表面缺陷测试论文
带钢表面缺陷检测方法研究

摄像 机, 在轧制速度为5 n 时 能 众 / 摄取到带钢表面最小 s 尺寸为 0r x. 的 .n o5 s l l n I 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
s d 田d eep , c i tt e Pasn r i r ue e, h h U e t i ldvo da o n oh m l i P c o e iln w i  ̄ d le c rg e d l o e s q rl l c s i n l
m s t te a r etco; e u s x c d t S t a d us氏朋d e r l o o u f h f t e x al Fa r et t b h y e r i se r e us r l n t e r ey e s me s a c 山 bc.r aa n e o h be hs t a t me o o i ae a fao, e ak 0 g f nt r a e nc e o s h PP t o wk s on e t h fn g c s c n d l l i t s ii 山 y、 se c l o P沁 s gdfc laeo uf e恤 s e s P A d t e v fi l f 代 e i e t m g fsr c a i et s n es a e r tl t ; n h i e s u o ePrl w s 田i ot h t epr e a d i . e shso l l n Xe l m a i t le a cl l t n d e u 诫t h xei n l e c T r e m i ve h e u hw s
带钢表面缺陷检测

带钢表面缺陷检测姓名:朱士娟学号:1110121137摘要表面质量的好坏是带钢的一项重要指标,随着科学技术的不断发展,后续加工工业对带钢的表面质量要求越来越高。
如何检测出带钢表面缺陷并加以控制,引起带钢生产企业的高度关注。
随着计算机视觉技术的发展和计算机性能的不断提高,由带钢图像在线检测其表面质量已成为国内外学者研究的热点课题。
在本课题中,首先提出了带钢表面监测系统的总体设计方案,从硬件和软件上保汪系统的实时性和精确度。
其次设计一种获得噪声图像的方法,分析图像的噪声特性。
并在此基础上针对传统中值滤波算法复杂、处理时间长等缺点,提出一种改进的迭代的中值滤波方法,这种方法在有效滤掉噪声的同时尽可能地保存了图像的细节,并比传统的中值滤波方法大大地减少了处理时间。
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。
通过本论文的研究和探索,使带钢表面监测系统的实用化更前迸一步,为进一步的带钢表面质量在线控制识别奠定了基础。
关键词带钢,图像处理,滤波,缺陷检测1检测原理设轧制带钢速度为ν,在钢板的上下表面各安置一套检测装置(图1),在平行于钢板表面且垂直于速度方向处放置一个高强度线光源,光源经过聚焦光学系统照亮钢板表面。
表面微观缺陷检测方法及其应用研究

表面微观缺陷检测方法及其应用研究摘要:基于多技术融合的表面微观缺陷检测方法结合最新的物体成像、云计算、人工智能和5G等前沿技术,建立微观缺陷检测系统,对微观领域的缺陷进行精确检测,具有识别速度快、准确率高、成本低、可追溯性强、数据分析、智能反控等优点,克服了传统检测手段的弊端,且在典型工业场景中得到了较好的应用。
