劉 坤，陳寧紀，張曉懌，陳海永，孫鶴旭

（1.河北工業(yè)大學 控制科學與工程學院，天津 300130；2.河北科技大學，石家莊 050000）

0 引言

作為制造業(yè)的支柱性產(chǎn)業(yè)，鋼鐵行業(yè)近些年來的生產(chǎn)規(guī)模持續(xù)擴大，相關行業(yè)的用戶對帶鋼表面質量的要求也越來越嚴格，目前帶鋼的表面質量已成為國內外市場競爭的關鍵性指標。然而，因為原材料、軋制設備、加工工藝等因素，帶鋼表面不可避免的存在孔洞、豁口、劃痕、輥印、邊裂等不同類型的缺陷[1～3]。這些缺陷不僅影響產(chǎn)品的外觀，還會降低產(chǎn)品的抗腐蝕性、耐磨性、抗疲勞程度等，給相關生產(chǎn)企業(yè)帶來了極大的經(jīng)濟損失。

現(xiàn)有的帶鋼表面缺陷檢測技術大多停留在采用人工目視抽檢的方法，根據(jù)檢測員的經(jīng)驗和概率估算進行帶鋼綜合質量評估。由于人眼的空間分辨力和時間分辨力有限，因此難以檢測帶鋼表面的微小缺陷，也很難保證系統(tǒng)的實時在線的檢測[4]。因此，為了滿足短期內對高質量產(chǎn)品不斷增長的需求，智能檢測系統(tǒng)在生產(chǎn)線上的使用的越來越必要，設計帶鋼加工質量與過程信息的自動獲取、表達、分析、傳遞和利用的檢測系統(tǒng)，這也是實現(xiàn)智能制造技術的重要手段。

本文圍繞帶鋼生產(chǎn)線的實際檢測需求，利用機器視覺技術，在VS2010平臺下采用相關的圖像處理算法，開發(fā)出一個帶鋼表面缺陷自動檢測系統(tǒng)，克服了人工檢測的不足，有效提高了帶鋼的缺陷檢測效率。

1 檢測系統(tǒng)的構成

帶鋼表面質量檢測系統(tǒng)主要由視覺傳感系統(tǒng)、計算機系統(tǒng)、電氣系統(tǒng)、軟件系統(tǒng)及機械輔助設備五大部分組成。整體架構如圖1所示。

圖1 帶鋼表面檢測系統(tǒng)整體架構

系統(tǒng)通過CCD攝像機及光源組成的成像系統(tǒng)對帶鋼上下表面進行不間斷的掃描，形成高清晰的帶鋼表面圖像，這些帶有缺陷或不帶有缺陷（稱為背景）的圖像通過專用的GIGE電纜或光纖傳輸至圖像處理計算機，通過運行于其中的圖像處理算法對其進行分析，濾除不含缺陷的背景圖像，對含有缺陷的圖像進行目標分割，提取缺陷的位置并合并相同屬性的缺陷形成相關的感興趣區(qū)域（ROI, Region of interest），然后通過終端計算機系統(tǒng)進行呈現(xiàn)（包括缺陷位置、大小、嚴重程度等信息）、缺陷存儲、報警等操作。

2 系統(tǒng)硬件設計

2.1 光源設計

工業(yè)視頻相機最短的曝光時間（1/10000秒=100us），針對現(xiàn)場中高速運動下的目標，在100us時間內，對于運動速度為20m/s的帶鋼鋼卷，其移動了2mm的距離，導致對于1mm的缺陷或更小的缺陷模糊不清，無法精確檢測，因此我們需要其他機構來確保更短的曝光時間。

為解決這個問題，這里使用頻閃燈作為主導光源，同時，對于熱軋帶鋼生產(chǎn)系統(tǒng)，使用藍光透鏡濾片和紅外光阻擋濾片輔助完成帶鋼表面圖像的采集。另外，為了確保頻閃光的開啟始終與快門的打開時間同步，通過相機和光源的外部觸發(fā)接頭送入同步信號，其中相機的觸發(fā)不僅要與頻閃燈同步，還需要與板卷速度同步。

