热轧带钢表面缺陷在线检测方法研究

合集下载

热轧钢管表面三维缺陷检测方法探讨

72检瀏技术热轧钢管表面三维缺陷检测方法探讨刘小楠I，刘珂2,聂建华S窦曼莉、聂斌1(1.合肥公共安全技术研究院，安徽合肥230088; 2.达力普石油专用管有限公司，河北沧州061113)摘要：介绍一种热轧钢管冷态表面三维缺陷在线检测设备。

该在线检测设备采用多路三维传感器，360°无死角对通过的钢管进行在线三维成像，通过设定缺陷深度、面积等阈值，可以对三维点坑类缺陷进行高精度识别。

该设备检测热轧钢管冷态表面质量时，能有效弥补目前常用的接触式超声波检测、漏磁检测和涡流检测的检测短板。

该设备还可以用于穿孔芯棒表面三维缺陷的检测。

关键词：无缝钢管；点坑缺陷；检测；三维成像中图分类号：TG335.7; TP391 文献标志码：B文章编号：1001-2311(2020)02-0072-04Discussion on 3D Surface Flaw InspectionMethod for Hot-rolled Steel TubeUUXiaonan', LIU Ke2, NIE Jianhua1, DOU Manli1, NIE Bin1(1. Hefei Public Safety Technology Research Institute, Hefei 230088, China;2. Dalipu Special Petroleum Pipe Co., Ltd., Cangzhou 061113, China )Abstract:Described here in the essay is a system for on-line inspection of 3D surface flaw of the hot-rolled steel tube in cold state. Equipped with multi-channel 3D sensors, the on-line inspection system is capable of on-line 360° 3D imaging for the tube as going through, and thus carrying hi-accuracy identification of the 3D pit defects via setting the thresholds like defect depth and area, etc. When used for inspecting the cold-state surface quality of the hot-rolled steel tube, the said system can well make up for the shortcomings as staying with the commonly-used inspection methods like the contact-type ultrasonic detection, the leakage flux testing and the eddy current inspection. Moreover the system can also be used to perform 3D flaw inspection of the piercing plug bar.K ey words：seamless steel pipe; pit defect; inspection; 3D imaging热轧钢管常用的质量检测方式（超声波检测、漏磁检测和涡流检测等）主要是针对裂缝和折叠进行检测，对于三维凹坑则存在一定漏检情况。

带钢表面缺陷检测方法研究

摄像机，在轧制速度为５ｎ时能众／摄取到带钢表面最小ｓ尺寸为０ｒｘ．的．ｎｏ５ｓｌｌｎＩ微小缺陷；在对图像处理相关技术进行研究的基础上，设计和测试了图像平滑降噪、
图像边缘检测和图像数学形态学操作各阶段所使用的技术，更适合带钢表面缺陷图
像的处理和特征的提取；讨论和提取的特征量及选用的人工神经网络分类器对带钢表面缺陷的分类更加有效。在研制开发的带钢表面缺陷检测装置上通过实验对该方法进行了试验研究，表明此方法可以结果有效的检测出带钢常见的表面缺陷，平均检出率为９％１。该检测颖、结构简单，方法新设备能满足大部分带钢生产线的表面缺陷检测要求，具有较高的推广应用价值。由于带钢表面缺陷种类繁多，下一步研究工作建议
斗』．． ‘ ．Ｊ
ｓｄ田ｄｅｅｐ，ｃｉｔｔｅＰａｓｎｒｉｒｕｅｅ，ｈｈＵｅｔｉｌｄｖｏｄａｏｎｏｈｍｌｉＰｃｏｅｉｌｎｗｉ￣ｄｌｅｃｒｇｅｄｌｏｅｓｑｒｌｌｃｓｉｎｌ
ｍｓｔｔｅａｒｅｔｃｏ；ｅｕｓｘｃｄｔＳｔａｄｕｓ氏朋ｄｅｒｌｏｏｕｆｈｆｔｅｘａｌＦａｒｅｔｔｂｈｙｅｒｉｓｅｒｅｕｓｒｌｎｔｅｒｅｙｅｓｍｅｓａｃ山ｂｃ．ｒａａｎｅｏｈｂｅｈｓｔａｔｍｅｏｏｉａｅａｆａｏ，ｅａｋ０ｇｆｎｔｒａｅｎｃｅｏｓｈＰＰｔｏｗｋｓｏｎｅｔｈｆｎｇｃｓｃｎｄｌｌｉｔｓｉｉ山ｙ、ｓｅｃｌｏＰ沁ｓｇｄｆｃｌａｅｏｕｆｅ恤ｓｅｓＰＡｄｔｅｖｆｉｌｆ代ｅｉｅｔｍｇｆｓｒｃａｉｅｔｓｎｅｓａｅｒｔｌｔ；ｎｈｉｅｓｕｏｅＰｒｌｗｓ田ｉｏｔｈｔｅｐｒｅａｄｉ．ｅｓｈｓｏｌｌｎＸｅｌｍａｉｔｌｅａｃｌｌｔｎｄｅｕ诫ｔｈｘｅｉｎｌｅｃＴｒｅｍｉｖｅｈｅｕｈｗｓ

