圖像識(shí)別技術(shù)在板材缺陷識(shí)別中的應(yīng)用

柴文婷，胡 鷹，李雯瓊，王效崗，朱麗麗

(1.太原科技大學(xué)， 山西 太原 030024；2.太原工業(yè)學(xué)院，山西 太原 030008)

0 前言

隨著鋼鐵工業(yè)的快速發(fā)展，對(duì)鋼鐵產(chǎn)品的質(zhì)量要求越來(lái)越高。板形作為鋼鐵生產(chǎn)的重要指標(biāo)，其重要性不言而喻。目前，國(guó)產(chǎn)第三代全液壓矯直機(jī)并未配備板型儀，主要采用人工目測(cè)判斷板材缺陷及缺陷類型，依靠經(jīng)驗(yàn)給出彎輥值，由于誤差較大而導(dǎo)致矯直質(zhì)量下降，影響產(chǎn)品質(zhì)量。本文利用圖像處理技術(shù)，借助工業(yè)相機(jī)采集板材圖像信息，通過(guò)對(duì)圖像信息的處理，不僅得到板材的不平度等常規(guī)信息，還通過(guò)圖像的分析歸類，將板材缺陷對(duì)應(yīng)到彎輥特定的矯直工藝，即通過(guò)確定缺陷類型才能正確的進(jìn)行彎輥量設(shè)置從而消除板形缺陷。

1 板形判定對(duì)矯直的意義

目前在國(guó)外一部分矯直機(jī)上采用了板型儀來(lái)實(shí)現(xiàn)板形判定，但在國(guó)內(nèi)矯直機(jī)上板型儀應(yīng)用的卻很少。板型儀按照與板材的關(guān)系大致可以分為兩大類，一類是接觸式板型儀，在檢測(cè)輥中裝入壓力傳感器，直接接觸帶材和檢測(cè)輥，得到板材的張力，通過(guò)對(duì)張力的分析得出板形。但這種方式容易損傷帶材表面，雖然可以運(yùn)用技術(shù)預(yù)防和修復(fù)，但付出的人力、物力較大，而且工作效率下降，后期維護(hù)工作也比較困難，因此接觸型板型儀已經(jīng)不符合當(dāng)前產(chǎn)品的生產(chǎn)要求。另一類為非接觸式板型儀，主要的檢測(cè)方法有激光法、測(cè)擾度法、電磁法等，與接觸式板型儀相比，非接觸式板型儀使用壽命長(zhǎng)，易于維護(hù)和費(fèi)用低，但其檢測(cè)方法易受到周?chē)h(huán)境的影響，從而影響識(shí)別結(jié)果[1]。

隨著計(jì)算機(jī)技術(shù)的應(yīng)用和發(fā)展，圖像識(shí)別技術(shù)也日益成熟。圖像識(shí)別技術(shù)具有再現(xiàn)性好、處理精度高、靈活性好及比較經(jīng)濟(jì)等特點(diǎn)，在很多領(lǐng)域得到了廣泛的應(yīng)用。對(duì)于目前的高強(qiáng)度、薄規(guī)格板材，接觸式與非接觸式兩種板型儀應(yīng)用效果都不是特別好。而且板型儀只能測(cè)量得到不平度數(shù)據(jù)，對(duì)于得到板形識(shí)別結(jié)果還要經(jīng)過(guò)復(fù)雜的數(shù)據(jù)分析。因此本文將圖像識(shí)別技術(shù)引入到對(duì)矯直機(jī)進(jìn)行不平度數(shù)據(jù)采集和板形缺陷識(shí)別的工作中。通過(guò)圖像識(shí)別技術(shù)識(shí)別矯前板形，采集板材的不平度數(shù)據(jù)，為進(jìn)一步模糊控制彎輥裝置奠定了基礎(chǔ)。矯前板形的獲取是為了確定矯直工藝，矯后板形的獲取主要是為了調(diào)整優(yōu)化模型參數(shù)，如圖1所示。

圖1 矯前與矯后板形

2 圖像識(shí)別技術(shù)在板材缺陷識(shí)別中的應(yīng)用

2.1 板形缺陷識(shí)別原理

一束光照射到正常板材和缺陷板材上的反射是有差異的，即取決于板材的缺陷類型和粗糙程度，通常人眼難以識(shí)別。因此可以通過(guò)圖像處理技術(shù)比較某一區(qū)域與其相鄰區(qū)域的表面特性差異來(lái)判斷是否存在板材缺陷及其類型，即通過(guò)判斷反射光強(qiáng)度的變化得出此板材區(qū)域是否存在缺陷[2]。對(duì)面陣CCD攝像機(jī)提出現(xiàn)場(chǎng)采集的圖像進(jìn)行圖像處理后，提取出其板材的特征值，即可獲得板材的缺陷信息。

2.2 板材圖像處理核心技術(shù)

