基于BLOB分析的鋼卷邊部缺陷檢測研究

趙 靜 王 偉 牛英群 王麗平

(邯鄲職業技術學院，河北 邯鄲 056005)

前言

鋼卷在交付客戶時，一般都會進行人工的邊部檢查，人工邊部檢查一般采用照射檢測或拍攝檢查，人工檢查時，既沒有統一的規范標準，更會出現漏檢和誤檢的情況，同時檢查結果也不能匯總記錄，給后續復檢帶來不便[3]。

劉坤[4]等提出了基于顏色紋理區域進行缺陷檢測的方法，但在邊部圖像中鋼卷邊薄，紋理非常密集，受RGB圖像的影響，紋理與顏色互相形成干涉；孫凱[5]提出機器學習分類的方法，但機器學習受數據集規模的影響較大，訓練的模型易出現過擬合的問題；王理順[6]等提出深度學習的方法，具有特征提取能力強、分類準確高的特點，但模型運行速度慢，難以適應工業生產的需要。

針對當前鋼卷邊部檢查存在的問題，本文提出了采用BLOB圖像分析方法進檢測，主要思路為：檢測拍攝到的鋼卷邊部圖像中的封閉區域，并對其進行篩選和模板匹配，從而在圖像中出定位鋼卷邊部缺陷的類型和數量。

1 邊部圖像預處理過程

本文采用了基恩士CA-HA048型相機采集圖像，相機拍攝范圍是784*596，每秒取16幀，全局快門，通過profibus net與外部機械系統觸發，數據接口為千兆以太網，數據壓縮采用8*8的DCT擴展壓縮算法，數據還原采用Huffman熵編碼器。邊部圖像的壓縮和傳輸方法如圖1所示。

圖1 邊部圖像的壓縮和傳輸方法

在邊部圖像的獲取過程中，受到光線、灰塵、震動等因素的影響，拍攝的圖像會產生雜點和噪聲，為將其與待檢測的斑痕、缺陷、毛刺準確分離，需將圖像進行濾波處理。……