热轧带钢表面在线检测系统应用分析

【ｆ仃缺陷进识别分析，包括缺陷的）１ｆ、人小及图像每缺陷形成独的缺ｍ顺，、相应缺陷项可查看卡 ¨ 缺陷放大Ｉ皇１；选择动念缺陷罔像爪｝Ｊ、』，・Ｉ『行绉俐的所仃缺陷冈片。带钢所的缺陷分（包括Ｉ
ＳｔｒｉｐＳｕｒｆａｃｅ
ＬＩＸｉａｎ，ＣＨＥＮＸｉａｏｌｏｎｇ，ＮＩＮＧＧｕａｎｇｓｈｕａｎｇ２
，
（ＴｅｃｈｎｉｑｕｅＣｅｎｔｅｒ，Ｈｏｔ — ｒｏｌｌｅｄＳｔｉｒｐＭｉｌｌｚ）
仃
后异，利用这种筹设汁＆ｉ（Ｉ缺陷榆洲
ｊｉＪＪ斡：法，使系统能迅速进ｉ常规缺陷的伶
｛ＩＪ！Ｉｊ；ｊ外，系统・叮通过人神ｌ叫络建、：系统，通过训练收集小厂缺样小。离愉…牢亏识别率缺陷分析功能２，太愉系统甜：钠铆：
面缺陷区域与无缺陷区域对光反射不同，如，
一
些有色缺陷（压入氧化铁皮、夹杂、各种斑
痕等）对光的吸收比较多，其反射光的光强相应较弱，而一些三维缺陷（辊印、划伤、边裂等）对入射光形成散射，反射的光强亦弱。摄
像机采集到反射光的光强通过灰度图像反映出
２０１７年第５期
柳
钢科技
４３
热轧带钢表面在线检测系统应用分析

带钢表面缺陷的快速检测方法研究

带钢表⾯缺陷的快速检测⽅法研究钢带表⾯的质检，不仅包括内部的质检，同时也包括表⾯的质检。

在当今市场的激烈竞争环境下，良好的带钢质量表⾯检测不仅能够带给企业形象的代表，同时也是能够赢得市场的先机条件。

带钢的表⾯缺陷监测系统作为表⾯的质量检测设备，⼀般能够在⽣产的环境中具备有极其重要的使⽤价值。

同时也能够准备⽽⼜实时的检测出钢带的表⾯缺陷，它是钢带表⾯的检测系统的实⽤性以及准确性的关键所在。

所以可以通过这篇⽂章来对带钢表⾯的图像分析，从⽽对基于钢带表⾯缺陷的特征进⾏⼀个快读且有效的检测⽅法。

在对图像进⾏滤波处理后，本⽂分别提出了BP神经⽹络法，区域灰度羞绝对值闽值法和基于背景差分的⼩区域闽值法三种⽅法，对带钢表⾯缺陷进⾏检测。

本⽂选取300幅带钢图⽚进⾏实验，结果表明这三种⽅法的漏检率和错判率均在5％以下，且速度⾄少能达到10毫秒/每帧，满⾜实时检测系统低漏检率、低错判率和快速检测的要求。

