圆钢机器视觉检测方法2:主动光视觉检测方法

时间:2013-08-22 11:52:28 来源: 点击量:1037

      由于圆钢表面颜色比较单一,若利用彩色图像分析表面缺陷.则会造成很多色彩的浪费,而且图像处理算法会比较复杂,数据的传输、处理和保存都需要较多的时间.不利于在线实时检测的实现;而利用灰度图像检测表面缺陷.则可以使用较为简单的图像处理算法.检测缺陷所用时间少.数据传输速度也较彩色图像快.便于圆钢表而缺陷的在线检测.因此采用机器视觉方法检测圆钢表面缺陷时一般将灰度图像作为采集、传输和处理的对象.即用采集到的图像像素灰度位作为图像分析的基础。检测原理为:在系统采集的灰度图像中.缺陷通常表现为灰度的异常,只要利用合理的图像处理算法检测出异常点.再根据先验知识即可判断圆钢表面缺陷的有无.

      尽管圆钢表面颜色比较单一但是由于其具有圆形弧度.因此无论从哪个方向进行拍摄.得到的图像都是中间较亮.两侧较暗.灰度不一致,意味着圆钢表面缺陷视觉检测系统对于光照要求更为苛刻,并且在图像处理算法上比钢板等平面物体更为复杂。因此.对于圆钢表面缺陷视觉检测系统.关键在于设计优良的图像采集系统和缺陷实时检测软件.目前国外在主动光视觉检测技术方面研究较为成熟。

      2004年.美国密歇根大学的Hongbin等人提出一种基于支持向址机(SVM)的圆钢表面缺陷实时检测系统。该系统算法流程为:利用水平梯度算子进行裂缝缺陷的大致检测.然后利用1--K域生长算法得到缺陷的区域.进行特征提取,最后利用SVM判断图像有无裂缝缺陷。该系统实时性非常好,对于圆钢表面的裂缝细长缺陷检出率接近100%,正确识别率超过90.但是其缺点也非常明显.即仅能检测纵向裂缝等细长缺陷,而对圆钢表面其他类型缺陷难以检测。

      2006年.韩国浦项工科大学的研究人员提出一种线材型钢缺陷的机器视觉检测系统阁。该系统包括线阵相机、图像处理板和E'C机模块。在速度高达18.5m/s的线材生产线上,对于裂缝、结疤、刮伤、辊痕等典型缺陷,检出率约为96.7%。其软件算法利用了传统图像处理技术.包括图像分割、降噪滤波、拉普拉斯边缘检测和图像形态学等方法.保证了缺陷的实时检测。在缺陷识别环节利用svm方法,具有较高的识别率.2010年,这些研究人员结合光照系统发明了一项圆钢表面缺陷检测系统专利191,该专利特点是采用了圆形平面光源.其安装容易,对于震动不敏感.增强了系统的抗干扰能力.但是同时对于光照均匀性要求较高。

      美国OG公司在影像式线棒材在线表而检测技术方面研究较为领先。其研制的棒材表面缺陷检测系统利用了线阵相机和线阵光源等图像采集设备,检测精度高.能够检测0.025mm的细小裂纹、实时性好.能够在100m/s或速度更高的圆钢生产线上达到在线检测:使用范围广.可在1650℃高温下正常工作;能适应不同直径φ5-250mm)圆钢的表面缺陷检测。该系统缺点是对于线光源安装精度要求较高。

      由于圆钢表面缺陷检测对实时性要求较高.因此以上几个系统均将研究重点放在图像成像质量和实时检测算法上。从两个专利中可以看出.光照系统中的光源主要有两种,线光源和面光源.线光源对于成像质量具有一定的优势.有利于减弱图像中间亮两侧暗的渐变特性.而且只能和线阵相机配合使用;面光源优势在于对安装精度要求较低.但是对于光照均匀性要求也较高。在算法方而.由于圆钢图像中有缺陷处灰度值会发生变化.因此在实时检测算法中多应用了二阶微分算子.计算速度快.对图像细节如细线和孤立点等具有较强的响应:缺点是对噪声敏感,因此一般后续处理中采用图像形态学方法.有利于噪点的消除.防止误检.

      国内在圆钢表面缺陷机器视觉检测方面研究较少。2010年台湾国立成功大学的LiuYung-C'hun等人提出了一种新的机器视觉系统来检测圆钢表面缺陷.采用了神经网络分类器(BPN)和相关向量机〔RVM)两种分类器.能够有效识别四种缺陷特征.即裂缝、刮伤、疤痕和压痕.对像素为2048X512的图像,检测一幅图像平均需要0.2839s.正确率可达85%。但与国外研究相比.该系统在检测速度和准确性方面明显较低.