关键词:工业互联网;视觉检测;表面微观缺陷;工业人工智能0 引言表面缺陷检测是工业生产中极其重要的一环,在汽车、船舶、电子、国防军工等诸多领域具有举足轻重的作用,表面缺陷检测的准确程度会直接影响产品的质量优劣。
因此,对工业产品表面缺陷检测系统的设计、制造、检测算法等核心技术的研究尤为重要。
在我国大部分的工业生产环境中,仍然利用人口红利,大量地使用人工等传统手段进行表面缺陷检测。
这种手段容易受到主观判断的影响,导致检测精度不稳定。
与之相比的是,国外已经广泛使用机器人等自动化技术进行产业换代升级,实现了工业自动化、提高了社会生产效率。
随着我国人口红利逐年减弱、工业转型升级需求释放和生产力成本上升等问题的凸显,再加上科技进步后的工业自动化技术性价比临近拐点、接受度逐渐增强,人工智能、机器视觉、云计算和5G 等技术取得了巨大的发展,因此无接触、无损伤的多技术融合自动化表面缺陷检测已在不少领域逐步形成替代人工的趋势。
1 微观缺陷检测背景1.1 微观缺陷检测的行业性概述科学技术的发展带来了工业4.0和智能制造的革命。
微观领域缺陷检测随着制造精度提高在各行各业得到迅猛发展。
微观缺陷检测技术应用领域非常广泛,在航天航空、汽车制造、半导体工业、生物医疗、精密加工、新材料制造等行业已得到普遍应用[1-3]。
高精度制造的发展离不开精密微观检测。
精密微观检测包括超精密的属性识别、超精密制造的设备检测技术、微观特征分析、超精密测量技术、误差补偿技术、超精密制造工作环境等,是保证高精度制造的基础技术。
精密微观缺陷检测技术是对物体各种微观表象特性进行判定的过程[4],检测的对象尺寸精度高于0.1 μm,表面粗糙度Ra小于0.025 μm,属于亚微米级检测技术,且正在向纳米级加工技术方向发展。
钢板表面缺陷检测技术的研究与应用

钢板表面缺陷检测技术的研究与应用一、引言随着工业化进程的不断推进,钢材作为基本的建筑材料,在建筑、桥梁、交通运输等领域得到了广泛的应用。
钢材品质的好坏直接影响到工程质量和安全性,因此钢板表面缺陷的检测变得尤为重要。
本文将从钢板表面缺陷检测技术的研究与应用的角度出发,分析目前常见的钢板表面缺陷检测技术及其应用。
二、钢板表面缺陷检测技术1.目视检测法目视检测法是一种最简单、最常用的缺陷检测方法,通过肉眼观察钢板表面缺陷的方式来进行识别。
这种检测方法的优点是成本低,操作简单,但是存在识别不准确、实时性差等缺陷。
2.磁粉检测法磁粉检测法是通过涂覆磁粉或将磁粉喷涂到钢板表面,并产生磁场,利用磁粉在缺陷附近产生聚集并形成缺陷轮廓线来检测缺陷。
这种方法能够检测到较小的缺陷,但是需要对钢板进行磁化处理,同时也会对环境造成一定的污染。
3.超声波检测法超声波检测法是一种通过超声波对钢板进行检测的方法。
利用超声波在材料中的传播规律,来检测钢板表面的缺陷。
这种方法具有检测速度快、操作简单、准确性高等优点,但是对于不同类型的缺陷,需要针对性的选择超声波探头。
4.电磁感应检测法电磁感应检测法是一种利用钢材表面的电磁感应来检测缺陷的技术。
该技术不需要对钢板进行磁化处理,并且对环境无污染,但是需要针对不同的缺陷类型选择不同类型的探头。
5.激光检测法激光检测法利用激光束对钢板进行激发,通过反射光信号来检测表面缺陷。
这种方法具有高速、高精度、无需接触样品以及无需待机的优点,但是价格昂贵,操作复杂。
三、钢板表面缺陷检测技术的应用1.建筑领域在建筑领域,需要对钢板进行缺陷检测,主要是因为缺陷可能导致安全问题。
钢板在建筑领域的主要应用包括建筑物外立面、建筑辅助结构以及建筑桥梁。
基于不同的要求,通常选择不同的检测技术。
2.交通运输领域在交通运输领域,需要对钢板进行局部的缺陷检测,主要是因为缺陷可能对车辆或船只产生破坏。