其中BP⽹络检测⽅法适应性好，可以通过样本学习适应相应的环境变化，并且不但能检测出已知样本的缺陷，⽽且对未知缺陷样本的检测效果也很好。

区域灰度差绝对值检测⽅法算法简单，运算速度最快，能实现5毫秒/每帧的检测速度。

基于背景差分的⼩区域闽值法除了算法简单，速度快以外，它还能有效地检测出微⼩的、对⽐度低的缺陷，并且背景图像的不断更新能使系统适应带钢表⾯质量的不断变化，使系统能满⾜不同⽣产环境的检测需要。

作为钢铁⼯业的主要产品形式之⼀，带钢已成为汽车、机械制造、化⼯、航空、航天和造船等⾏业不可缺少的原材料。

带钢的表⾯质量是带钢最为重要的质量因素之⼀，因⽽受到了越来越多的关注。

其表⾯质量的优劣将直接影响其最终产品的性能和质量。

我国冷轧带钢⽣产能⼒很⼤，但是出于表⾯质量不⾼，致使冷轧带钢产品缺乏⾜够的市场竞争⼒，⽆法满⾜⽤户⾏业的需求，特别是家电、汽车⾏业对表⾯质量的要求。

可以说，冷轧带钢的表⾯质量问题已成为制约国内钢铁企业产品⽣产、销售的⼀个“瓶颈”，在很⼤程度上制约了各企业的发展。

热轧重轨表面缺陷在线检测识别的关键技术研究-计量学报

４㊀缺陷特征提取
重轨表面缺陷种类繁多、形态各异，在图像分析时对重轨每张图像进行每一种缺陷的循环查找和对
７，８］比，在耗时和计算上都是系统完全无法接受的［。
图１㊀重轨几何特征
针对重轨图像缺陷提取的问题，本文提出过暗过曝区域交叠融合法和图像列像素线相关度互校验法２种方法，２种方法互相综合对重轨图像缺陷进行检测和提取。过暗过曝区域交叠融合法算法的具体过程为：计算去光照不均后的重轨图像直方图，分别以直方图前后占总像素数的ａ，ｂ的像素点位置的像素值为分割点对图像进行二值化处理，得到图像过曝区域Ａ及图像过暗区域Ｂ；对Ａ、Ｂ同时进行大尺度膨胀运算，得到Ａ、Ｂ；对Ａ、Ｂ保留ｉｉｉｉ进行叠加区域检验，Ａ、Ｂ、Ｂ图像的联通区ｉｉ存在叠加的区域所对应原Ａ域，其余联通区域删除，得到去噪后的Ａ、Ｂ；对Ａｒｒｒ和Ｂｒ进行合并得到最终缺陷检验结果。计算过程及各部结果如图３及图４所示。
收稿日期：２０１２０５３１；修回日期：２０１２０８１０
缺陷的目的。
２㊀重轨表面几何特征及缺陷高发区域
重轨表面形状、截面轮廓由多段平面及曲面圆弧连接而成，主要有轨头、轨腰、轨底３部分及各部分间的连接弧面。其形状及主要尺寸见图１。根据重轨生产表面缺陷统计数据，重轨表面缺陷主要集中在重轨表面的转折连接弧面上，尤其以
ＳｔｕｄｙｏｎｔｈｅＫｅｙＴｅｃｈｎｏｌｏｇｙｏｆＨｏｔＲｏｌｌｉｎｇＨｅａｖｙＲａｉｌＳｕｒｆａｃｅＦａｕｌｔｓｏｆＯｎｌｉｎｅＤｅｔｅｃｔｉｎｇａｎｄＲｅｃｏｇｎｉｔｉｏｎ

