不銹鋼表面缺陷在線檢測儀器的關鍵技術分析

趙晉雷

（天津太鋼天管不銹鋼有限公司天津300461）

0 引言

不銹鋼冷軋鋼板由于其耐蝕性高、表面光潔度好、易于加工等特點，得到越來越廣泛的使用，對產品表面的質量要求要光潔平整、無視覺瑕疵。傳統冷軋生產一般依靠有經驗的質量檢測人員，用人工目測的方法進行表面質量檢測和缺陷分類。近年來，一方面隨著高速度生產線的大量投運，產品表面品質的個性化要求和質量標準的普遍提高，人工檢測分類從效率、準確性、人員技能等方面越來越不能滿足現場需求。另一方面隨著傳感技術和數據處理能力的提高，基于機器視覺和數據分析的智能表面缺陷在線檢測儀器在大工業現場逐步得到成熟應用[1]。

1 表面缺陷檢測分析系統應用中存在的技術問題

完整的表面分析系統大致可分為檢測傳感、圖像采集和表面缺陷辨識三部分，在線帶鋼表面缺陷檢測分析系統由于鋼帶運行速度高、缺陷辨識度差等因素，在關鍵技術選取和實際應用中主要存在以下幾個方面的難題[2]：

（1）檢測傳感技術普遍可靠性不高；

（2）數據處理和缺陷辨識準確率低、辨識速度慢；

（3）工程應用中易受現場環境、安裝誤差等影響，系統辨識一致性差；

（4）系統穩定性差、維護困難等。

2 關鍵技術條件選取

2.1 檢測傳感技術方面

帶鋼檢測主要方法有激光掃描法、渦流檢測法、紅外檢測法、超聲檢測法、CCD圖像檢測方法等。其中激光掃描法是利用激光器對帶鋼表面逐點掃描以獲得高分辨率與高檢測精度，但激光光學系統的復雜性和高安裝精度要求，導致這種方式在冷軋現場應用能否成功存在風險。而渦流和超聲技術主要在帶鋼探傷領域更有優勢[3]。比較而言，CCD成像的高速性，使得與帶鋼運行速度相匹配的高檢測分辨率成為可能，而線陣CCD能夠利用比面陣CCD更少的攝像機而獲得同等分辨率，故傾向于基于線陣CCD圖像傳感器的成像檢測技術。

CCD圖像傳感器成像方式是通過專門光源向帶鋼表面發射光線，高速CCD攝像頭對帶鋼表面進行逐行掃描，當帶鋼表面沒有缺陷時，反射光在明視場下很強，散射光在暗視場下很弱。相反若有缺陷，則明視場下接收的反射光光強減弱，暗視場下散射光光強增加。系統根據明暗視場CCD圖像傳感器接收的光強變化并配合數據分析和缺陷辨識分類可對鋼卷表面的各類二、三維缺陷實現很好的捕捉獲取和辨識分類。圖1為CCD行掃面示意圖見，圖2為光源明暗視場示意圖。

圖1 CCD行掃面示意圖

圖2 光源明暗視場示意圖

2.2 圖像采集技術方面

冷軋生產線現場具有帶鋼高速運轉（250 m/min）、機組設備抖動、現場采光惡劣、環境粉塵等不利和干擾因素，使帶鋼表面成像后的圖像穩定性和一致性較差，表面缺陷很難呈現特征顯現、辨識度較差。相對應的技術措施包括強化照明光源配置、高精度帶鋼速度傳感技術使用等。

光源配置，除壽命、功率、能耗等常規性能之外，重點還要考慮：光源須有較高的均勻性和照明強度，以使帶鋼的細微缺陷能以盡量高的分辨率顯現；光源的照明穩定性能貫穿全生命周期；照明寬度能覆蓋帶鋼最大寬度（1 240 mm）；照明波長與圖像傳感器的峰值波長相匹配等關鍵技術指標。目前流行的LED照明能較好解決壽命、穩定性等問題，也適用于帶狀或線狀照明，可以保證圖像傳感器和光源有足夠的覆蓋寬度。這樣當帶鋼連續運行時CCD可長周期、均勻穩定、高速掃描成像（最高1.5萬行/s），實現連續清晰的從頭到尾完整掃描整個鋼卷，故傾向于帶狀或線狀LED照明。

帶鋼運行速度的精密測量和同步化處理是影響圖像采集的另外一個重要因素，常規的處理方式是“標準化的表面缺陷儀表+取自機組level 2的鋼卷實時速度信號”，但冷軋處理線連續帶鋼長度達2 500米、帶鋼速度波動最大0.2 m/min、帶鋼常態化上下抖動等實際情況，使上述常規方案給圖像精準采集帶來極大的不可靠性。故傾向于針對具體工業現場的個性化工程方案+工程實施。圖3為現場工程方案圖。