主要包括汽车的轮胎和汽车底盘板的检测、火车铁轨以及船舶的钢板表面检测。
工程测量技术专业毕业设计论文:基于毫米波雷达的道路表面缺陷检测技术研究

工程测量技术专业毕业设计论文:基于毫米波雷达的道路表面缺陷检测技术研究设计论文:基于毫米波雷达的道路表面缺陷检测技术研究一、研究背景随着交通流量的不断增加,道路表面缺陷对交通安全的影响日益突出。
及时、准确地检测道路表面缺陷对于保障道路安全具有重要意义。
毫米波雷达作为一种先进的检测技术,具有穿透性强、分辨率高等优点,已被广泛应用于汽车自动驾驶、空中交通管制等领域。
然而,如何将毫米波雷达应用于道路表面缺陷检测仍需进一步研究和探索。
因此,本毕业设计论文旨在研究基于毫米波雷达的道路表面缺陷检测技术,为道路安全管理提供新的技术手段。
二、研究意义基于毫米波雷达的道路表面缺陷检测技术的研究具有重要的理论意义和实践价值。
首先,该研究有助于丰富和完善道路表面缺陷检测技术,提高道路表面缺陷检测的准确性和实时性,为道路安全管理工作提供有力支持;其次,该研究有助于推动毫米波雷达技术的发展和创新,拓展其在交通领域的应用范围;最后,该研究可以为智能交通系统的构建提供技术支撑,为实现交通智能化管理提供新的思路和方法。
三、研究目的本毕业设计论文的主要目的是研究基于毫米波雷达的道路表面缺陷检测技术,具体包括以下几个方面:1. 研究毫米波雷达的工作原理及特点,分析其应用于道路表面缺陷检测的可行性;2. 设计并构建基于毫米波雷达的道路表面缺陷检测系统,包括硬件设备、数据处理和分析软件等;3. 实验验证所设计系统的准确性和实时性,分析其在实际应用中的效果;4. 研究并探讨基于毫米波雷达的道路表面缺陷检测技术的发展方向和应用前景。
四、方法步骤为了实现上述研究目的,本毕业设计论文采用了以下方法和步骤:1. 收集和整理相关文献资料,了解毫米波雷达的工作原理、特性以及在道路表面缺陷检测方面的应用情况;2. 设计并构建基于毫米波雷达的道路表面缺陷检测系统,包括毫米波雷达设备的选型、安装和调试,以及数据处理和分析软件的编写和测试;3. 在实验路段上采集道路表面图像和毫米波雷达数据,对所设计系统进行验证和测试,分析其准确性和实时性;4. 根据实验结果,探讨基于毫米波雷达的道路表面缺陷检测技术的发展方向和应用前景。
钢板表面缺陷及判定论文

钢板表面缺陷分析及判定摘要:本文通过对中厚板大量的实物取证和系统分析,结合近年来钢种数量增多和生产方式多样化出现的新问题,参照相关标准和定义,对几种典型的钢板表面缺陷进行了科学的分类,介绍了这几类缺陷的形态、特征、成因和影响。
它对中厚板厂的技术人员和质检部门进行钢板表面质量的分析、判定和缺陷的消除具有重要的参考价值。
关键词:中厚板表面缺陷科学分类质量判定1 前言近年来,由于钢板价格不断攀升,使中厚钢板的需求量保持稳步旺盛增长。
中厚板品种多、用途广,是船舰、桥梁、锅炉、容器、石油化工、工程机械等方面的重要材料。
中厚钢板在生产过程中,由于操作或钢坯的原因,不可避免地在钢板的表面上产生影响外观和质量的缺陷,这些缺陷统称为表面缺陷。
因此,生产过程中在保证性能的同时,必须加强对钢板表面质量影响的检验,对钢板表面缺陷科学分析、准确判定。
2 几种典型缺陷的特征、成因和影响2.1 麻点特征:在钢板表面形成局部或连续的成片粗糙面,分布着大小不一、形状各异的铁氧化物,脱落后呈现出深浅不同、形状各异的小凹坑或凹痕。
成因:由于钢坯加热后表面生成过厚的氧化铁皮(钢坯加热时有部分区域有过热现象)在轧制之前没有得到清理或清理不彻底,在轧制中氧化铁皮呈片状或块状等形态压入钢板本体,轧后氧化铁皮冷却收缩,受到震动时脱落,在钢板表面留下大小不一、形状各异、深浅不同的小凹坑或凹痕。