基于深度学习的热轧钢带表面缺陷检测方法

HI 论文基于深度学习的热轧钢带表面缺陷检测方法**基金项目：广州市科技计划珠江科技新星专题项目 (201806010128)；广州市科技计划现代产业技术专题项目 (201802010021) o陈建强1刘明宇彳符秦沈2姚卓荣1(1.广州沧恒自动控制科技有限公司2.广东工业大学机电工程学院)摘要：针对人工检测热轧钢带表面缺陷错漏率高的现状，提出基于深度学习的热轧钢带表面缺陷检测方法。

根据检测精度和速度的要求，采用深度学习SSD 网络作为改进算法框架，并利用交叉特征融合的方法增强低层特征图的语义信息，从而提高热轧钢带表面缺陷的识别率。

实验表明：改进后的CroSSD 网络对热轧钢带表面小尺寸缺陷检测的mAP 值达到73.7,速度达到40帧/s,相比SSD 网络有更好的效果，且满足实时检测的需求。

关键词：深度学习；CNN ；缺陷检测；特征融合；SSD0引言热轧钢带作为制造业的重要原材料，其质量直接影响产品的质量和性能［1］。

但热轧钢带生产工艺复杂, 且对生产环境要求较高，易因机械、人为或环境的影响而产生缺陷3］。

目前，热轧钢带表面缺陷的检测方法有无损检测和基于机器视觉的检测等孔但无损检测可检测的缺陷类型有限；基于图像处理的识别方法适应性较差，难以满足不同条件表面缺陷图像识别的要求［5利因此，设计检测精度高、速度快的热轧钢带表面缺陷检测方法尤为重要【I目前,基于深度学习的目标检测取得较大进展同，主要包括2类：1)先提取先验框，再对先验框进行分类，该类检测算法主要有R-CNN, FastR-CNN,和Faster R-CNN 等田1］； 2)采用回归的思想，将定位和分类同时进行,该类检测算法主要有YOLO 和SSD 等gm 。

