王成明,趙明皞,穆用可,張 響

(鄭州大學(xué)機(jī)械工程學(xué)院,鄭州450001)

冷軋帶鋼表面缺陷的二級檢測與快速判定方法研究

王成明,趙明皞,穆用可,張 響

(鄭州大學(xué)機(jī)械工程學(xué)院,鄭州450001)

針對冷軋帶鋼表面缺陷圖像采集計算量大、實(shí)時性強(qiáng)的特點(diǎn),在提取灰度信息特征的基礎(chǔ)上,采用二級檢測的處理方法采集缺陷圖像.實(shí)驗驗證結(jié)果表明:二級檢測模式可以提高檢測速度、縮短檢測時間,具有良好的生產(chǎn)適應(yīng)性.關(guān) 鍵 詞: 冷軋帶鋼;表面缺陷;灰度;二級檢測

冷軋帶鋼在制造過程中,由于連鑄鋼坯、軋制設(shè)備、加工工藝等多方面的原因,其表面往往會出現(xiàn)邊緣鋸齒、焊縫、夾雜、抬頭紋、輥印、氧化皮、結(jié)疤、孔洞、針眼、表皮分層等不同類型的缺陷,它們不僅影響產(chǎn)品外觀,而且還將降低產(chǎn)品的抗腐蝕性、耐磨性和疲勞強(qiáng)度.因此,研究冷軋帶鋼表面缺陷檢測與分類問題[1-5],對分析缺陷產(chǎn)生機(jī)制和消除缺陷具有重要的意義.針對從大量帶鋼圖像中識別出含有缺陷圖像的實(shí)際需求,本文擬就中值濾波去噪復(fù)原圖像的二級檢測處理采集缺陷方法進(jìn)行研究,以期實(shí)現(xiàn)缺陷的快速提取.

1 缺陷圖像的二級檢測模式

根據(jù)冷軋帶鋼生產(chǎn)現(xiàn)場的實(shí)際考察發(fā)現(xiàn):生產(chǎn)流程中拍攝的大部分帶鋼表面圖像中都不存在缺陷,而顯示有缺陷的圖像僅在5%以下.如果不加選擇地對每幅圖像都進(jìn)行特征提取及圖像分割,勢必會大大降低圖像處理速度,難以完成實(shí)時監(jiān)測的要求.因此需先對圖像進(jìn)行含缺陷樣本采集(一級檢測),然后只對確定的缺陷圖像執(zhí)行特征提取、缺陷分類等任務(wù)(二級檢測).這種二級檢測模式系統(tǒng)構(gòu)成如圖1所示.

圖1 二級檢測缺陷識別系統(tǒng)框圖

2 缺陷圖像快速分類判定

2.1 快速分類判定原理

描述圖像灰度分布的最常用方法是一階概率分布(即一階灰度直方圖).假設(shè)圖像的采樣具有256個灰度級(其灰度值i=0,1,2,3,…,255),某灰度級i的總像素數(shù)為N(i),全圖像的像素總數(shù)為N,那么灰度級i的概率為p(i)=N(i)/N.這樣各個灰度級下的p(i)即構(gòu)成了一階灰度直方圖.

圖2所示為6種圖像的直方圖示例.從圖2可見,直方圖形狀可以提供有關(guān)圖像的許多信息特征.直方圖峰較窄時,圖像中的灰度反差較低;直方圖出現(xiàn)雙峰時,表明圖像中有不同亮度的2種區(qū)域;直方圖峰值偏向低亮度,可定性判斷出它的平均亮度低.雖然灰度直方圖不一定能反映某種紋理特征,但它仍是一幅圖像的最基本特征度量.從統(tǒng)計角度看,直方圖代表了區(qū)域的概率密度函數(shù),因此它的統(tǒng)計測度可以表征不同類別之間的特征差異[6].

圖2 幾種典型圖像的直方圖特征

如果取每一個p(i)作為直方圖的一個特征值,那么對于256級灰度的圖像就可提取256個特征值,但這往往不足以刻畫出缺陷的圖像特征,所以還需對缺陷的一階灰度直方圖用下列較重要的統(tǒng)計特征來描述:

灰度均值:

灰度方差:

灰度方差是灰度分布的分散性的度量;扭曲度:

扭曲度是對分布偏離對稱情況的度量;峰度:

峰度是描述一個分布的傾向是聚集于均值附近還是散布于兩端的度量;

能量:

熵:

對于等概率的分布,一階灰度直方圖具有最小的能量而同時又具有最大的熵.