此外,煤气中的焦油喷射或燃烧的气体腐蚀,也会形成焦油麻点或气体腐蚀麻点。
影响:对钢板表面质量的影响程度取决于麻点在钢板表面形成的凹坑或凹痕的深度及钢板对表面质量要求的严格程度。
通常情况下,经过修磨清理后,其深度不超过相应标准规定者不影响使用。
2.2 黑色夹杂特征:在钢板表面有嵌入钢板本体内较深,呈现为块状,周边呈开放性的黑色非金属和金属混合物质。
该种夹杂单体面积较大、个体之间呈条状排列,基本是沿轧制方向分布。
成因:这种夹杂是由于大包和中包包衬浸蚀、脱落;连铸浇注速度过快,捞渣不及时,造成保护渣随卷入钢液等原因产生的。
论文篇-微型轴承外表面缺陷自动检测线《设计-论文》

第一章论述1.1前言检测技术是现代制造业的基础技术之一,是保证产品质量的关键。
随着现代制造业的发展,许多传统的检测技术已不能满足其需要,表现在:现代制造产品种类有很大的扩充,现代制造强调实时、在线、非接触检测,现代产品的制造精度大大提高;现代制造业的进步需要研究新型的产品检测技术。
计算机工业图象检测是将计算机视觉应用于工业检测的一门交叉学科。
计算机视觉,指的是利用计算机技术对景物的图象进行识别],以实现对人视觉功能的扩展。
利用这一技术可以解决许多工业图象检测环节的问题,以取代落后的人工检测,提高检测效率和工业自动化水平,构成带视觉环节的反馈控制系统。
视觉检测技术具有非接触、速度快、精度合适、现场抗干扰能力强等突出的优点,能很好地满足现代制造业的需求,在实际中显示出广阔的应用前景。
视觉检测技术是建立在计算机视觉研究基础上的一门新兴检测技术,可用于工业领域的很多方面,如零件检验与尺寸测量、零件的缺陷检查、零件装配、机器人的引导和零件的识别等。
轴承是机械行业的一个非常重要的零件,使用极其普遍且品种繁多,轴承的加工精度和质量关系到机械产品的使用性能和质量,因此对各种轴承的加工质量检测一直是轴承加工厂家关心的问题。
1.2 国内外的发展现状目前我国大部分轴承产品加工企业,特别是一些中小规模的生产单位,对产品感官指标的检测还要借助于人的视觉和个人主观判断能力,因而占用了大量的人力,而且由于受到个人的视力、情绪、疲劳、光线等因素的影响,工作效率低,分选差异大。
而且这种用肉眼检测轴承接触面的方法来测量齿面加工精度,这种检测方法是不足以胜任的,因为检测质量的结果依据各个检测员而不同。
虽然座标检测机能对齿面进行批量检测,但目前市售测量机不能精确地检测轴面周边和不规则的表面,而且此类检测机需要相当长的检测时间。
且该检测机的自动化程度不高,检测产品单一,且开发费用较高,与我国现有肉食品加工业的先进生产装备水平极不相符,也制约了机械制造业的长足发展。
基于机器视觉的表面缺陷检测方法研究进展

然而,仍然存在一些挑战和问题需要进一步研究和探讨,例如如何提高数据 的质量和数量、如何选择合适的模型结构和参数以及如何平衡模型的计算量和处 理速度等问题。未来研究方向可以包括改进现有方法、优化模型结构、开发新的 算法等方面,以进一步提高基于机器视觉的表面缺陷检测方法的性能和效率。
参考内容
随着电子行业的快速发展,PCB板(印刷电路板)在各种电子产品中的应用 越来越广泛。然而,PCB板表面缺陷不仅影响电子产品的性能,还会导致整个设 备的故障。因此,PCB板表面缺陷检测成为电子制造业中至关重要的一环。近年 来,机器视觉技术的迅速发展,为PCB板表面缺陷检测提供了新的解决方案。
基于深度学习的方法通过训练深度神经网络来识别表面缺陷。这类方法可以 利用大量的带标签数据来进行训练,从而提高检测精度。优点是检测精度高、对 复杂缺陷和细微缺陷的检测效果好,缺点是计算量较大、处理速度较慢。