2.2.1 板材圖像的采集

2.2.2 板材圖像的濾波去噪

板材圖像在生成和傳輸過(guò)程中很容易受到周?chē)h(huán)境及其它各種因素的干擾，從而影響后期的圖像處理工作。由于現(xiàn)場(chǎng)存在較強(qiáng)的電磁干擾及聲光震動(dòng)等，圖像在采集傳輸中會(huì)耦合影響識(shí)別結(jié)果的各種干擾噪聲，例如脈沖噪聲、高斯噪聲等，為了減少噪聲對(duì)數(shù)字圖像的影響，需對(duì)數(shù)字圖像進(jìn)行去噪處理。目前主要的圖像去噪算法有鄰域平均法和中值濾波法等。鄰域平均法是對(duì)當(dāng)前像素及其相鄰的像素點(diǎn)統(tǒng)一進(jìn)行平均處理，即去除突然變化的像素點(diǎn)、平滑像素使圖像有一定程度的模糊化，這樣就可以濾去圖像中的噪聲[3]。但模糊化后的圖像由于像素均勻會(huì)影響邊緣檢測(cè)，從而影響后續(xù)工作。中值濾波法則是把以某點(diǎn)(x,y)為中心的區(qū)域內(nèi)的所有像素的灰度按從大到小的順序排列，取中間值作為(x,y)處的灰度值(若窗口中有偶數(shù)個(gè)像素，則取兩個(gè)中間值的平均)。中值濾波法在去除噪聲的同時(shí)還可以保護(hù)圖像邊緣[4]。因此本文采用中值濾波法對(duì)數(shù)字圖像進(jìn)行去噪處理。

2.2.3 板材圖像的邊緣檢測(cè)

板材圖像的邊緣是指像素灰度急劇變化的區(qū)域，可以表示出一個(gè)圖像的輪廓，是圖像的一個(gè)基本特征。邊緣大致可以分為兩種，一種邊緣兩邊像素的灰度值明顯不同，稱為階躍邊緣。另一種為像素的灰度值變化為由小到大，再由大到小，這時(shí)突變區(qū)域?yàn)檫吘?，稱為屋頂邊緣[5]。圖像的邊緣包含大量的有用信息，是確定板形缺陷的重要依據(jù)，不僅可以確定板材缺陷的位置形狀、還可以分析應(yīng)變聚集程度，是板材圖像處理過(guò)程的重要環(huán)節(jié)。

邊緣檢測(cè)的處理過(guò)程基本分為4個(gè)步驟：濾波、增強(qiáng)、檢測(cè)、定位。經(jīng)典的邊緣檢測(cè)方法就是通過(guò)在圖像中像素的某一鄰域構(gòu)造邊緣檢測(cè)算子來(lái)實(shí)現(xiàn)邊緣檢測(cè)的目的。經(jīng)典的邊緣檢測(cè)算子有Roberts算子、Sobel算子、Prewitt算子、Canny算子等。Roberts算子計(jì)算交叉方向上的像素差值，對(duì)垂直邊緣有較好的檢測(cè)效果，但對(duì)噪聲非常敏感。Sobel算子和Prewitt算子相似，都能很好的消除噪聲，但同時(shí)會(huì)造成圖像模糊化。Canny算子先對(duì)圖像進(jìn)行平滑處理后再求導(dǎo)，能很好的檢測(cè)出圖像的邊緣，而且提取出的圖像清晰、連續(xù)性好。因此根據(jù)板材圖像處理的需求，選取canny邊緣檢測(cè)算子進(jìn)行處理是最優(yōu)選擇。

通過(guò)CCD攝像機(jī)拍攝中浪和左邊浪兩種缺陷板形后，用計(jì)算機(jī)對(duì)其進(jìn)行中值濾波和Canny算子邊緣檢測(cè)處理后，實(shí)驗(yàn)結(jié)果為圖2、圖3所示。

圖2 中浪板形缺陷檢測(cè)

圖3 左邊浪板形缺陷檢測(cè)

2.3 板材圖像數(shù)據(jù)處理及分析

2.3.1 板材圖像識(shí)別特征值的提取

對(duì)圖像完成去噪和邊緣檢測(cè)處理后，需對(duì)得到的圖像數(shù)據(jù)進(jìn)行分析處理。本文對(duì)缺陷的識(shí)別通過(guò)提取特征值來(lái)實(shí)現(xiàn)。選用平均值、方差和對(duì)比度作為特征值。

(1)平均值的計(jì)算公式為

式中，L為灰度級(jí)數(shù)；b為離散灰度在[0,L-1]上的隨機(jī)量；P(b)為灰度b的概率密度。

(2) 方差的計(jì)算公式為

(3)對(duì)比度的計(jì)算公式為

式中Pδ(j,k)為灰度共生矩陣，表示灰度點(diǎn)離開(kāi)某個(gè)固定位置關(guān)系為k的概率。

通過(guò)對(duì)圖像特征值的提取，能夠根據(jù)不同的特征值將板材圖像進(jìn)行分類，分別對(duì)應(yīng)不同的板形缺陷模型，例如中浪、邊浪等。

