点击上方“计算机视觉工坊”,选择“星标”
干货第一时间送达
摘要:
基于计算机视觉的金属材料表面缺陷检测是冶金工业领域的研究热点。在金属制造行业中,高标准的平面质量要求自动视觉检查系统及其算法的性能必须不断提高。本文基于对钢,铝,铜板和带钢的一些典型金属平面材料产品的160多种出版物的综述,试图对二维和三维表面缺陷检测技术进行全面的综述。根据算法的属性和图像特征,现有的二维方法分为四类:统计方法,光谱方法,模型方法和基于机器学习的方法。在三维数据采集的基础上,三维技术分为立体视觉,光度立体,激光扫描仪和结构化光测量方法。本文将分析和比较这些经典算法和新兴方法。最后,对视觉缺陷检测的剩余挑战和未来的研究趋势进行了讨论和预测。
研究背景:
金属平面材料(例如,钢,铝,铜板等)广泛用于汽车制造,桥梁建筑,航空航天和其他支柱产业,为现代社会发展和生活改善做出了巨大贡献。然而,在实际的工业生产过程中,加工设备的损坏或恶劣的工业环境不可避免地会导致金属平面材料产品出现某些质量问题。一些具有大面积或周期性特征的产品表面缺陷不仅影响后续生产,而且威胁终端产品的质量,给制造企业带来巨大的经济和声誉损失。表面缺陷区域的数量,程度和分布是决定工业金属平面材料质量的重要因素。基于振动声调制,无线传感技术和其他不同原理的损伤检测方法已经进行了很长时间的研究。但是,基于计算机视觉的表面缺陷检测方法具有成本低,操作简便,性能优越等优点,是在图像表面发现和定位异常区域的最常用方法。硬件设施的发展以及人工智能技术的不断发展,自动视觉检查(AVI)设备已逐渐成为工业制造商提高产品质量和生产效率的标准配置。
金属平面材料(例如钢,铝,铜板和带材)具有相似的外观特征,具有统一的质量要求,可以概括为“精确的尺寸,均匀的表面和光洁的表面”,这意味着板材的厚度和宽度应符合规定的精度要求,表面应清洁且无鳞,裂纹,划痕,辊痕和气泡等。金属平面材料表面的缺陷不仅会损坏平面产品的外观,而且可能成为应力集中的薄弱环节,成为破裂和腐蚀的根源。用于金属平面材料表面缺陷的检测设备应具有两个主要功能:缺陷检测和缺陷分类。前者的目的是在工业生产过程中在线准确地检测和定位缺陷,而无需识别缺陷的类型,以便工业现场可以根据缺陷的程度和频率调整相应的连铸/轧制设备,从而尽快控制相似缺陷的大量扩散,并有效避免质量问题造成的经济损失。同时,缺陷分类是识别和标记检测到的缺陷,以便最终产品的分级。分类精度直接由缺陷检测的精度决定;因此,检测系统的整体性能主要受到缺陷检测过程中各种算法的准确性,时间效率和鲁棒性的限制,这是本文的重点。
金属平面材料的在线表面缺陷检测在生产过程中面临以下严峻挑战:
(1)高表面反射率
钢,铝,铜带和其他极薄带的表面光滑,并且它们的高表面反射率易于带来较高的光影区域;然后,灰度值不一致的现象增加了错误边缘检测的可能性。
(2)伪缺陷干扰
伪缺陷(例如水滴,水布,雨水线,水雾以及在层流冷却过程中产生的其他实际缺陷)会导致检测设备频繁出现误报。
(3)随机弹性变形
由于连续的轧制设备振动,轧制速度差,侧导板异位,轧制速度波动,类大气湍流效应等原因,随机弹性变形会在电荷耦合器件(CCD)相机产生随机图像失真。
(4)海量图像数据
现实世界中生产线的高速,卷材更换的快节奏以及热轧机中对细微缺陷检测的需求,使得图像采集前端连续生成大量图像数据,其峰值速度高达5.12 Gbps ,这要求检测算法必须在检测精度,