混合方法则是将基于图像处理的方法和基于深度学习的方法结合起来,以充 分发挥两者的优点,提高表面缺陷检测的性能。
研究方法
本次演示选用基于深度学习的方法进行表面缺陷检测。具体实现过程如下:
1、数据采集:收集带有表面缺陷的产品图像,并进行预处理,如去噪、增 强等,以提高图,并划分为不同类型的缺陷, 如划痕、斑点、凹槽等。
3、模型选择:选择合适的深度神经网络模型,如卷积神经网络(CNN)、循 环神经网络(RNN)等,进行训练。
带钢是工业领域的重要原材料,其表面质量对于后续工艺和产品质量具有重 要影响。因此,带钢表面缺陷检测是工业生产中的关键环节。近年来,随着机器 视觉技术的不断发展,基于机器视觉的带钢表面缺陷检测方法越来越受到。本次 演示将对基于机器视觉的带钢表面缺陷检测方法的研究进展进行综述。
一、机器视觉检测系统
- 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)。
带钢表面缺陷检测方法研究学号:1110121096 班级:11材控2班姓名:倪明摘要:表面质量的好坏是带钢的一项重要指标,随着科学技术的不断发展,后续加工工业对带钢的表面质量要求越来越高。
如何检测出带钢表面缺陷并加以控制,引起带钢生产企业的高度关注。
本文通过对带钢表面的缺陷检测的重要性分析,讲述了国内外带钢表面缺陷检测的发展现状,并比较分析了几种检测方法,最终得出本研究的意义。
由于带钢表面缺陷种类繁多,建议下一步研究工作重点放在缺陷种类识别与分类部分,以满足带钢表面缺陷的无遗漏检测。
关键词: 带钢表面缺陷缺陷检测1.1带钢表面缺陷检测的重要性随着生活水平的提高和生产力的发展,人们对产品质量提出了更高的要求,带钢作为机械、航天、电子等行业的原材料,用户对其表面质量的要求更加严格。
影响带钢表面质量的主要因素是带钢在制造过程中由于原材料、轧制设备和加工工艺等多方面的原因,导致其表面出现的擦伤、结疤、划痕、粘结、辊印、针眼、孔洞、表面分层、麻点等不同类型的缺陷。
这些缺陷不仅影响产品的外观,更严重的是降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能。
原料钢卷的表面缺陷是造成深加工产品废次品的主要原因。
由于部分质量缺陷在出厂前不能有效地被检测出来,而在用户使用过程中被发现,造成用户索赔,不仅给企业带来巨大的经济损失,还严重影响了产品的市场形象,降低了用户对产品的信任度。
因此,必须加强对带钢表面缺陷的检测和控制,这对于剔除废品、减少原料浪费、提高成材率、改善工人劳动条件都有重要意义。
而如何在生产过程中检测出带钢的表面缺陷,从而控制和提高带钢产品的质量,一直是钢铁生产企业非常关注的问题。
1.2 国内外带钢表面缺陷检测方法与装置研究现状目前带钢表面缺陷检测装置主要分为采用传统检测方法的检测装置、采用自动检测方法的检测装置和采用计算机视觉检测方法的检测装置。
1.2.1传统检测方法非自动化的传统表面缺陷检测方法可以分为人工目视检测方法和频闪光检测法两种。
05年代至06年代,冷轧带钢表面缺陷检测主要采用人工目视检测,检测者凭借肉眼观察缺陷。
由于带钢轧制速度很快,人眼无法可靠的捕获缺陷信息。
同时,某些高质量的带钢要求其表面缺陷小于0.5mm×0.5mm,这种微小缺陷人的视觉很难发觉,从而产生大量的漏检和误检。
人工检测需要在高温、噪音、粉尘、振动的恶劣环境下进行,对人的身体和心理造成极大伤害,检测者极易疲劳而无法工作。
因此,人工目视检测法逐渐失去了在线检测的意义。
