钢板表面质量机器视觉检测系统设计

针对国内钢厂采用人工方法检查钢板表面缺陷存在可靠性差的问题,开发设计了基于机器视觉技术的带钢表面缺陷自动检测系统.系统通过摄像头采集带钢表面的图像,然后采用图像处理及模式识别算法对图像进行实时处理和分析,从而检测出钢扳表面缺陷,并对缺陷进行自动分类识别.实验结果表明,系统能够对带钢表面进行实时在线监测,并能正确识别常见的带钢表面缺陷.     

基于BP神经网络的冷轧带钢表面缺陷分类研究

冷轧带钢表面检测系统作为带钢表面质量的检测设备,在钢铁生产中具有重大的应用价值.本文首先从冷轧带钢表面缺陷检测系统的总体结构以及神经网络在冷轧带钢表面检测系统中的应用两个方面介绍冷轧带钢表面缺陷检测系统.然后采用BP神经网络对在线冷轧带铜表面缺陷进行检测分类,结果表明检测系统总识别率达到了96%.     

带钢表面质量在线检测系统研究与设计

为了提高现有带钢表面质量检测技术在缺陷检测精度与识别率上存在的问题,设计了基于机器视觉技术的带钢表面质量自动检测系统,从系统整体构成、视觉传感系统、软件开发及检测与分类算法等方面进行了深入地研究,实现了包括图像的采集、传输、缺陷的实时检测和定位,缺陷的分类以及缺陷的存储与报警等功能;实验结果表明,该系统可以对带钢表面常见的边裂、氧化、结疤等几十种不同类型的缺陷进行精确地检测;与现有的缺陷检测技术相比,该系统中设计的算法在检测精度和实时吞吐量上都具有很大优势.     

高精度超薄金属钢带表面质量在线检测的研究

物体表面质量的检测在工业领域是众多产品重要检测内容.带钢表面的缺陷已经成为影响钢带表面质量和性能的关键因素.其中带钢表面检测较为典型.提高钢带的表面质量,应首先要解决钢带表面缺陷的检测与缺陷识别分类的问题,然后分析使其缺陷的本因,最后根据分析结果及设备的特性提出改善表面质量的解决方案.本文针对某工业带钢生产系统设计了一套基于CCD的带钢表面质量检测装置,结合图像传感器和单片机技术,对图像处理的结果进行质量分析,精确检测带钢厚度及带钢表面是否有擦划伤、压坑、麻点、层间擦伤等.通过钢带表面质量的检测研究,可以获取大量的钢带表面质量的有用信息,利用图像可以对其表面质量进行可视化的分析,便于使用.为进一步实现钢带表面质量实时检测与控制奠定了基础.     

基于局部与非局部线性判别分析和高斯混合模型动态集成的晶圆表面缺陷探测与识别

在复杂的半导体制造过程中,晶圆生产经过薄膜沉积、蚀刻、抛光等多项复杂的工序,制造过程中的异常波动都可能导致晶圆缺陷产生.晶圆表面的缺陷模式通常反映了半导体制造过程的各种异常问题,生产线上通过探测和识别晶圆表面缺陷,可及时判断制造过程故障源并进行在线调整,降低晶圆成品率损失.本文提出了基于一种流形学习算法与高斯混合模型动态集成的晶圆表面缺陷在线探测与识别模型.首先该模型开发了一种新型流形学习算法——局部与非局部线性判别分析法(Local and nonlocal linear discriminant analysis, LNLDA),通过融合数据局部/非局部信息以及局部/非局部惩罚信息,有效地提取高维晶圆特征数据的内在流形结构信息,以最大化数据不同簇样本的低维映射距离,保持特征数据中相同簇的低维几何结构.针对线上晶圆缺陷产生的随机性和复杂性,该模型对每种晶圆缺陷模式构建相应的高斯混合模型(Gaussian mixture model, GMM),提出了基于高斯混合模型动态集成的晶圆缺陷在线探测与识别方法.本文提出的模型成功地应用到实际半导体制造过程的晶圆表面缺陷在线探测与识别,在WM-811K晶圆数据库的实验结果验证了该模型的有效性与实用性.     