圖3 現場工程方案圖

2.3 圖像數據處理和缺陷辨識技術方面

高速運行狀態下鋼卷缺陷的實時精準辨識導致的高速率和大運算量一直是數據處理的瓶頸，解決方案在系統硬件架構技術路徑主要有專用FPGA+人機接口、高速工業以太網+多服務器、5G物聯網+云計算等方式。以FPGA為核心處理器，以嵌入式系統實施數據實時處理，速率可達32Mbytes以上，從處理速率和精準辨識方面基本能滿足要求，且具有成本較低、系統架構簡單等優勢，但這種單核架構很難具備缺陷辨識自學習、缺陷庫二次開發等擴展功能，分析認為這種架構更適用于以單一標準儀表為需求的標準化工業現場。高速工業以太網+多服務器的架構模式技術較為成熟，具有系統柔性好、使用者可二次開發、自學習能力強等優點，但也帶來初始投資較高、系統維護量大等不便。5G物聯網+云計算是流行的技術方向，具有投資少、維護量小等優勢，但需要云平臺與數據處理模型的完美融合，目前尚未發現類似工業系統的成功案例。綜合看傾向于“高速工業以太網+多服務器”的硬件配置技術路徑。

圖像處理在數據運算方面的主要關鍵技術是缺陷辨識算法，缺陷分類器是算法的核心，首先通過閾值算法檢測到缺陷然后經過特征提取，輸入缺陷自動分類器進行缺陷類型判斷[4]。分類器要滿足高可靠性、特征辨識精準性、高速實時性等基本要求，此外不銹鋼冷軋工藝技術和質量標準的快速發展還要求系統具備自學習能力、缺陷庫二次開發能力。目前缺陷分類和辨識算法主要有神經網絡法、貝葉斯分類器、SVM分類器等，這些算法各有優勢但也普遍具有正確率不高、訓練周期長、樣本需求量大等缺點。多服務器的硬件架構提供了數據高速運算能力，使具有集成特點的多算法分類器成為可能，故傾向于“多算法+多級分類”的數據處理技術路徑。圖4為分類器圖例

圖4 分類器圖例

3 基于上述分析的關鍵技術組合

通過上述分析，提出“線陣CCD圖像傳感器、帶狀LED照明、多服務器、高速工業以太網的硬件系統+多算法、多級缺陷分類器的軟件數據處理核心+個性化工程設計”的不銹鋼表面缺陷在線檢測分析儀器的關鍵技術最佳組合。主要硬件配置見表1，硬件系統配置圖見圖5，工程實施方案見圖6。

表1 主要硬件配置

圖5 系統配置圖

圖6 工程實施圖

4 實際使用效果分析

實際應用中，基于使用者二次開發+系統自學習功能，形成300系不銹鋼、400系不銹鋼兩個缺陷庫，包括目前已知的擦劃傷、輥印、油印、異物壓入、麻點、夾雜等主要缺陷30余種，每種缺陷均由近300個缺陷特征來描述，每個缺陷還分為輕、中、重三個等級，已經成功的將表面檢測儀器系統應用于不銹鋼表面質量檢驗中，成為冷軋連續生產線質量檢驗的核心工具和核心技術。

4.1 系統的缺陷檢測率和分類準確率

對2019年7～12月份每月隨機抽查50個鋼卷，對該在線檢測分析儀器缺陷檢出率和分類準確率進行調查。通過連續6個月的運行記錄統計以及大量數據分析，與人工檢測相比，表面檢測儀器系統整體缺陷檢出率大于95%、缺陷分類準確率大于90%。

4.1.1 缺陷檢出率

2019年7～12月份不銹鋼表面缺陷檢出率，見表2

（缺陷檢出率）=（表檢儀器檢測到的缺陷數量）/（人工檢測到的缺陷數量）

表2 2019年7-12月份不銹鋼表面缺陷檢出率

4.1.2 缺陷分類準確率

2019年7～12月份不銹鋼表面缺陷分類準確率，見表3

（缺陷分類準確率）=（表檢儀器分類正確的缺陷數量）/（人工檢測分類的缺陷數量）表3 2019年7-12月份不銹鋼表面缺陷分類準確率

項目 7月 8月 9月 10月 11月 12月系統分類正確數量/個 2706 2041253926672413 2725

人為分類數量/個 2974 2265281229412649 3011缺陷分類準確檢出率/% 91.0 90.1 90.3 90.7 91.1 90.5

4.2 質量數據統計分析

表面檢測儀器檢出缺陷形成缺陷匯總報表、缺陷詳細信息報表、缺陷視線地圖等，報表中顯示了已檢出缺陷的名稱、缺陷的大小、缺陷的位置。通過這些報表數據能夠準確了解帶鋼表面缺陷的詳細信息和分布情況，并應用于下游工序質量控制和最終產品的質量判定和用戶服務中。圖7為質量數據報表示意圖

圖7 質量數據報表示意圖

4.3 質量控制取得的成果

通過本儀器系統的應用，在不銹鋼冷軋生產中起到了有效防控批量質量問題、快速提升產品表面質量水平、更好的為用戶提供個性化服務等成果，質量異議提出率降低了0.17%，提升了市場客戶滿意度。

5 結語

本文從檢測傳感技術、圖像采集技術以及圖像數據處理和缺陷辨識技術三方面系統的分析了表面缺陷在線檢測儀器的關鍵技術點。并在硬件和軟件上進行了獨特的設計，提出了“線陣CCD圖像傳感器、帶狀LED照明、多服務器、高速工業以太網的硬件系統+多算法、多級缺陷分類器的軟件數據處理核心+個性化工程設計”關鍵技術的最佳組合，并在不銹鋼冷軋生產中實際應用，實現了表面缺陷檢出率大于95%、缺陷分類準確率大于90%的良好效果。為冷軋不銹鋼產品的高質量發展提供了充足保證，進一步提升產品市場競爭力，創造經濟效益。