在07年代中期,英钢联、阿格玛、LTV、美钢联合蒂森等钢铁联合企业普遍采用频闪光检测法。
人的视觉反应方式,类似于照相过程中光的化学反应,就象化学药品在光的照射下会被激活从而使成像于底片上的影像模糊不清,纠正的办法就是增大照相机的快门速度,以缩短光对底片上药品的活化时间。
由于曝光时间短,便能减少模糊,从而得到清晰的图像。
显然,人眼摄取图像的速度是不可能加快的,这就要寻找一个相当于照相机快门的代用品,以便不分散操作者的注意力或加重其负担。
频闪光检测法的原理是具有10一30us的脉冲闪光会引起视网膜静止反应,起到照相机快门的作用。
将该种检测方法进一步发展,即将频闪光源与专用的视频摄像机结合,通过监视器观察缺陷。
虽然这种方法的成本低,但是检测的可信度低,自动化程度也低。
1.2.2 自动检测方法目前在实际中得到应用的自动表面缺陷检测方法主要有涡流检测技术、红外检测技术和漏磁检测技术。
1)涡流检测技术1899年法国洛林连轧公司福斯厂研制成功一种安装在火焰切割设备前端,能够在线无损检测热连铸板坯表面质量的涡流探测设备EDISOL。
该设备通过配置在板坯上下表面做横向往复移动的涡流探测器检测纵裂纹,通过配置在板坯窄面和棱边处固定的涡流探测器检测横裂和角裂。
由于热连铸板坯宽面温度通常都大大高于居里点,而板坯的棱边附近和窄面的温度只是接近或者低于居里点,因此根据板坯钢是否具有铁磁性来设计相应的工作频率,并对于纵裂、横裂和角裂的检测分别采用了两种不同的差动式涡流探测器。
涡流方法只能检测金属板材表面和表皮下层阻流缺陷,并且此种检测需要大电流励磁,在生产线上将造成能源的极大浪费。
用涡流检测方法实现热图像检测,检测前的板材必须为均匀温场,这点对于热轧钢板来说是无法满足的。
另外为了使缺陷有足够的加热时间以使缺陷充分暴露,速度必须足够慢,这必然限制了检测和生产的速度,不利于生产的高速化实现。
因此这种方法不适宜高速轧制带钢的表面检测。
2)红外检测技术1990年挪威Elkenl公司研制出Therm-O-Matic连铸钢坯自动检测系统。
在钢坯传送辊道上设置一个高频感应线圈,钢坯通过时,表面会产生感应电流。
由于高频感应的集肤效应,其穿透深度将小于1mm 。
在有缺陷的区域,感应电流从缺陷下方流过,从而增加了电流的行程,导致在单位长度的表面上消耗更多电能,这将引起钢坯局部表面的温度上升。
由于缺陷处的局部升温取决于缺陷的平均深度、线圈工作频率、特定的输入电能、被检钢坯的电性能和热性能、感应线圈的宽度和钢坯的运动速度等因素,因此如使其它各种因素在一定范围内保持恒定,就可通过检测局部升温值来计算缺陷深度。
Therm-O-Matic系统可在线检出热钢坯表面纵裂纹和横裂纹等缺陷。
3)漏磁检测技术1939年日本川崎制铁千叶制铁所开发出在线非金属夹杂物检测装置,其检测原理是利用漏磁通密度与缺陷的体积成正比的关系,通过测量漏磁通密度从而确定缺陷的大小并对缺陷进行分类。
该装置使用直流磁化的漏磁法,励磁器与检测元件呈同一方向配置,检测元件采用了高灵敏度的半导体式磁敏元件,用于检测水平磁通分量。
磁敏传感器的输出信号经带通滤波器去除噪声后,由计算机实时识别出缺陷目标并计算出非金属夹杂物的体积等参数。
漏磁检测法不仅能检测表面缺陷,而且还能检测内部微小缺陷,并且其检测精度高,实用温度范围宽,并且造价比较低廉。
其缺点主要是不能检测表面粗糙度,并且无法对缺陷进行准确分类。
1.2.4 国内研究现状与西方发达国家相比,国内带钢表面缺陷检测的研究起步较晚,整体研究水平较低。
1900年华中理工大学罗志勇等采用激光扫描方法测量冷轧钢板宽度和检测孔洞缺陷,并开发了相应的信号处理电路,此后又开展了线阵CCD和面阵CCD检测技术的研究工作。
