冷轧带钢表面缺陷及粗糙度检测系统的应用

阐述了冷轧带钢表面缺陷及粗糙度在线自动检测的必要性和重要性。介绍了当今国际上比较通用的两类检测系统的原理及机构。针对武钢的实际提供了选用看法。     

冷轧带钢表面缺陷检测现状

在综述国内外冷轧带钢表面缺陷检测现状的同时,介绍了频闪法检测、激光检测和ＣＣＤ检测原理。     

冷轧带钢表面缺陷智能检测技术的发展

介绍了冷轧带钢表面缺陷检测技术的现状、开发新检测装置的目的和要求及最近开发成功的在线智能检测仪表的原理、装置构成等。地缺陷的自动分类方法、神经网络分类器和用于地风质量进行自动分级的专家系统做了简要介绍。     

基于图象处理的冷轧带钢表面缺陷在线检测技术

对光在不同钢板表面的反射性质进行了研究,在此基础上,提出了“明场方式”和“暗场方式”两种缺隐检测方式,“明场方式”可用于检测普碳钢表面的二维和三维缺陷,“暗场方式”可用于检测不锈钢表面的三维缺陷。对缺隐检测算法的流程进行了研究,提出了“实时处理”和“准时处理”两种数据处理方式,这两种方式应用于缺隐检测过程的不同步骤,以保证缺陷检测算法的实时性。     

带钢表面缺陷在线检测实时处理方法研究

设计了一种带钢表面缺陷在线检测系统,提出了一种判断在线采集图像中是否存在缺陷的方法,并设计了半封闭图像采集装置,实验证明通过差影图中非零像素点个数的统计,达到了较好的实验效果,证明该方法的可行性.     

带钢表面缺陷一贯制追溯系统

介绍了带钢表面缺陷一贯制追溯系统的开发与应用情况。通过搭建数据平台,将物料信息、物流信息、一级自动化及仪表数据等进行完整提取,结合一贯制数据匹配、缺陷时空转换、缺陷自动追溯等模块,完成缺陷的自动追溯,并对溯源缺陷进行规律分析,进而快速推算缺陷产生的原因,降低带出品,提高客户满意度。     

带钢表面缺陷高速识别

使用功能极强的光纤发光系统，高分辨率的ＣＣＤ线性扫描摄像头及高速处理系统，在最大线速度时，能够对暗区的和亮区的金属表面上小于１ｍｍ的缺陷进行检测并分类。     

带钢表面检验中的缺陷分类

文章论述了一种使用质量检测软件决策树对带钢表面缺陷进行分类的方法。     

Application of automatic surface inspection system in cold-rolled strip production

The detection and classification of real-time surface defects play an important role in automotive sheet inspection and production. In this paper,an automatic surface inspection system( ASIS) based on signal processing in Baosteel NO. 4 cold-rolled plant is briefly presented. We demonstrate that the strip surface defect properties such as image,type,pitch,and position can be accurately calculated and classified by the automatic surface inspection system.In the manufacturing of the high-quality cold-rolled strips,it is necessary that the real-time surface defects can be detected and transferred by the automatic surface inspection system combined with annealing lines and recoiling lines.     

热轧带钢表面缺陷识别算法研究与应用

 在带钢热连轧生产过程中,带钢表面会出现不同类型的缺陷,给带钢性能造成不利影响,严重时引发质量异议。目前在线使用的带钢表面检测系统经常需要人工调整缺陷图片库,部分类别的典型缺陷图片调整后会影响另一些类型的检测精度。采用深度学习方法,设计了一种轻量化残差网络LDS-ResNet14,缩减了原始残差网络ResNet18的层数和宽度,并将普通的卷积替换成深度可分离卷积,网络的参数量和运算量大量减少;同时,使用知识蒸馏(Knowledge Distillation,KD)方法迁移大型残差网络ResNet50的知识,并提出一种混合KL散度和交叉熵的损失函数让知识更好的迁移到LDS-ResNet14上,在压缩模型的同时提升了模型的精度和泛化能力。离线试验表明,提出的网络LDS-KD-ResNet14针对武钢CSP机组的8类带钢表面缺陷的平均识别精度为99.16%,相较于ResNet18精度提高0.67%,计算量仅为原来的12.1%。实际现场在线应用表明,针对武钢CSP热连轧机组的折叠、油污、夹杂和麻点这4类缺陷,模型缺陷检出率达到96.43%、缺陷识别率达到94.10%,单张图片的检测速度为16.5 ms,满足实际生产要求。     

基于线型激光的热轧带钢表面在线检测系统

针对基于面阵CCD摄像机的热轧带钢表面缺陷检测系统所存在的问题,提出采用线阵CCD摄像机作为热轧带钢的表面图像采集装置,将激光线光源作为照明光源,解决了高温环境下的远距离均匀照明问题.采用这种图像采集方式可以使系统的精度达到0.5mm以上.针对热轧带钢表面存在的氧化铁皮、水及光照不均等问题,提出了对于不同缺陷类型建立单独的缺陷检测算法的思想.目前已经建立了纵裂与边裂的检测算法,对这两类缺陷的检出率达95%以上.     

