统的人工目视检测相比，具有快速、可靠和准确的优点。

　　自20世纪70年代以来，国内外学者和研究机构对带钢表面自动检测系统开展了卓有成效的工作[3-6]，典型的检测方法包括：基于激光扫描的检测方法[7]、基于涡流的检测方法、基于红外辐射探伤的检测方法、基于激光超声探伤的检测方法和基于CCD(光电耦合器件)成像的机器视觉检测方法[8-9]。与其它技术相对比，基于CCD成像的机器视觉检测方法适合在线实时检测的需要，同时能保存缺陷图像，确定缺陷出现的位置，并能识别缺陷的类别[10-12]。这些优势无疑使基于线阵CCD或面阵CCD成像的机器视觉检测技术成为目前研究和应用的主流技术。本文首先介绍了机器视觉表面检测系统的基本原理和构架，然后比较分析了两个典型系统的结构、原理和性能，最后指出了该技术当前研究工作中面临的一些问题和今后的发展趋势。

　　1 检测系统的基本原理和结构

　　1982年，德国Honeywell公司应用CCD成像技术完成了连铸钢坯表面缺陷自动检测装置的研究[13]，该项研究确立了基于CCD图像传感器的成像系统、专用图像阵列处理机的体系结构和基于树分类器、句法模式识别理论的缺陷分类器等设计思想的主流地位。该思想的系统结构示意图如图1所示。

　　典型的检测系统从功能上划分为以下几个模块：图像采集模块、图像处理和分类识别模块、数据存储和后处理模块、人机接口和操作终端模块以及网络连接模块等。

　　图像采集模块完成不同应用环境下对带钢图像的采集功能。图像采集模块包括光源照明装置、CCD图像传感器、图像采集卡和触发采集卡的速度编码器。线阵CCD图像传感器采集图像时，需要带钢在纵向的相对运动，同时为了保证图像在带钢运动方向上分辨率的稳定，CCD传感器受轧制机组辊子上的编码器触发采集图像。同时，CCD采用定时曝光工作模式，在现场光源亮度相对稳定的情况下，图像的亮度不受速度影响而具有均匀性。

　　图像处理和分类识别模块完成带钢图像预处理、目标检测、目标分割、特征提取和缺陷分类等功能。随着轧制技术的成熟，带钢运行速度逐渐提高，最高达到1 600 m/min。同时对带钢可检测缺陷的最小尺寸也有更高的要求，因此必须提高数据采集和处理速度。检测中数据处理一般采用分级处理的方式，将实时和即时处理相结合。实时处理即快速检测带钢图像是否存在异常，如果存在异常则进一步处理，否则放弃图像;即时处理即进一步处理可疑图像，计算分析缺陷的特征数据，对缺陷进行识别分类。系统的信息处理流程如图2所示[8]。