1995年他们研制出了采用多台面阵CCD成像、通过基于PC环境的DSP系统所构成的图像处理平台进行冷轧带钢表面孔洞、重皮和边裂缺陷检测和最小带宽测量的实验系统。
同年,哈尔滨工业大学机器人研究所开始进行带钢表面主要缺陷的静态检测和识别方法的研究。
上海宝山钢铁(集团)公司也与原航天部二院联合研制出用于冷轧带钢表面缺陷的在线检测系统。
2002年北京科技大学徐科等人采用多个面阵CCD摄像机同时采集钢板表面图像,由多台客户机和一台服务器组成的并行计算机系统,实现了对钢板表面部分缺陷的检测。
目前人工目测仍然是国内应用最多的方法。
宝钢在国内最早采用带钢表面质量激光自动检测系统,宝钢1420mm电镀锡机组出口配置了在线激光表面检测仪,在带钢高速运行情况下可对带钢正反面同时检测,能自动识别出多种缺陷四。
1.3 本研究的目的和意义本课题来源于陕西省自然科学基金项目和西安市工业攻关项目“带钢表面缺陷检测技术研究”。
带钢表面缺陷检测是带钢生产控制中的一项关键技术,也是当前国内外研究的热点。
目前,世界各国在带钢产品的尺寸精度控制方面(如厚度、宽度、板形等方面)已经取得显著成效,然而在带钢表面缺陷检测方面进展缓慢。
国内外钢铁制造企业数十年来一直采用人工开卷抽检或频闪光检测方法进行表面质量检测,经过概率计算并参考检测人员的经验数据形成带卷的综合质量评定,然而这些方法具有以下不易克服的弊端:(l) 抽检率低,不能真实可靠地反映带钢表面的质量状况,很难检测到细微缺陷,尤其是对于轧制过程中产生的大量非周期缺陷极有可能造成漏检。
(2) 缺乏检测的一致性、科学性。
主要依赖检测人员的主观判断,由于不同质检人员经验水平不同,对同一缺陷会得出不同的判断,导致缺陷种类、级别不准,从而降低了检测的可信度。
(3) 检测环境恶劣枯燥,对人的身心危害很大,检测人员的劳动强度大,极易疲乏,容易造成误判和漏检。
(4) 如果在前期工序中不能检测出某些严重的表面缺陷,势必将其引入后续工序,这可能导致整批带卷的重加工甚至报废。
(5)难以提高产品售后服务水平。
由于产品质量检查全凭人眼,没有产品全部长度的缺陷状况资料,因此产品质量等级不精确,售后服务困难。
因此,表面质量检测己经成为带钢生产企业提高产品质量和产量的瓶颈。
实现对带钢表面缺陷进行非人工的连续准确的检测、缺陷分类和记录,并加以实时控制,对于提高生产效率和产品质量,从而提高企业竞争力将起到非常积极的作用。
具体来说,实现带钢表面缺陷准确自动的检测具有如下意义:(1) 提高生产效率,降低工人劳动强度。
连续生产线上的机组速度很高,人眼难于发现高速运行的带钢表面的缺陷。
有研究表明12刀,物体运动速度在In公5时,人眼就无法分辨较细微的形态,物体运动速度达到3n公5时,人眼就无法看清物体上的形态。
生产线上的带钢运动速度一般在sn公5左右,人眼根本就不可能准确的检测出带钢表面微小的缺陷,这将导致生产效率和质量控制之间的尖锐矛盾。
因此,如果没有准确高效的自动检测系统,就无法在不影响生产效率的条件下实现表面质量检测。
(2) 改进轧制过程,提高生产质量.从检测信息中提取和挖掘出对生产和销售有用的信息,对评估产品质量有着极强的说服力。
利用缺陷信息还可以分析缺陷产生品。
(3) 减少贸易争执,维护企业信誉。
国内钢铁企业的带钢产品因表面质量问题而被索赔,进而导致商务纠纷的事件近年来时有发生,给企业造成了很大的经济损失,也使企业形象受到严重伤害。
因此,实现带钢表面缺陷自动检测,提高产品表面质量,为用户提供优质的带钢产品,不仅仅是减少赔偿、减少浪费的问题,而是维护企业形象和信誉的重大问题。