基于机器视觉技术的钢板表面质量检测系统分析.pdf

基于机器视觉技术的钢板表面质量检测
系统分析

摘要：近年来，我国的工业化建设的发展迅速，钢铁冶金工业是国民经济的
支柱产业，虽然中国是钢铁生产大国，但是中国的各类钢材成品和半成品在质量
方面却与发达国家存在明显差距，尤其是钢材产品质量重要组成部分的表面质量，
当前钢材主线产品如汽车板、家电板、不锈钢装饰板等，其表面质量对其总体质
量乃至市场竞争力起着决定性的作用。利用传统的人工目测方法对钢板表面进行
质量检测，极易因为“视觉疲劳”而产生表面缺陷的误报、漏报问题，国内很多
钢铁公司都存在这样的情况，更有许多因为钢材表面质量问题而直接影响经济效

益的案例。随着CCD（电荷耦合元件）技术和计算机技术的飞速发展，可采用基
于机器视觉的一种精确、非接触式的检测方法进行钢板表面质量检测，通过高速

CCD相机与计算机系统相结合的方法，及时采集图像信息，并通过处理系统将钢

板表面质量信息准确的反馈给检测人员已成为钢板表面质量检测的发展趋势。

关键词：机器视觉技术；钢板表面质量；检测系统分析

引言

中国是一个制造大国，每天都要生产大量的工业产品。用户和生产企业对产
品质量的要求越来越高，除要求满足使用性能外，还要有良好的外观，即良好的
表面质量。但是，在制造产品的过程中，表面缺陷的产生往往是不可避免的。不
同产品的表面缺陷有着不同的定义和类型，一般而言表面缺陷是产品表面局部物
理或化学性质不均匀的区域，如金属表面的划痕、斑点、孔洞，纸张表面的色差、
压痕，玻璃等非金属表面的夹杂、破损、污点，等等。表面缺陷不仅影响产品的
美观和舒适度，而且一般也会对其使用性能带来不良影响，所以生产企业对产品
的表面缺陷检测非常重视，以便及时发现，从而有效控制产品质量，还可以根据
检测结果分析生产工艺中存在的某些问题，从而杜绝或减少缺陷品的产生，同时

防止潜在的贸易纠份，维护企业荣誉。
1研究现状

机器视觉在金属(特别是钢板)表面、纸张等印刷品、纺织品、磁砖、玻璃、
木材等表面缺陷检测国内外有较多的研究成果，不乏成功应用系统和案例。在钢

板表面缺陷检测领域，美国Westinghouse公司采用线阵CCD摄像机和高强度的
线光源检测钢板表面缺陷，并提出了将明域、暗域及微光域3种照明光路形式组
合应用于检测系统的思路。这些系统可识别的缺陷种类相对较少，并且不具备对

周期性缺陷的识别能力。美国Cognex公司研制成功了iS－2000自动检测系统和
iLearn自学习分类器软件系统。这两套系统配合有效改善了传统自学习分类方法
在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面

的不足;Parsytec公司为韩国浦项制铁公司研制了冷轧钢板表面缺陷检测系统
HTS，该系统能对高速运动的热轧钢板表面缺陷进行在线自动检测和分级的系统，
在连轧机和CSP生产线上取得了良好的效果;英国EuropeanElectronicSystem公
司研制的EES系统也成功地应用于热连轧环境下的钢板质量自动检测。EES系统
实时地提供高清晰度、高可靠性的钢板上下表面的缺陷图像，最终交由操作员进
行缺陷类型的分类判别。国内北京科技大学的高效轧制国家工程研究中心也在进
行钢板表面质量检测系统的研制，对其常见缺陷类型进行了检测与识别，取得了
一定的研究成果，东北大学、上海宝钢集团公司、武汉科技大学等科研院所研究

了冷轧钢板表面缺陷的检测系统，重庆大学对高温连铸坯表面缺陷进行了研究。

2基于机器视觉技术的钢板表面质量检测系统分析

2.1嵌入式图像处理器

嵌入式图像处理器的选择直接关系到钢板表面缺陷图像实时采集与处理的结
果，也是系统设计中的一个瓶颈问题。根据前面计算数据处理速度高达近每秒百
兆以及海量数据实时性的要求，需要采用专用的图像处理器、计算机总线及多计
算机网络并行处理来共同完成任务。然而这必将造成系统庞杂，价格昂贵，维护

困难。因此，选择采用GigE相机+DSP+服务器进行多处理器协同处理共同完成海
量数据的采集、处理、传输与存储。系统中每台相机通过以太网接口接入DSP进
行并行处理，图像通过网络传输到系统服务器对图像进行分析与处理，因此，需

要保证采集图像的高速性以及合适的网络拓扑结构，以保证网络信息不发生冲突。
2.2光学成像子系统

光学成像子系统主要包括光源照明系统、成像系统及参数计算。光学成像子
系统的性能影响成像质量，进而对系统的分辨率、速度、幅面等参数带来直接影
响。为实现在任意情况下的正确率，需要开发复杂、大型化、智能化的算法，这
样将导致图像算法运算量大大增加、运算速度降低，影响系统实时性。成像系统
及参数计算：根据检测系统技术参数和钢板宽度、横向分辨率、纵向分辨率等技

术参数、钢板生产速度，确定CCD数量以及镜