YOLO 算法检测速度较之前的网络有大幅提升，但对小物体识别正确率较低网。

SSD 网络在快速的基础上，优化了小目标检测，正确率得到提高。

本文将SSD 深度学习网络应用到热轧钢带表面缺陷检测。

热轧钢板表面缺陷的检测与分析

热轧钢板表面缺陷的检测与分析热轧钢板是一种广泛应用于建筑、汽车制造、机械制造等领域的重要原材料。

然而，在生产过程中，由于各种原因，表面缺陷的出现可能会导致产品质量下降和成本增加。

因此，对热轧钢板表面缺陷的检测与分析显得尤为重要。

一、热轧钢板表面缺陷的类型及对产品的影响热轧钢板表面缺陷主要包括凹坑、麻点、龟裂、氧化皮以及斑纹等。

其中凹坑是表面缺陷中最为常见的一种，其直径通常不超过2mm。

麻点是一种颗粒状的表面缺陷，由于其分布不规则，对产品外观产生明显的影响。

龟裂是一种纵向裂纹，可能会导致磨损、开裂或断裂等问题。

氧化皮是由于表面未被充分清理而形成的一层轻微氧化层，对产品表面的涂层质量产生影响。

斑纹则是一种颜色不均匀的表面缺陷。

这些表面缺陷对产品质量产生的影响主要包括以下几个方面：1. 外观问题：表面缺陷对产品的外观产生明显的影响。

对于一些高端产品来说，外观质量尤为重要，因此表面缺陷自然也成为一个重要的质量指标。

2. 磨损和勾边问题：由于表面缺陷可能会导致产品表面更容易受到磨损，因此，这些表面缺陷也可能会导致产品的使用寿命更短。

3. 性能问题：表面缺陷可能会导致产品的强度、硬度、弯曲性等方面的性能下降，这可能会对产品的应用带来负面影响。

二、热轧钢板表面缺陷的检测方法为了保证产品质量，必须对热轧钢板表面缺陷进行检测。

以下是一些常见的热轧钢板表面缺陷检测方法：1. 眼识法：这是一种非常简单的方法，但是准确性低。

该方法要求对热轧钢板表面进行肉眼观察，以判断是否存在表面缺陷。

这种方法最大的缺点是可能漏检或误判。

2. 磁粉检测法：这种方法通过在表面涂上一种磁性粉末，并通过施加磁场来发现表面缺陷。

该方法可以检测出一些微小的缺陷，但对于一些更深的缺陷或者色素较浅的缺陷则无法做到有效的检测。

3. 磷酸色泽检测法：这种方法通过在热轧钢板表面涂上一种含有钯的磷酸液体，钯会与表面缺陷处的氧化皮反应并产生一种黑色沉淀物，从而揭示出表面缺陷。

热轧带钢表面质量缺陷原因分析

热轧带钢表面质量缺陷原因分析热轧带钢是一种常见的金属材料，在工业生产中具有广泛的应用。

其表面质量对于产品的质量和性能有着重要的影响。

在生产过程中，热轧带钢的表面质量会出现一些缺陷，影响产品的质量和外观。

对热轧带钢表面质量缺陷原因进行分析和研究，对于改善产品质量和生产效率具有重要意义。

本文将对热轧带钢表面质量缺陷的原因进行分析。

热轧带钢在生产过程中容易出现许多表面质量缺陷，常见的缺陷有：氧化皮、夹杂物、坑洞、划痕、波纹、卷边、折叠、皱曲等。

这些缺陷会影响带钢的外观质量和性能，并且可能导致产品退货和生产中断，给企业带来经济损失。

1. 滚轧工艺参数不合理热轧带钢的表面质量缺陷与滚轧工艺参数密切相关。

如果轧机的温度、轧制力、轧辊表面状况等参数设定不合理，容易导致带钢表面出现坑洞、波纹、卷边等缺陷。

过大的轧制力也容易导致皱曲等严重的表面质量问题。

2. 原料质量不佳热轧带钢的原材料主要包括钢坯和热轧辅助材料。

如果原材料的质量不佳，可能会导致带钢表面出现氧化皮、夹杂物等缺陷。

特别是在钢坯表面存在夹杂物或氧化皮时，会使其在热轧过程中将夹杂物或氧化皮轧入带钢中，从而形成相应的表面缺陷。

3. 冷却不当热轧带钢在轧制后需要进行冷却处理。

如果冷却不当，可能会导致带钢表面出现过热区或冷却速度不均匀的情况，从而导致表面质量缺陷的产生。

4. 轧辊磨损严重轧辊是热轧带钢生产过程中使用的主要设备之一。

轧辊的表面状况对于带钢的表面质量有着直接的影响。

如果轧辊磨损严重或者表面状况不良，可能会导致带钢表面出现划痕、坑洞等缺陷。

5. 作业人员操作不当热轧带钢生产过程中，操作人员的操作技术和经验水平对于产品的质量有着重要的影响。

如果操作人员操作不当，可能会导致带钢表面出现折叠、皱曲等缺陷。

三、热轧带钢表面质量缺陷的解决方法为了避免因滚轧工艺参数不合理而导致的表面质量缺陷，需要对滚轧工艺参数进行合理的调整和优化。

通过科学合理的轧制力、温度、冷却速度等参数的设定，可以有效地改善热轧带钢的表面质量。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

热轧带钢表面缺陷在线检测方法研究
摘要：热轧带钢拥有抗腐蚀和高韧性的优点，且便于机加工，因此成为钢铁行
业的重要产品之一，已被广泛应用在车船、机械、建筑、桥梁等行业。