2.2 相機選型與設計

由于帶鋼在實際工業(yè)現(xiàn)場中的運動速度非?？欤?0m/s左右），為了完全采集帶鋼表面圖像，需要使用高速高幀率的工業(yè)數(shù)字相機。相機與光源的安裝位置示意圖及相對位置關系如圖2所示。

圖2 相機與光源安裝位置示意圖

假設d為相機之間的距離，n為相機的個數(shù)，cd為視場在帶鋼表面重疊的距離（垂直方向），Width為帶鋼的寬度。根據(jù)相機與帶鋼表面之間的幾何關系，我們可以得到下面的公式：

根據(jù)上述公式中的參數(shù)約束關系，可以計算得到的最大測量寬度為1788mm，考慮到兩邊需要留有一些余量，兩邊各自20mm，可以實現(xiàn)寬度為1748mm帶鋼的橫向測量。

結合帶鋼的實際運動速度，本文選擇205幀/秒的AVT GE680高速相機來采集帶鋼圖像。測量的帶鋼寬度為1748mm，單個相機在帶鋼表面的視場為384mm。需要5個相機才能完全覆蓋帶鋼表面。相機架構參數(shù)如下：

分辨率為：640×480pixel；

水平分辨率=384mm/640pixels=0.6mm/pixel；

垂直分辨率=384mm/480pixels=0.8mm/pixel；

鏡頭焦距為35mm；

安裝高度為2810mm；

相機視場的重合部分寬度為33mm；

相機之間的距離為351mm。

3 軟件與算法設計

缺陷檢測軟件部分的流程圖如圖3中所示。針對初始的圖像采集結果，為了降低隨機噪聲帶來的影響，減少偽缺陷的產(chǎn)生，首先對圖像進行高斯平滑處理；然后對圖像中的疑似缺陷位置進行檢測，實現(xiàn)疑似缺陷目標與背景的分離與提取；最后對缺陷疑似區(qū)域的圖像信息進行特征編碼后，在編碼空間內進行缺陷的精確檢測與定位，再合并具有相同屬性的缺陷區(qū)域，獲得關于缺陷的位置、大小，嚴重程度等信息，并將進行缺陷信息的存儲、報警等操作。

圖3 檢測軟件流程圖

3.1 疑似缺陷檢測

這里假設理想的無缺陷圖像亮度分布是均勻一致的，而缺陷部分的圖像亮度分布具有一定的隨機性，且與周圍區(qū)域存在一定的差異。根據(jù)人類的視覺感知機制，這些亮度上的差異會引起視覺的注意。因此，本文利用高斯差分模型DOG（Difference of Gaussian）檢測帶鋼表面中需要“注意”的信息。具體的操作是，通過高斯濾波器的差分響應模型提取圖像中不同位置的中央周圍亮度對比特征，與周圍亮度差異大的區(qū)域被認為是疑似缺陷目標。

定義圖像預處理操作后得到的圖像為Im(x,y)，對其進行高斯卷積后得到的拉普拉斯函數(shù)L(,,) x y σ如下式所示：

這里*表示在x和y方向上的卷積操作。通過拉普拉斯函數(shù)與原始圖像的差分操作，得到高斯差分函數(shù)為D(,,) x y σ：

將對比后得到的圖像進行自適應閾值化處理，即可得到圖像中的疑似缺陷位置。通過對采集的帶鋼樣本圖像進行統(tǒng)計分析后發(fā)現(xiàn)，閾值的選取與圖像的灰度平均值有關，這一關系可以用下式表示：