式中:L為灰度級數(shù),這里L(fēng)=256.

由于將圖像分成小塊處理可以有效地消除光照不均勻帶來的影響,因此可以將圖像分成小塊加以處理,通過計算出的灰度方差與設(shè)定閾值(閾值可以根據(jù)現(xiàn)場照明條件加以靈活調(diào)節(jié))的比較,來判斷各小塊中是否存在缺陷.而在實(shí)際在線生產(chǎn)系統(tǒng)中,灰度方差還可用灰度差絕對值來代替,以減少計算時間和計算量.

2.2 實(shí)驗驗證

由圖2可知,雖然各缺陷的圖像亮度不同,但是這僅僅影響到它們的特征峰在直方圖的位置,而不會影響到灰度方差的大小,因此對實(shí)驗是沒有影響的.對500張圖像進(jìn)行實(shí)驗,分別采用灰度方差和灰度差絕對值作為閾值.實(shí)驗結(jié)果如表1所示.

由表1中數(shù)據(jù)可以看出:當(dāng)采用灰度方差作為閾值,閾值設(shè)置為20.0時,在100幅有缺陷圖像中,有0幅被錯誤地識別為無缺陷圖像;在400幅無缺陷圖像中,有4幅被錯誤地識別為有缺陷圖像.當(dāng)采用灰度差絕對值作為閾值,閾值設(shè)置為17.0時,在100幅有缺陷圖像中,有1幅被錯誤地識別為無缺陷圖像;在400幅無缺陷圖像中,有5幅被錯誤地識別為有缺陷圖像.在錯誤識別的圖像當(dāng)中,采用灰度差絕對值作為閾值,對非缺陷圖像誤識為缺陷的誤識率相對較高,但總體誤識率均在1.2%之內(nèi),因此無論用灰度方差,還是灰度差絕對值作為閾值進(jìn)行缺陷的樣本采集,都是有效的.

表1 實(shí)驗結(jié)果對比

至于誤識樣本,經(jīng)對實(shí)物的觀察發(fā)現(xiàn)其偽缺陷主要是水印、油漬等,因此還需進(jìn)一步研究偽缺陷的正確識別問題.

3 結(jié) 語

(1)采用二級檢測模式,可以縮短表面缺陷的檢測時間,加快檢測速度,為現(xiàn)場實(shí)時監(jiān)測系統(tǒng)提供有力保障.

(2)以灰度值方差或灰度差絕對值作為閾值進(jìn)行缺陷的樣本采集,能有效檢出缺陷有無;同時由于該方法能大大減少計算量,因此可以推廣應(yīng)用于帶鋼生產(chǎn)的在線檢測.

[1]Pernkopf F,O’Leary P.Image Acquisition Techniques for Automatic Visual Inspection of Metallic Surfaces[J].NDT&E International,2003,36:609-617.

[2]Maenpaa T,Turtinen M,Pietikainen M.Real-time Surface Inspection by Texture[J].Real-Time Imaging,2003(9):289-296.

[3]Lee S,Chang L M,Skibniew skiM.Automated Recognition of Surface Defects Using Digital Colo r Image Processing[J].Automation in Construction,2005(9):540-549.

[4]Pernkopf F.Detection of Surface Defects on Raw Steel Blocks Using Bayesian Netwo rk Classifiers[J].Pattern Anal Applic,2004(7):333 342.

[5]Rice SO.Mathematical Analysisof Random Noise[J].Bell Syst Tech,1945,24:46-156.

[6]黃賢武,王加俊,李家華.數(shù)字圖像處理與壓縮編碼技術(shù)[M].成都:電子科技大學(xué)出版社,2000:181-188.

Study on Two-stage Detection and Quick Recogn ition Method of Surface Defect of Cold Steel Strip

WANG Cheng-ming,ZHAO M ing-hao,MU Yong-ke,ZHANG Xiang
(Zhengzhou University,Zhengzhou 450001,China)

Aiming at the characteristic of vast calculated amount and high real time quality in image collecting of cold steel strip surface defect,based on the gray feature extraction,the two-stage detection method to defect image collecting are p roposed.The experimental results show that two-stage detection pattern has a good adap tability on imp roving detection speed and shortening detection time.

cold steel strip;surface defect;gray;two-stage detection

TG142.1

A

10.3969/j.issn.1671-6906.2011.01.012

1671-6906(2011)01-0045-03

2011-01-07

王成明(1980-),男,河南延津人,講師,博士.