冷连轧机出口高速带钢表面缺陷检测技术研究

摘要

基于机器视觉的带钢表面缺陷自动检测技术作为目前应用的主流技术已经得到了一定程度的推广和应用,但随着用户要求的提高,以及目前软硬件技术的发展,其关键技术和应用技术还需不断地深入研究。降低系统的复杂度,增强系统稳定性,缩减开发周期和成本;优化缺陷检测和识别方法,提高缺陷检出率和识别率是其研究重点。本文就其应用在冷连轧机出口的检测系统进行了设计和应用,实现了基于硬件的图像处理方案和基于多分类器组合缺陷图像识别方法,具体如下:
　　 (1)从分析带钢表面缺陷检测系统的功能和应用条件入手,设计了整体系统方案。针对冷连轧机出口检测环境差、带钢运行速度高(达到1600米/分)的特点,提出了基于硬件图像处理与计算机图像处理相结合的检测方案,解决了高速图像采集、传输和处理的问题。
　　 (2)研制了带钢图像硬件处理平台,集成了图像采集和图像处理功能。硬件图像处理平台设计的最终目的是实现超高速图像处理,但为了更适合现场带材检测,在设计通过FGPA实现高速图像处理流程的同时,结合图像采集的需要,设计了图像采集传感器接口和现场生产信号接口,实现了图像采集功能。对硬件处理平台的高速图像处理流程进行了设计和实现。
　　 (3)带钢表面缺陷识别是检测系统除图像处理技术之外的另一项关键技术,本文提出了从图像特征提取和选择到创建图像分类器的缺陷识别方法。采用了ReliefF算法结合相关性分析方法的过滤式特征选择模型,去除无关和冗余特征;实现了由Boosting算法组合SLIQ决策树的组合分类器识别方法。同构分类器组合技术Boosting算法通过适应性权重技术和加权投票方法建立并组合多个决策树分类器,能够有效地提高分类精度。
　　 本文对冷轧带钢表面缺陷自动检测系统进行了设计和实现,系统方案及带钢表面缺陷的检测和识别方法已经在实际的工程项目中得到验证,并投入了工业化应用。