其中m為待檢測帶鋼圖像的灰度平均值，C是一常數(shù)，可以通過實驗統(tǒng)計分析得到C=5。

3.2 特征編碼與缺陷精確定位

為了進一步確定缺陷的精確位置信息， 本文通過對缺陷圖像進行特征編碼，將其轉換到相應的編碼空間中實現(xiàn)缺陷的精確檢測。這里利用LBP（Local Binary Pattern）特征算子完成圖像的特征編碼轉換和編碼空間的建立。

LBP算子最初是由T. Ojala等人于1996年提出[5,6]，自提出之后被廣泛應用于各類目標的特征提取，它具有旋轉不變性和灰度不變性等顯著的優(yōu)點。通過比較像素點與窗口周圍像素點的灰度值之間的差別，根據(jù)差別的大小進行編碼，然后最小化得到具有旋轉不變性的描述算子，能夠有效地描述缺陷的紋理。LBP編碼方式如下所示：

式(6)中的LBP為編碼后的數(shù)值，gc為中心點像素亮度值，gi為在自定義的窗口內中心像素點周圍p個像素點亮度值，函數(shù)S如式(7)所示：

因為原始的LBP特征編碼方式過于簡單，圖像中不同亮度的差異會產(chǎn)生相同的編碼結果，這樣導致算法對于隨機噪聲的抗干擾能力較差，會不可避免地導致大量偽缺陷的產(chǎn)生。為了解決該問題，本文對LBP特征編碼方法進行如下改進：

上式中T為設定的閾值，閾值的引進可以有效抑制隨機噪聲對帶鋼表面圖像的影響，抑制了偽缺陷的產(chǎn)生。同時，為了形成旋轉不變的編碼模式，每次計算

LBP編碼值時采用這些旋轉結果中的最小值，計算方法如式(9)所示。

通過對圖像進行特征編碼后，原始的基于亮度的表示方法轉化為基于編碼空間中紋理信息的表示方法。為了進一步精確檢測缺陷的位置信息，利用基于馬氏距離的閾值化方法進行缺陷的檢測與定位，閾值的大小可以根據(jù)用戶需求進行設定，不同的閾值對缺陷的敏感程度不同。當對帶鋼表面質量要求較高時，可選擇較小的閾值T；反之，可以適當選擇較大的閾值T。這里，閾值化的公式如式(10)所示：

其中T'為圖像與均值的馬氏距離結果，函數(shù)S與公式(7)定義相同，Tbin為經(jīng)過二值化閾值后得到的精確缺陷檢測結果。

3.3 ROI區(qū)域的合并

通過特征編碼空間的建立與缺陷的精確檢測之后，為了得到缺陷的大小和位置信息，需要把具有相同屬性的缺陷像素進行合并，找出這些感興趣區(qū)域的最小外接矩形。

為了提高算法的效率，并增強算法的抗噪聲干擾能力，本文的ROI合并分兩步進行：1）將LBP編碼后的圖像劃分成不重疊的5×5像素大小的區(qū)域，統(tǒng)計每個窗口內缺陷點的數(shù)量，只有當窗口內部的缺陷點超過一定數(shù)量時才將該窗口定義為包含缺陷的窗口；2）掃描上一步中檢測出的所有缺陷窗口，通過判斷各窗口是否是8鄰域連通，賦予其不同的標號。經(jīng)過遍歷查找之后，在帶鋼表面缺陷圖像中可以獲得一系列經(jīng)過標號的缺陷窗口。針對具有相同標號的缺陷窗口，找到這些窗口的最小外接矩形，并存儲該矩形的位置信息。

圖4 ROI合并效果示例

3.4 軟件界面與操作

本文采用VS2010軟件開發(fā)平臺，開發(fā)出一個完整的帶鋼表面缺陷檢測軟件系統(tǒng)，其中主要包括圖像信息的采集，軟件不同部分與服務器之間的網(wǎng)絡通信以及缺陷檢測與定位功能，軟件的初始界面如圖5所示。

