紅鋼棒材表面缺陷圖像采集與檢測系統(tǒng)研究.pdf

1、棒材是工業(yè)生產(chǎn)中重要的原材料，其表面質(zhì)量也因此受到高度重視，在生產(chǎn)過程中，由于加工設(shè)備，工藝流程等產(chǎn)生的裂紋、刮傷、凹坑、耳子等缺陷會成為應(yīng)力集中點、性能突變點的源頭，影響產(chǎn)品的耐磨性、疲勞強(qiáng)度和硬度等。實現(xiàn)棒材表面缺陷在線檢測并找出缺陷產(chǎn)生原因成為質(zhì)量控制和工藝改進(jìn)的關(guān)鍵環(huán)節(jié)，并且可為后續(xù)的質(zhì)量等級劃分提供數(shù)據(jù)支持，有效降低工人勞動強(qiáng)度，提高生產(chǎn)效率。本課題從機(jī)器視覺角度出發(fā)，對紅鋼表面缺陷在線檢測系統(tǒng)進(jìn)行研究，開展了如下工作：

2、>　　 設(shè)計了棒材表面缺陷視覺在線檢測系統(tǒng)，通過對棒材表面進(jìn)行圖像采集和處理，判斷其表面有無缺陷。首先介紹了檢測棒材表面缺陷的機(jī)器視覺系統(tǒng)構(gòu)成和工作原理，根據(jù)紅鋼棒材自身的特性選擇相關(guān)的硬件設(shè)備。棒材加工線速度較快，表面圖像的快速采集是實時在線檢測紅鋼表面缺陷的先決條件。實際生產(chǎn)線上的高溫棒材本身輻射紅外光及可見光，影響到紅鋼表面圖像的采集，使得采集的圖像中缺陷信號不明顯，因此對比分析多種光源特點，選擇了強(qiáng)度高的激光線光源，并且設(shè)計了

3、濾鏡裝置使得采集的紅鋼表面圖像盡可能灰度均勻；根據(jù)檢測要求及實際工況，選定了線陣CCD相機(jī)和長焦鏡頭作為圖像采集單元；并確定了合理的布置方案，采用前向照明方式，激光線光源和線陣相機(jī)處在同一平面，同時兩者與紅鋼軸線垂直，易于形成清晰的紅鋼表面圖像。
　　 研究了棒材表面圖像的預(yù)處理算法。相機(jī)視場中的棒材表面是圓柱面，工業(yè)相機(jī)采集到的灰度圖像中間亮度高，兩側(cè)較暗，并且圖像兩側(cè)包含大量與缺陷檢測無關(guān)的黑色背景信息，影響缺陷檢測的準(zhǔn)確性

4、，重點研究了基于仿生學(xué)的遺傳算法，采用二進(jìn)制編碼方案進(jìn)行遺傳操作，將求解得到的最優(yōu)解用于圖像分割，提取檢測所需要的目標(biāo)區(qū)域，剔除多余背景圖像。遺傳算法模擬生物種群的進(jìn)化，搜索規(guī)模大，不易陷入局部最優(yōu)，收斂速度快，自適應(yīng)性強(qiáng)，可以有效的尋找參量空間的全局最優(yōu)值，求得最優(yōu)分割閾值。圖像在采集、傳輸?shù)冗^程中受到噪聲信號干擾，降低紅鋼表面圖像的質(zhì)量，加大缺陷檢測難度，為此，研究了基于局域統(tǒng)計特性濾波算法和基于二維Gabor變換的濾波算法，并對鋼

5、材表面圖像進(jìn)行了濾波實驗和分析。Gabor變換通過小波的伸縮和平移對圖像進(jìn)行多尺度分析，具有信噪分離的良好性質(zhì)，基于二維Gabor變換的濾波算法在濾波方面表現(xiàn)出色，對圖像的邊緣細(xì)節(jié)信息保留的效果良好。
　　 研究了棒材表面缺陷的檢測算法。首先介紹了常見的棒材表面缺陷和在圖像中的表現(xiàn)特征，對實際棒材生產(chǎn)線上采集的紅鋼表面圖像進(jìn)行分析，統(tǒng)計了圖像的灰度特征，針對凹痕缺陷，選取了近似紅鋼表面缺陷凹痕形狀的正弦函數(shù)與像素灰度值做卷積運算

6、，依據(jù)函數(shù)響應(yīng)值的大小做出分析，檢測是否存在凹痕缺陷。對于擦傷缺陷，結(jié)合小波分解算法對其進(jìn)行檢測，采用非抽樣小波分解方法得到其各個方向的細(xì)節(jié)系數(shù)，將豎直細(xì)節(jié)系數(shù)與高斯函數(shù)作卷積，突出缺陷的邊緣特征，求得其能量均值，應(yīng)用高低閾值方法進(jìn)行二值化處理，最后結(jié)合形態(tài)學(xué)理論得到完整的缺陷形狀。
　　 在線測試了棒材表面缺陷檢測系統(tǒng)的現(xiàn)場應(yīng)用情況。調(diào)試了圖像采集軟件部分的控制參數(shù)，對像素寬度、曝光時間、采集的頻率進(jìn)行了反復(fù)測試，以完成高質(zhì)量