据报道二
十一世纪初期，我国建成投产的热连轧生产线近百余条，产能已逾两亿吨，中国
已迈入钢铁产量大国行列。

近年来，热轧行业需求逐步朝着厚度低于2mm甚至1.2mm的薄带钢发展，同时下游行业产品质量的不断提高要求热轧带钢的品质不
断提升。

然而，热轧带钢生产过程中，由于上游工序中的设备和来料等综合原因，经常导致表面存在压入异物、辊印、刮痕、裂纹、氧化皮、麻点、边裂等质量缺陷。

为了保证带钢的质量，我国钢厂的技术引进、技改和创新从以往的聚焦在轧机、辊道等生产设备上，逐步的转向热轧带钢的表面缺陷检测和品质控制技术上来。

因此文章重点就热轧带钢表面缺陷在线检测方法进行研究。

关键词：热轧带钢；表面缺陷；在线检测
随着现代建筑和车船等制造业的蓬勃发展，带钢生产领域的工艺和技术持续
升级，行业规模也随之迈向新的台阶。

热轧带钢作为钢铁行业的重要产品之一，
其轧制过程一直聚集着不断完善的高新技术。

努力提高生产效率的同时，保证热
轧带钢的高品质，对推动我国钢铁行业做大做强的现代化进程有着举足轻重的作用。

然而，在热轧带钢工艺流程和品质控制方面仍然存在技术问题，最大的技术
难题是目前的缺陷检测设备的实时性无法满足热轧生产线的快速生产节奏，因此，成品带钢中仍然存在由于原料和上游工艺等原因导致的诸如辊印、划痕、夹渣等
表面缺陷。

热轧带钢表面缺陷在线检测的主要任务是提出高效率的缺陷识别算法，然后采用经济有效的方法实现对带钢表面缺陷的识别和定位，并保证整个识别过
程的实时性。

一、热轧带钢表面典型缺陷
热轧带钢的表面缺陷形态各异、成因复杂。

轧制钢板材料分为结构钢、低碳钢、焊瓶钢等，不同材料的表面特性亦不同。

根据缺陷外貌特点可分为点缺陷、
线缺陷和面缺陷；根据发生的频度可以分为周期性缺陷和无规律缺陷；根据缺陷
产生原因，又可分为工艺缺陷、材料缺陷和损伤缺陷。

热轧带钢表面常见的缺陷
类型：辊印、横向裂纹、横向刮痕、结疤、夹渣、孔洞、浪形、麻点、凸包、氧
化皮、压入异物、M 状铁鳞。

其中辊印、纵向夹渣、麻点、氧化皮属于典型的周
期性缺陷；孔洞、浪形、压入异物、横向刮痕属于典型的无规律缺陷。

辊印、边裂、浪形属于工艺缺陷；夹杂、氧化皮、M 状铁鳞、压入异物缺陷多数由于坯料
中带有杂质、气泡或氧化皮等，属于材料缺陷；刮痕、孔洞属于损伤缺陷。

在带
钢生产过程中及时的检测出表面缺陷，可尽快发现相应的设备、坯料、工艺的故障，能防止设备状态进一步恶化和避免更多的缺陷带钢被流入下游工序而造成连
带损失。

二、热轧带钢表面缺陷在线检测方法
（一）检测原理
国外的检测系统一般采用面阵 CCD 摄像机为图像采集设备，并且用频闪氙灯
为照明设备。

但是面阵 CCD 摄像机采集钢板表面图像需要在带钢运行方向上有一
个很大的采集空间，一般超过 100 mm，而热轧生产线辊道的间距一般为 40～80 mm。

为了保证下表面图像的采集，需要拆掉一根辊子，或加大辊间距，这样就
增加系统安装的难度，并且给生产线带来安全隐患。

本文采用线阵 CCD 摄像机作
为图像采集设备，并且用绿色激光线光源为照明设备。

将多台线阵 CCD 摄像机安
装在带钢的宽度方向上，根据带钢宽度和检测精度要求可选用2～4台线阵 CCD
摄像机，每台摄像机都与钢板表面垂直。

两台激光线光源分别安装在摄像机两侧，每台激光线光源的光平面与钢板表面夹角成 89°，接近于垂直。

将激光线光源照
射到钢板表面，线阵CCD摄像机采集钢板表面反射的光。

由于钢板表面温度很高，辐射的红光及红外光很强，为了避免钢板表面辐射的影响，每台摄像机前安装窄
带的绿光滤色镜，只允许绿光波段通过，这样就滤除了钢板表面的辐射光，提高
了缺陷对比度。