3.3.2 采用徑向基網(wǎng)絡(luò)識(shí)實(shí)現(xiàn)材缺陷的機(jī)器識(shí)別

本文采用徑向基網(wǎng)絡(luò)對(duì)板材圖像進(jìn)行缺陷識(shí)別，徑向基網(wǎng)絡(luò)將徑向基函數(shù)運(yùn)用于神經(jīng)網(wǎng)絡(luò)中，運(yùn)用局部逼近的方式避免了BP收斂速度慢等缺點(diǎn)，而且學(xué)習(xí)能力也得到了提高，可以較快的實(shí)現(xiàn)機(jī)器自學(xué)習(xí)。具體方法是將典型的板型缺陷圖像提取到的特征值作為訓(xùn)練樣本，利用徑向基網(wǎng)絡(luò)對(duì)這三組特征值進(jìn)行訓(xùn)練學(xué)習(xí)，經(jīng)過(guò)一定次數(shù)的學(xué)習(xí)后，徑向基網(wǎng)絡(luò)就可以識(shí)別對(duì)應(yīng)的典型板材缺陷。徑向基網(wǎng)絡(luò)的設(shè)計(jì)步驟：

(1) 將平均值、方差和對(duì)比度作為輸入，即輸入層為3；

(2) 本文設(shè)定主要識(shí)別邊浪、中浪兩種缺陷，同時(shí)包括正常和異常兩種情況，用0和1 的組合來(lái)表示輸出，[1 ,0]表示中浪，[0,1]表示邊浪，[0,0]表示正常，[1,1]表示異常；

(3) 隱含層選用單層，神經(jīng)元個(gè)數(shù)隨著收斂速度慢慢減少，這樣可以減少計(jì)算量；

(4) 選用138組邊浪和138組中浪作為訓(xùn)練樣本；

(5) 設(shè)定訓(xùn)練誤差為0.0001，經(jīng)過(guò)128步完成訓(xùn)練。

對(duì)兩組138個(gè)樣本的訓(xùn)練結(jié)果見(jiàn)表1。平均識(shí)別率達(dá)到97.5%

表1 板形缺陷訓(xùn)練結(jié)果

可以看出，首先通過(guò)中值平滑濾波很好的去除了圖像噪聲，再通過(guò)Canny算子邊緣檢測(cè)后得到明顯的圖像邊緣，再提取板形特征，最后通過(guò)RBF分類器正確的得出板形缺陷類型。因此將圖像識(shí)別技術(shù)應(yīng)用在板材缺陷識(shí)別中的方法效果良好，板材缺陷識(shí)別率達(dá)到了97.5%。

2.4 板材不平度的識(shí)別

得到板材的缺陷類型后，利用側(cè)面攝像機(jī)來(lái)提取板材的不平度圖像，再經(jīng)過(guò)圖像濾波和邊緣檢測(cè)得到灰度圖，最后利用灰度差就可得到板材不平度。圖4是以中浪為例的不平度圖像處理過(guò)程。

圖4 中浪不平度圖像處理

確定板形缺陷和板材不平度的整體流程如圖5所示。

圖5 板材缺陷識(shí)別及不平度圖像處理流程圖

3 結(jié)束語(yǔ)

本文設(shè)計(jì)的板材缺陷識(shí)別方法已應(yīng)用在國(guó)內(nèi)某鋼廠全液壓矯直機(jī)矯直模型軟件系統(tǒng)當(dāng)中，通過(guò)對(duì)多種規(guī)格及缺陷板材的矯直測(cè)試，系統(tǒng)能夠有效的識(shí)別測(cè)試板材的典型缺陷，并根據(jù)識(shí)別結(jié)果給出合理的彎輥設(shè)定值，實(shí)現(xiàn)了板型缺陷自動(dòng)識(shí)別及彎輥的自動(dòng)設(shè)定，提高了矯直機(jī)的矯直效率和質(zhì)量。

[1] 夏德深,傅德勝編著.現(xiàn)代圖像處理技術(shù)與應(yīng)用[M].南京：東南大學(xué)出版社，1997.

[2] 章毓晉.圖像工程(上冊(cè))——圖像處理和分析[M].北京:清華大學(xué)出版社，1999.

[3] 郎銳.數(shù)字圖像處理學(xué)-Visual C++實(shí)現(xiàn)[M].北京：北京希望電子出版社，2002：134-139. [4] 周存龍，徐靜，王國(guó)棟.中厚板輥式矯直機(jī)壓下模型[J].重型機(jī)械，2016 (02):24-26.

[5] 劉穎.計(jì)算機(jī)圖像識(shí)別技術(shù)的發(fā)展現(xiàn)狀和展望[J].考試周刊，2014(08).

[6] 楊紅光.中厚板矯直機(jī)彎輥量自適應(yīng)模型系統(tǒng)[D].太原科技大學(xué)，2012.

[7] 申敏.基于自適應(yīng)智能調(diào)整的九輥矯直機(jī)控制系統(tǒng)[J].自動(dòng)化技術(shù)與應(yīng)用，2014.

[8] 崔麗.中厚板輥式矯直過(guò)程模型研究[D].沈陽(yáng):東北大學(xué),2009.

[9] Liu Zhifang,Wang Yongqin,Yan Xingchun.A new model for the plate leveling process based on curvature integration method[J],International Journal of Mechanical Sciences, 2012,54(01):213-224.