一种基于局部二进制模式的带钢表面缺陷初级检测方法

带钢表面缺陷检测是带钢质量控制的重要环节之一,但现有带钢表面缺陷自动检测方法在准确性和实时性上还难以满足工业现场需要。为了解决此问题,提出了一种基于局部二进制模式（LBP）的带钢表面缺陷的初级检测方法。该方法首先利用快速局部二进制模式算法计算图像中各像素点的LBP值;然后通过统计LBP直方图来获取图像中主要边缘点的信息,再将其与阈值进行比较,以确定带钢图像中表面缺陷的存在,并记录缺陷的位置。实验结果表明,该方法不仅在带钢表面缺陷的初级检测方面具有良好的准确性和实时性,而且其提取出的信息还具有结构的和统计的双重特性,可为后续缺陷分类提供重要依据。     

晶圆表面缺陷模式的在线探测与自适应识别研究

晶圆表面的缺陷通常反映了半导体制造过程存在的异常问题,通过探测与识别晶圆表面缺陷模式,可及时诊断故障源并进行在线调整。提出了一种晶圆表面缺陷模式的在线探测与自适应识别模型。首先该模型对晶圆表面的缺陷模式进行特征提取,基于特征集对每种晶圆模式构建相应的隐马尔科夫模型（Hidden Markov Model,HMM）,并提出基于HMM动态集成的晶圆缺陷在线探测与识别方法。提出的模型成功应用于WM-811K数据库的晶圆缺陷检测与识别中,实验结果充分证明了该模型的有效性与实用性。     

基于监督双限制连接Isomap算法的带钢表面缺陷图像分类方法

根据带钢表面缺陷图像具有复杂纹理结构、包含大量干扰信息、具备高维非线性几何结构等特点,本文提出基于监督双限制连接Isomap方法的带钢表面缺陷图像降维方法（dls-Isomap）.该方法以Isomap降维方法为基础,对其邻域图的连接方式进行K邻域（K-nearest neighbor,KNN）和ε-半径两个方面的限制性连接,并使用数据类别作为监督对类间邻域点进行扩展连接.针对多类Roll-swiss数据实验表明,dls-Isomap降维方法不仅能够在低维空间中完整嵌入所有数据点,而且能保持数据各类内和类间的几何结构,以及解决Isomap算法存在的“短路边”问题;针对带钢表面缺陷图像分类实验表明,基于dls-Isomap的新分类方法适合含水、油渍等干扰较多的带钢表面缺陷的分类任务,其中冷轧带钢5类缺陷识别率可以达78%.含水渍的热轧带钢缺陷识别率可以达到93%,其中水渍干扰图像的识别率达到97.6%.     

小样本条件下的带钢表面缺陷检测

针对工业场景下带钢表面缺陷样本少、缺陷尺寸大小不一等问题, 提出一种适用于小样本条件下的带钢表面缺陷检测网络. 首先, 算法以YOLOv5s框架为基础, 设计一种融合注意力机制的多尺度路径聚合网络作为模型的颈部, 增强模型对缺陷目标的多尺度预测能力; 其次, 提出一种自适应解耦检测结构, 缓解小样本情况下分类和定位任务之间的矛盾; 最后, 提出一种融合Wasserstein距离的边界框回归损失函数, 提升模型对小目标缺陷的检测精度. 实验表明, 在构建的小样本带钢表面缺陷数据集上, 本文模型的检测性能优于其他小样本检测模型, 更适用于工业环境下的小样本缺陷检测任务.     

基于小样本的神经网络参数优化选择方法

提出了一种基于小样本的神经网络参数优化选择方法,并应用于冷轧带钢表面缺陷在线检测系统中。该方法利用小样本对神经网络的每一种可能的组合参数进行模拟训练及测试,通过直方图求取最优化的一组神经网络参数。实验表明,利用该方法选择出来的神经网络参数,可以实现对冷轧带钢表面缺陷的最优识别。     

一种带钢表面缺陷识别与分类的研究——基于混合加权特征和RBF网络的方法

本论文中,采用灰度直方图特征、灰度共生矩阵特征和小波变换特征的提取方法,三种特征方法的结合能够很好的实现分类的目的。在提取特征向量的基础上,本研究基于MATLAB6.5环境下的神经网络工具箱,采用了兼顾识别速度与分类准确性的RBF神经网络分类器对带钢表面缺陷进行识别与分类,此算法可以作为高速生产线的带钢表面缺陷的实时检测优选方案。     

钢板表面缺陷检测光学系统的设计

为满足钢板表面缺陷在线检测系统宽幅面、高速、高分辨率的检测要求,优化设计了钢板表面缺陷视觉检测系统的光学部分.采用了一种新型LED线光源获得高强度均匀照明,多线阵CCD拼接成像完成幅面分割.明、暗域相结合的成像模式确保了大部分缺陷的有效检出.综合考虑光源、镜头与线阵CCD的影响,计算并优化选取了光学镜头的焦距、f数和视场角等参数以满足检测需要,整个光学系统设计满足在线检测需要并在样机中得以应用.     

