基于机器视觉的硅钢钢带表面缺陷自动检测识别研究

　　赵兰鹏，刘堂友

　　（东华大学 信息科学与技术学院，上海 201620）

摘要：硅钢钢带是变压器等工业设备发展的一项重要原材料，其质量的高低直接影响着产品性能的好坏。传统的人工检测具有效率低、精确度差等特点。为此提出基于机器视觉的表面缺陷自动检测研究。该研究采用图像处理及模式匹配的方法，通过对由CCD工业相机采集到的图片进行几何矫正、图像拼接、缺陷处理等过程，实现了硅钢钢带表面缺陷轮廓检测、特征提取、分类等功能，从而完成钢带质量的判定。

　　关键词：机器视觉；硅钢钢带；缺陷检测；特征分类

0引言

　　硅钢钢带是变压器等工业设备发展的一项重要原材料，其以良好的表面质量和机械性能在该领域得到广泛的应用，因此不断增强对硅钢钢带质量的提升有着重要的意义［1］。随着高精度的图像传感器件、数字信号处理技术和计算机技术的提高，真正实用化的质量自动检测系统得到了飞速的发展［2］。

　　本文研究基于机器视觉的硅钢钢带表面缺陷自动检测识别技术，是在初级硅钢钢带进一步深加工使其成为生产变压器原材料的生产过程中，采用图像处理及模式匹配的方法并依据MATLAB软件仿真，对采集到的图像进行相应的图像处理，从而达到对钢带缺陷的判断，最终完成钢带质量的判定。

1系统设计要求

　　系统研究是在钢带生产线传输速率为0~40 m/min的环境下，使用CCD工业相机采集图像，采集速率最大可达16帧/s，获取的图像分辨率为1 392×1 040。为了提高系统的处理速度，必须考虑图像处理和缺陷检测算法的选取及软件的运算方式，进而达到在有限时间内做到对庞大图像数据量的处理，并保证最终的目标效果，因此在满足缺陷检测准确度的条件下，有效地控制算法和软件编程中总体方案设计的复杂度非常重要。

2系统研究

　　2.1系统流程图

　　基于机器视觉的硅钢钢带缺陷自动检测识别研究系统流程图如图1所示。

　　2.2图像的采集

　　在传输的钢带生产线上方架设CCD工业相机和LED灯，并将相机与计算机连接，接着在计算机上运行工业相机和视觉传感器软件，进而控制相机对钢带进行拍摄，并将拍摄的图像传输给计算机。

　　2.3图像的几何校正

　　在图像采集过程中，由于相机会发生轻微的倾斜使得采集到的图像发生几何畸变，因此首先需要对图像进行几何校正。几何校正主要包括两个内容：像素坐标校正和像素灰度估算［3］。

　　(1)像素坐标校正采用具有一般形式的投影变换来进行几何畸变校正。投影变换是利用原图像找出若干个控制点，同时找出失真图像与之相对应的控制点的坐标，利用这些对应的坐标可以确定空间变换结构，最后利用这个空间变换结构对失真图像中每个像素进行变换，得到校正后的图像坐标。

　　(2)数字图像像素的坐标都是整数，而经过计算后得到的坐标不一定是整数，这就需要对经过计算得到的像素点进行像素灰度估算。这里采用双线性内插法对灰度进行估计。双线性内插法是根据某点坐标周围4个像素点灰度在两个方向上对其灰度进行内插。最后再去除图像边缘与钢带不相关部分得到校正后的图像。

　　图2~图5为失真图像和校正后的图像。

　　2.4图像拼接

　　为了保证对图像边缘处的缺陷做到完整检测，需要进行图像拼接。这里根据相机拍摄频率和钢带传输速度，设置有效的拼接参数，进行简单的位置计算，使得左右两张相邻图像共同区域重叠在一起，得到有效的拼接；然后利用图像融合技术使得两张图像重叠区域平滑过渡，滤除明显分界线［4］，如图6所示。

　　2.5图像去噪

　　由于受生产环境、光照等因素的影响，采集到的图像会受到噪声污染，造成图像降质，因此需要对图像进行去噪处理。

(编辑：mao35  来源：网络整理)