鋼管表面缺陷檢測瑕疵
2022-11-25
鋼管表面缺陷為凹坑、劃傷、翹皮及輥痕 4 種缺陷
鋼管表面缺陷為凹坑、劃傷、翹皮及輥痕 4 種缺陷
國內外利用機器視覺方法檢測冶金產品的對象主要為板材、帶鋼、鋼條等，這些產品表面較平整、粗糙度低、材料反射率一致，只要保證入射光照角度合理，強度分布均勻，無論使用面陣或線陣相機均能獲取較為理想的被檢測材料表面缺陷圖像，這也有效降低了后續圖像處理算法的復雜程度;如圖平面材料表面缺陷檢測的光照分布示意圖，通常采用單個或多個面陣相機即可獲得理想的光照結果;而采用線陣光源則更容易實現，因為被照射區域各點到達光源中心的距離是相等的。
鋼管因其幾何結構特點，易產生光照不均現象;為實現鋼管圓弧表面動態實時檢測，必然影響光源光照區域與相機視野的重合性，易造成光照分布不均，這種現象會覆蓋掉缺陷區域的特征。當圖像獲取不理想時，會增加圖像處理的難度。盡管相關學者在機器視覺檢測領域已經作了很多工作
鋼管作為原材料，廣泛應用于如石油、化工、電力、船舶、汽車等行業。近年來，經濟全球化發展使企業對產品質量提出更高要求，鋼管表面存在缺陷會嚴重影響其使用壽命，同時在設備某些重要位，使用劣質鋼管會存在安全隱患，嚴重威脅人員生命，對企業造成產財產損失。因此，為了控制鋼管質量，相關企業會對其進行質量檢測，但檢測措施通常由人工實現，無法實現快速、精準檢測缺陷。
基于機器視覺的表面缺陷檢測將是未來研究和發展的主要方向，目前，基于機器視覺的表面缺陷檢測理論研究和實際應用等環節均有可喜的成果，但仍存在下面主要的問題和難點：
在制造產品的過程中，表面缺陷的產生往往是不可避免的。不同產品的表面缺陷有著不同的定義和類型，一般而言表面缺陷是產品表面局部物理或化學性質不均勻的區域，如金屬表面的劃痕、斑點、孔洞，紙張表面的色差、壓痕，玻璃等非金屬表面的夾雜、破損、污點，等等。
機器視覺表面質量檢測，特別是實時檢測，圖像采集的數據量大，所以如何提高圖像處理速度顯得十分重要。提高圖像處理速度主要有兩種手段，一是改善和優化圖像處理算法，算法既要簡單快速，又要兼顧實際效果;二是改善和優化實現算法的手段。目前，實時圖像處理采集方案主要為下面幾個方面。
機器視覺帶鋼常見缺陷盤點
由于熱軋產線中帶鋼表面溫度高、表面狀態復雜、缺陷類型多等特點，缺陷檢出率及識別率已不能滿足高端熱軋帶鋼生產的需求。由于表面特有的氧化鉻表面膜紋理特征，導致基于傳統圖像分類算法得出的不銹鋼熱軋帶鋼表面缺陷識別率較低，難以滿足不銹鋼生產實時性的要求;周期性缺陷如輥印、劃傷如果不得到及時發現及控制，會造成批量質量事故，嚴重影響成品質量及生產效率;缺陷在帶鋼表面的位置、長度信息及分布尚未實現實時定位，會嚴重影響后續的工序;目前表面質量分級缺乏實時數據支持，無法實現鋼鐵全流程的質量閉環管控。盡管國內外大量研究并開發
在熱連軋板帶生產技術飛速發展的今天，鋼鐵企業對于其表面缺陷檢查，大多數仍停留在人工開卷檢查的階段。這種檢查方式，由于開卷長度有限，缺陷檢出率低，且缺陷反饋不及時，容易產生批量質量缺陷，甚至會導致帶有缺陷的鋼卷流入市場，造成質量異議。