Automated visual inspection of rolled metal surfaces

A prototype for an automated visual on-line metal strip inspection system is described. The system is capable of both detecting and classifying surface defects in copper alloy strips, and it has been installed for evaluation in a production line in a rolling mill. The image acquisition part of the system is based on a CCD line scan camera and condensing bright field illuminators. The inspection algorithms are based on morphological preprocessing and combined statistical and structural defect recognition. The image processing hardware consists of commercial modules. An analysis of this implementation is presented. A similar inspection principle has also been successfully applied to steel strip inspection.     

带钢表面缺陷在线检测系统的设计与实现

带钢表面质量的优劣将直接影响到最终产品的性能和质量。本文研究了一种基于图像处理和模式识别的带钢表面缺陷检测系统,它采用了特殊的软件设计结构和模块化设计的理念,实验表明该软件对钢板表面进行在线式缺陷实时检出,具有较高精度,而且系统对缺陷数据管理并提供报表及打印功能。     

基于神经网络的冷轧带钢表面缺陷检测

带钢表面缺陷是影响带钢质量的重要因素,对带钢进行表面缺陷检测对提高带钢质量具有重要意义。传统人工检测的方法往往不能得到令人满意的检测结果。为此,提出了采用基于前馈神经网络(FFN)的方法对在线带钢的表面缺陷进行检测,检测结果令人满意,表明了该方法的有效性。     

基于FPGA图像处理技术在钢板表面缺陷检测系统中的应用

为了解决钢板表面缺陷视觉检测系统中图像处理的瓶颈问题,采用基于FPGA的嵌入式处理系统完成大数据量、实时、在线的处理任务,从而满足高速、宽幅、高分辨率的检测要求.嵌入式系统以Altera公司最新的Stratix FPGA作为核心处理器,在分析FPGA专有的硬件结构基础上,对图像处理中的模板卷积算法进行了优化设计,采用Verilog语言对算法完成建模与实现,并在Quartus Ⅱ平台进行了仿真验证.实验与算法仿真证明嵌入式处理系统的可行性与工程实用性,从而表面缺陷检测系统中的图像信息实时处理这一关键问题得以解决.     

基于小样本学习的LCD产品缺陷自动检测方法

针对高分辨率液晶显示器产品(liquid crystal display, LCD)质量在线检测需求,基于深度学习提出一种LCD缺陷自动检测方法。通过设计自适应浅层特征提取层,并引入稀疏卷积结构,多维度、多尺度的提取深层特征,采用迁移学习和深度卷积生成对抗生网络扩充数据强化训练,构建基于小样本学习的LCD表面缺陷检测模型。其特征在于,采用设计的自动分割与定位预处理软件将高分辨率图像划分成适于卷积神经网络学习的图像子块,并根据模型对图像子块的判定类别和定位坐标,同时获取多类型缺陷检测结果。实验结果表明,本文模型可以有效提高检出率,并减少漏检率。     

A cost-effective and automatic surface defect inspection system for hot-rolled flat steel

Defective steel brings economic and commercial reputation losses to the hot-strip manufacturers, and one of the main difficulties in using machine-vision-based technique for steel surface inspection is time taken to process the massive images suffering from uneven illumination. This paper develops a modular and cost-effective AOI system for hot-rolled flat steel in real time. Firstly, a detailed system topology is constructed according to the design goals covering the vast majority of steel mills, lighting setup and typical defect patterns are presented as well. Secondly, the image enhancement method is designed to overcome the uneven-lighting, over- or under-exposure. Thirdly, the defect detection algorithm is developed based on variance, entropy and average gradient derived from non-overlapping 32×32 pixel blocks of steel surface images. Fourthly, the proposed algorithms are implemented on FPGA in parallel to improve the inspection speed. Finally, 18,071 contiguous images (4096×1024 pixel) acquired from 7 defective steel rolls have been inspected by the realized AOI system to evaluate the performance. The experimental results show that the proposed method is speedy and effective enough for real applications in the hot-rolled steel manufacturing, with 92.11% average accuracy while 5.54% false-negative rate.