王宏軍，楊 偉，史紅林，李耀輝，張云錦，王鴻翔，劉樹偉，江罩林

(馬鋼股份第一鋼軋總廠熱軋分廠 安徽馬鞍山 240031)

1 綜述

隨著社會經(jīng)濟的快速發(fā)展，對作為重要基礎材料的鋼材產(chǎn)品質(zhì)量的要求日益提高，帶鋼的表面質(zhì)量是影響鋼材終端產(chǎn)品質(zhì)量的重要因素之一。傳統(tǒng)的帶鋼表面質(zhì)量檢測主要依靠人工在卷曲處開卷或后續(xù)對鋼卷平整來進行缺陷驗證；人工開卷只能開出熱軋鋼卷尾部十幾米內(nèi)的缺陷，檢測范圍極其有限；且人工查看強度很大，并且平整所需的周期較長，實時性不能滿足現(xiàn)場的需求，尤其對一些批量性的缺陷要做到實時檢測非常困難。因此通過人工無法有效的對熱軋鋼卷表面缺陷進行定位跟蹤，更無法形成對整個鋼卷表面質(zhì)量的評估。大量學者研究了基于機器視覺的帶鋼表面缺陷檢測技術。

北京科技大學高效軋制國家工程研究中心檢測團隊于98年開始基于機器視覺的鋼板表面缺陷在線檢測檢測技術的研究，已開發(fā)了具有自主知識產(chǎn)品的表面缺陷在線檢測系統(tǒng)，并在鑄坯、寬厚板、熱軋、冷軋、棒材等領域均有成功的生產(chǎn)線應用；系統(tǒng)對獲取到的圖像數(shù)據(jù)進行處理，得到缺陷類別及位置信息并形成報表提供給質(zhì)檢部門，質(zhì)檢人員可以根據(jù)缺陷統(tǒng)計情況進行鋼卷的質(zhì)量評估。

綜上可知，熱軋現(xiàn)場環(huán)境比較復雜，對檢測設備的穩(wěn)定性要求較高；現(xiàn)場存在大量的水汽及氧化鐵皮的干擾，相比一些輕工業(yè)的現(xiàn)場缺陷檢測識別的難度較大。雖然目前有很多國內(nèi)外團隊都在進行這方面的研究，但能在現(xiàn)場起到實際作用且滿足現(xiàn)場使用條件的檢測設備極少。本文中，針對上述問題，分別從軟硬件兩個方面展開了研究。針對熱軋帶鋼在激光光源下成像偏黑、帶鋼抖動干擾大的問題，提出采用LED光源和線陣相機的搭配方式解決成像質(zhì)量差的問題；針對熱軋帶鋼表面水和油的干擾大的問題，將深度學習算法應用到熱軋帶鋼的缺陷檢測上。

2 檢測系統(tǒng)軟件結(jié)構(gòu)與流程

2.1 軟件構(gòu)成

本系統(tǒng)采用并行服務器進行相機的采集與存儲，各相機圖像保存于各自獨立的存儲服務器上，通過同步儀控制各相機同步進行圖像采集，同時利用自動曝光功能保證圖像灰度的一致。系統(tǒng)可配置多個終端顯示畫面進行缺陷分布圖及報警圖片的顯示，終端顯示畫面與后臺服務器結(jié)構(gòu)上分離，功能上統(tǒng)一，在操作上更加人性化。

系統(tǒng)采用多算法工作站協(xié)調(diào)搭配的模式，進行鋼卷圖像的分析，將缺陷檢出與分類識別模型分開在不同機器同步進行，可合理利用各機器的性能資源。

2.2 檢測流程

現(xiàn)場缺陷檢測的整體思路如下圖所示，缺陷檢測主要經(jīng)過圖像的預處理、缺陷分割、缺陷識別等步驟。通過缺陷檢出分割將圖像上灰度明顯區(qū)域、邊界明顯區(qū)域、紋理明顯區(qū)域進行提取定義為可疑待選的缺陷區(qū)域，快速減少處理的圖像數(shù)據(jù)大小，然后將備選的ROI送入分類器模型進行最終的類別判定，類別判定采用置信概率值的方式，可提供置信度Top3的類別顯示。

針對熱軋現(xiàn)場中易出現(xiàn)的批量性的缺陷進行特殊的處理，如精軋輥印、縱向劃傷等；精軋輥印缺陷主要是由軋輥磨損造成的缺陷，一般呈現(xiàn)周期規(guī)律，同時也存在由深入淺的過程，此類缺陷的判定首先從形貌特征上進行一次判定，然后再通過缺陷橫向位置的一致性，以及縱向上呈現(xiàn)出的周期性進行二次判別，最終符合兩次判別的缺陷定義為精軋輥?。贿B續(xù)的縱向劃傷缺陷也是熱軋現(xiàn)場中比較關注的一類批量性缺陷，一般由傳送輥道造成，此類缺陷一般存在連續(xù)性且長度長的特點，本系統(tǒng)對劃傷長度進行設限，可針對連續(xù)劃傷缺陷進行及時報警提示(如圖1)。