（二）热轧带钢表面缺陷缺陷检测与识别算法流程
热轧带钢表面缺陷的检测与识别需要经过以下的步骤。

1.图像分割步骤：寻找可能存在缺陷的区域，该区域称为可疑区域，可疑区
域可能由缺陷形成，也可能由伪缺陷形成。

可疑区域的数据保存在计算机缓存中，以便进一步处理。

由于每幅图像都要经过这一步骤，所以这一步骤需要实时完成，只能使用简单的算法。

这一步骤的关键是要尽可能把所有的缺陷区域都找出来，
以便避免缺陷的漏识；但同时又不能找出太多的伪缺陷，以便减少可疑区域的数量，减轻下面步骤的运算量。

2.缺陷检测步骤：由于可疑区域中会包含一些伪缺陷，如果将这些伪缺陷直
接用于缺陷分类，那么会造成大量的误识，即将伪缺陷识别成缺陷。

所以需要对
可疑区域进行筛选，保证可疑区域尽可能由真缺陷组成。

可疑区域筛选有两种方法，一种方法是去除伪缺陷，另一种是挑选真缺陷。

由于伪缺陷基本由水、氧化
铁皮与光照不均现象引起，很难找到算法将它们直接去除，因此只能采取第二种
方案。

热轧带钢表面缺陷从其形态与分布上可以分为下面4 类：①纵向缺陷：沿
带钢轧制方向分布，一般在轧制方向有大的尺寸，但在宽度方向上的尺寸比较小，如纵裂和划伤等。

②横向缺陷：沿带钢宽度方向分布，一般在带钢宽度方向上有大的尺寸，但在轧制方向上的尺寸比较小，如横裂和横向辊印等。

③单个缺陷：一些面积比较大的缺陷，这些缺陷不具有明显纵向分布和横向分布特点，如夹杂、气泡、结疤和折叠等。

④分布式缺陷：这在一定范围内密集分布，虽然单个缺陷的面积不大，但是分布的面积比较广，如麻面、某些压痕等。

根据这 4 类缺陷的
特点，对可疑区域进行筛选，从可疑区域中找出具有上述特征的 4 类缺陷，并组
成缺陷区域。

经过缺陷检测步骤后，可以提取到完整的缺陷区域，并且去除一些
由噪声、光照不均和其他因素造成的伪缺陷区域，因此，得到的缺陷区域数量比
可疑区域数量少得多。

3.特征提取与缺陷分类步骤：经过缺陷检测步骤，大部分的伪缺陷被去除了，但是还会存在一些伪缺陷。

而且，需要对检测到的缺陷进行自动分类。

特征提取
与缺陷分类步骤用于对缺陷进行自动分类，以识别缺陷的类型，并去除剩余的伪
缺陷。

由于每幅图像都要经过图像分割步骤，所以图像分割步骤需要实时完成。

而图像分割步骤后得到的可疑区域保存到计算机缓存中，因此，缺陷检测步骤可
以在 CPU 有空闲的时候进行，采取准时处理的方式。

经过缺陷检测步骤后得到的
缺陷区域保存到服务器中，因此，特征提取与缺陷分类步骤可以在换卷时再进行。

通过实时处理、准时处理和换卷时处理这三种方式，可以既保证数据处理的实时性，同时也保证缺陷的检出率与识别率。

总之，目前，我国钢铁行业在出现产能过剩而高品质带钢缺口较大的行业态
势下，进一步树立了提速保质降成本的宏观目标，热轧带钢品质检测和控制技术
的研究工作面临着新一轮的巨大挑战。

文章采用线阵CCD 摄像机作图像采集设备，根据热轧带钢表面的特点提出新的算法流程，在保证缺陷检出率的同时，又能降
低缺陷的误识率，同时也能保证算法的实时性，满足系统的在线检测要求。

参考文献
[1]甘胜丰.带钢表面缺陷图像检测与分类方法研究[D].中国地质大学,2013
[2]刘旺臣.热轧带钢表面氧化铁皮缺陷控制[D].辽宁科技大学,2014
[3]巩彦坤,刘红艳,范佳.热轧带钢表面异常缺陷的原因分析与预防[A].中国金属学会.2014年全国轧钢生产技术会议文集（上）[C].中国金属学会:,2014:4
[4]刘佳敏,甘屹,姚俊.基于角点检测的热轧带钢表面缺陷在线检测[J].制造业自动化,2015,18。