圖5 帶鋼表面缺陷檢測軟件界面

為了在有效范圍內（即帶鋼表面圖像）檢測帶鋼缺陷，需要將帶鋼圖像與拍攝背景進行分離處理，即保留帶鋼圖像部分，對非帶鋼的背景部分進行剔除。本文采用投影法對背景圖像進行剔除，其中的紅色矩形區(qū)域內即為需檢測的帶鋼表面圖像，矩形框之外的部分為背景圖像。針對待檢測的帶鋼表面圖像，通過圖像的預處理操作、疑似缺陷區(qū)域檢測及精密的缺陷位置提取之后（中間過程軟件界面不予顯示），對檢測結果進行ROI合并，最終的黃色矩形框為合并結果。

圖6 缺陷檢測結果示例

系統(tǒng)啟動之后會自動檢測帶鋼表面圖像中的缺陷信息，軟件界面將直接顯示缺陷檢測及合并后的效果，并將檢測得到的缺陷位置、大小信息等進行報警提示與相應的存儲操作，以供操作人員查看與處理。

3.5 缺陷檢測結果統(tǒng)計

為了進一步檢驗本系統(tǒng)中缺陷檢測算法的有效性，這里利用從實際生產(chǎn)線上采集的572張帶鋼表面圖像作為測試集，其中包含氧化、孔洞、邊裂、麻點、夾雜、褶皺、劃痕、撞傷等幾十種不同類型和不同嚴重程度的缺陷圖像，并將檢測結果與目前常用的Gabor方法[7]相比較，其中準確率計算公式定義為：

利用上述公式中的計算方法進行缺陷結果的統(tǒng)計分析，分析結果如表1中所示。

表1 缺陷檢測統(tǒng)計分析

通過實驗統(tǒng)計分析表明，本文提出方法具有更高的準確率，同時缺陷檢測算法的計算效率也得到了提高。

4 結束語

本文根據(jù)熱軋帶鋼生產(chǎn)線的實際運行環(huán)境，設計了一套基于機器視覺技術的帶鋼表面缺陷自動檢測系統(tǒng)，其可以對帶鋼加工質量和過程信息進行自動獲取、表達、分析、傳遞與分析，從系統(tǒng)整體構成、硬件結構、軟件開發(fā)及算法設計等方面進行了深入地研究與系統(tǒng)地設計。通過大量的測試結果表明，該系統(tǒng)中設計的缺陷檢測算法無論在檢測精度還是實時吞吐量上都具有很大優(yōu)勢，符合實際生產(chǎn)的需求。另外，本系統(tǒng)中的缺陷檢測方法還可以應用于印刷品和其他金屬等同類產(chǎn)品的表面缺陷檢測問題中，具有廣闊的應用前景。

[1] F.G. Bulnes,R.Usamentiaga, etc.,Vision-Based Technique for Periodical Defect Detection in Hot Steel Strips[A].IEEE Industry Applications Society Annual Meeting[C].2011,1-8.

[2] S Ghorai, A Mukherjee,M Gangadaran, etc., Automatic defect detection on Hot-rolled fl at steel products[A].IEEE Trans Instrum Meas[C].2013,62(3):612-621.

[3] Valentina Colla,Nicola Matarese,etc., Prediction of Under Pickling Defects on Steel Strip Surface[J].International Journal of Soft Computing and Software Engineering,2011,10(1):35-41.

[4] Mostafa S, Masoud S,and Mohsen S.A New Approach to Improve Defect Detection of Steel Sheets Using Gabor Wavelet[J].International Journal of Information and Electronics Engineering 2013,3(5):541-543.

[5] Ojala T, Pietik?inen M, Harwood D.A comparative study of texture measures with classification based on featured distributions[J].Pattern recognition,1996,29(1):51-59.

[6] Xu Ke, Song Chang.Feature Extraction Method Based on Global Binary Pattern and Its Application[J].26(9):872-877.2013.

[7] 叢家慧,顏云輝,董德威.Gabor濾波器在帶鋼表面缺陷檢測中的應用[J].東北大學學報:自然科學版,2010(2):257-260.