1 缺陷檢測流程圖

3 現(xiàn)場應用情況

目前本系統(tǒng)已投放于國內(nèi)某熱軋生產(chǎn)線，主要用于替換之前國外某廠家的表面檢測系統(tǒng)，針對之前檢測系統(tǒng)對于微小缺陷無法識別的情況，本文的表檢系統(tǒng)在設計上采用上下表面各2個4K相機的搭配進行鋼卷圖像的采集，相機采集圖像的分辨率為4096*1024，采集速率會自動根據(jù)現(xiàn)場輥道速度進行自動調(diào)整，可以有效的保證不同的速度下橫縱向分辨率一致，現(xiàn)場針對鋼卷缺陷的最小尺寸設計的分辨率為0.2 mm，可以保證現(xiàn)場所有的缺陷都可被檢測到。

系統(tǒng)標準配置下可保存兩個月左右的原始圖像數(shù)據(jù)以及兩年左右的缺陷圖像數(shù)據(jù)，并可根據(jù)需要進行存儲的擴充。軟件上同時提供圖像分析和缺陷分析兩部分功能，兩種功能可以相互補充，對于缺陷的檢出效果可以得到進一步保證。

相機采集圖像數(shù)據(jù)并將圖像存儲在數(shù)據(jù)服務器中，同時圖像數(shù)據(jù)會被實時傳輸?shù)椒植际降乃惴ǚ掌魃?，進行圖像的分批處理，圖像數(shù)據(jù)分流的方式可以將圖像數(shù)據(jù)根據(jù)需要分配到不同的服務器上進行處理，可以在保證現(xiàn)場缺陷識別的實時性的同時留給復雜的缺陷識別算法更多的檢測時間；本文算法將圖像分割識別進行分離，充分利用不同機器的性能優(yōu)勢，采用強CPU的機器進行缺陷的檢出，采用強GPU的機器進行缺陷的分類，進一步提升的算法的檢測速度，以滿足現(xiàn)場缺陷檢測實時性的要求。

現(xiàn)場使用深度學習模型進行缺陷的分類，離線樣本測試分類準確度可達到98%，對現(xiàn)場關注的主要缺陷如輥印、裂紋、劃傷、夾雜、結(jié)疤等缺陷的實際檢出率可達到95%以上，識別率在90%以上。同時為現(xiàn)場提供最新的模型訓練工具，現(xiàn)場可以根據(jù)需要將最新的樣本數(shù)據(jù)采集下來進行自主訓練，使算法模型的準確度可以一直維持在90%以上(如圖2)。

此系統(tǒng)提供實時鋼板的缺陷報警及歷史缺陷查詢的功能，實時缺陷報警有實時語音報警和聲光報警兩種方式，可以設置關注等級較高的缺陷類別進行報警，及時通知使用人員做出判斷，杜絕缺陷的批量產(chǎn)生；系統(tǒng)提供缺陷報表導出的功能(可導出單卷鋼的缺陷數(shù)據(jù)統(tǒng)計表、缺陷分布圖及選擇時間段內(nèi)的各缺陷的統(tǒng)計信息)，對于后續(xù)缺陷的統(tǒng)計及分析提供了數(shù)據(jù)參考(如圖3)。

圖2 現(xiàn)場缺陷檢測效果圖

圖3 鋼卷缺陷報表統(tǒng)計

此外，本系統(tǒng)還可根據(jù)廠里的判級規(guī)定進行缺陷的判級，通過設置缺陷的長度、寬度、面積及出現(xiàn)的頻率等信息可以對鋼卷進行分級，直接指導現(xiàn)場封鎖等級不合格的鋼卷，避免存在質(zhì)量缺陷的鋼卷外流。

4 結(jié)論

采用4K線陣相機進行圖像的采集，進一步減少相機數(shù)量，降低了維護成本并增加了缺陷的識別分辨率，對熱軋現(xiàn)場較細微的缺陷(比如縱向暗劃傷)檢測效果更佳。采用LED光源成像上更加均勻，尤其是解決了鋼卷運動前期未經(jīng)卷曲咬合時所產(chǎn)生抖動問題。

利用圖像分析和缺陷分析相結(jié)合的方式可更好地檢出缺陷，將圖像數(shù)據(jù)進行分布式處理，同時將缺陷檢出和分類進行分離，可有效低利用各服務器的計算資源，進一步提高了缺陷檢測速度。

采用最新的深度學習技術搭建分類器模型，對于復雜背景下缺陷的分類準確率有更大的提高，可以很好的解決鋼板表面缺陷分類難度大的問題，對現(xiàn)場的缺陷識別率可以達到90%以上；同時可以實現(xiàn)周期性缺陷的判別，并提供出擬合的周期值以指導現(xiàn)場換輥。

本系統(tǒng)已在國內(nèi)某軋鋼廠生產(chǎn)現(xiàn)場正式投用，以替換原有國外表面檢測系統(tǒng)設備。并解決了原有系統(tǒng)細小缺陷無法檢出、分辨率不足、系統(tǒng)維護難度大等諸多問題；本系統(tǒng)的缺陷檢出率和識別率上相對于舊系統(tǒng)有較大提升。此系統(tǒng)設計簡潔，維護方便，操作界面人性化，提供的功能齊全且可定制，能更好的滿足了現(xiàn)場使用要求。