冷轧带钢表面质量自动检测系统的在线应用研究

介绍一套在精整线上使用的冷轧带表面质量自动检测系统,该系统用在于在线检测划痕,折印,锈斑,辊印等常见的冷轧带钢表面缺陷。系统采用多个面阵CCD摄像头同步采集图像的方式,并通过由LED光源构成的“暗场照明”方式实现对缺陷的检测,系统采用了并行计算机制和多线程机制,并对算法进行了优化,从而满足数据的实时处理要求。     

基于LED光源的热轧带钢表面质量在线检测系统的开发与应用

针对热轧带钢表面缺陷检测需求,采用机器视觉技术自主开发了热轧带钢表面检测系统。该系统采用高速线阵CCD摄像机获取高质量的带钢图像,配以自主研发的超高亮度LED光源,解决了高温带钢成像中远距离均匀照明的问题。系统中采用高效的图像处理和目标识别算法,保证了实时处理图像并准确识别表面缺陷种类。上线8个多月的运行结果证明：系统具有良好的缺陷检出与分类准确率,兼具实时性和可靠性。     

带钢表面缺陷在线检测设备的防护分析与应用

带钢表面缺陷在线检测系统的检测工位环境恶劣,诸如油污、灰尘、蚊虫、高温、击打等都严重影响了其正常的工作。为了保证成像清晰度、保障设备性能,带钢表面缺陷在线检测设备需要进行有效防护。防护措施的实施既要满足对检测系统的防护需求,又要充分考虑现场环境的限制。分析了现场环境对检测设备的影响因素,并结合不同应用产线,阐述了带钢表面缺陷在线检测设备的防护措施及其应用情况。     

缺陷信息上传功能在宝钢某冷轧的实现

宝钢某冷轧在多条机组安装表面缺陷检测设备后,为了充分利用表面缺陷检测仪的检测数据,通过过程机来接收检测设备的缺陷信息并进行筛选等处理,实现了重要的缺陷信息上传生产管理计算机及缺陷自动封闭功能。该功能的实现对类似产线缺陷信息的处理有一定的借鉴意义。     

带钢表面缺陷多维混合特征提取及识别

为了自动获得最具区分力的多维融合特征,提出了改进的ReliefF算法对带钢多维混合特征进行自动评估选择。针对ReliefF算法不能去除冗余特征的缺点,引入最大信息压缩准则去除冗余特征。在此基础上,采用遗传神经网络建立带钢缺陷识别的知识库,遗传算法可以自主地辨识最小的包含最优解的搜索空间,再由BP算法按负梯度方向进行权值及阈值的修正。研究结果表明:改进ReliefF算法为后续分类识别提供了最优的特征向量,减少了数据的运算量和存储量;遗传神经网络算法获得了在满足准确性前提下更高网络识别缺陷的效率。     

基于缺陷信息群决策的带钢表面质量评价方法

首先将带钢表面质量评价抽象为缺陷属性权重确知、属性值以模糊语言形式给出的多属性决策问题。然后针对实际生产中不同质检人员对表面质量评价结果存在某种偏离或趋势这一现象,合理综合多位质检人员的意见,定义了评价尺度区间,构造合成互补判断矩阵,求出该矩阵排序向量,对钢卷表面质量进行排序。最后给出实例,计算结果表明该方法可行、有效、易于计算且具有一定的推广性。     

表检系统在冷轧板表面线性缺陷检测中的应用

保护渣缺陷、气泡缺陷、夹杂物缺陷和擦划伤缺陷是冷轧薄板表面典型的4种线性缺陷,由于此4种线性缺陷宏观形貌相似,优化前的表检系统难以对其进行准确区分,给线性缺陷的判定、溯源及工艺改进造成了极大的困难。通过大量取样分析,并对各线性缺陷的表检结果和实物形貌以及微观特征进行了对比,明确了各线性缺陷的宏观和微观形貌特征,并以此为依据优化了线性缺陷表检系统的判定规则和图库,使冷轧薄板表面线性缺陷判定的准确率由80%提高至90%。