钢板表面缺陷图像的跨域翻译

基于深度学习的表面检测识别算法中,往往需要大量的样本数据。但对于一些新投产的生产线无法在短时间内收集足够多的样本。为了解决这一问题,采用了一种改进型的对抗生成网络,对其他生产线上的图像样本进行图像翻译,以获得新生产线的缺陷样本,即跨域图像转换。将热轧钢板表面缺陷样本和冷轧带钢无缺陷样本融合转换成冷轧带钢表面缺陷样本。试验将6种不同类型的热轧钢板表面缺陷进行了跨域转换,结果表明,对于背景纹理较重的图像转换结果较好,对于一些缺陷尺度较小的缺陷,如麻点,检测结果仍有改进空间。为了定量地对检测结果进行判定,引入了一个神经网络来对原始图像和翻译图像进行分类。分类结果准确率达到了96%,表明图像跨域转换效果良好,有一定应用价值。     

基于DSP技术的带钢表面质量在线检测系统

提出了一种新的冷轧带钢表面质量在线检测方法。该方法用多个面阵CCD摄像头同步采集带钢表面的图像,通过DSP系统对图像进行处理,以得到钢板表面质量情况。该方法速度快,精度高,实时性好,可有效地检测到带钢表面的各种缺陷。     

基于机器视觉的铸坯表面缺陷检测系统的研制

钢板作为钢铁工业的主要产品形式之一,已成为汽车、机械制造、化工、航空、航天和造船等工业不可缺少的原材料,其表面质量的优劣将直接影响最终产品的性能和质量。针对目前国内钢板表面缺陷检测方法比较落后、检测效果较差的情况,提出铸坯表面缺陷检测系统的设计与实现方案。系统以计算机视觉理论为检测原理,在现有技术基础上,借助模式识别理论,以模块化为设计思想,通过大量的实验和图像算法仿真,以现有的图像处理理论为基础,设计适合铸坯表面缺陷检测的算法。     

Espresso表面质量缺陷检测系统在梅钢的应用

钢板的表面质量是钢板最为重要的质量因素之一,表面质量的优劣直接影响其最终产品的性能与质量.本文介绍了Espresso系统的结构组成、工作原理以及梅钢对热轧表面缺陷检测的维护方法及运用成效.     

基于机器视觉技术的钢板表面质量检测系统分析

介绍了自主研发的可应用于冷轧钢板生产线上的基于机器视觉的钢板表面质量检测系统的硬件构成,包括高速线阵CCD相机选择,光源设计,系统照明方式设计,嵌入式图像处理系统设计以及如何基于千兆以太网实现高速线阵CCD相机的图像实时采集与传输.实验验证通过千兆以太网对采集的图像进行实时传输,该系统易于升级,可扩展到其他相关领域.     

中厚板表面横向裂纹缺陷分析及控制对策

中厚板横向裂纹缺陷属于破坏性和无法挽救性钢板表面质量缺陷,是中厚板不良品和不合格品的主要构成缺陷。在钢板化学成分符合国家标准的前提下，通过金相检测对中厚板产品横向裂纹缺陷所呈现的形貌、分布、裂纹附近的夹杂物、金相组织进行分析。结果表明：连铸工艺或坯料加热、轧制工艺异常是中厚板横向裂纹产生的主要诱因。     

热轧中板表面麻面缺陷研究与控制

采用SEM-EDS相结合的手段,研究了热轧中板表面麻面缺陷的宏观/微观形貌及麻面缺陷的形成机理。将两个钢种进行加热轧制,并对成品表面质量进行检测,发现加热温度进行高低温转换时,升降温速率过快易造成批量麻面缺陷;不采用末道次除鳞钢板表面起皮严重;而且采用高压水大流量和小流量相结合的方式除鳞,可以提高热轧后钢板的表面质量同时也提高抛丸后钢板的表面质量。     

基于数字条纹投影的钢板表面三维缺陷检测

针对目前常用的钢板表面检测系统在检测三维缺陷时存在的局限性,提出了一种基于数字条纹投影的三维缺陷检测方法,并构建了检测系统的数学模型,首先通过面阵CCD相机采集由表面三维缺陷引起的投射条纹形变图像,然后使用旋滤波算法对条纹图像预处理,并通过傅里叶变换轮廓术算法实现对条纹相位的提取,最终利用数学模型推导出条纹相位与缺陷深度的关系,进行钢板表面三维缺陷的在线检测.试验结果表明,该方法在准确检出钢板表面三维缺陷(凹坑或凸包)的同时较好地解决了钢板在传送中的振动及二维缺陷干扰等问题.     

几种典型中厚板材外观缺陷的种类、形态及成因

本文以济钢长期生产经验的积累和研究为基础,通过大量的实物取证和系统分析,结合近年来钢种数量增多和生产方式多样化出现的新问题,参照热轧钢板有关标准和技术条件中相关的定义和描述,以钢板表面缺陷发生的实际形态和特征相为依据,对几种典型的钢板表面缺陷进行了科学的分类,介绍了这几类缺陷的形态、特征、成因和影响。它对中厚板厂的技术人员和质检部门进行钢板表面质量的分析、判定和缺陷的消除具有重要的参考价值。     

Cognex表面检测设备缺陷样本库的创建途径与技巧

样本库的创建和缺陷收集是掌握Cognex表面检测设备使用方法的基础。通过1种图示化的方式说明建立样本库的3种途径和收集缺陷的方法,比较了3种方法的优缺点,提出"在Cognex sv Classifier Mgr中打开历史卷,创建文件夹和新增样本库"的方法,可以批量选择同类缺陷图片,一次性保存到样本库中,收集效率高,值得推荐。