[發明專利]一種基于圖像灰度值的熱軋帶鋼表面缺陷分級方法

有效

• 申請號: 202010184159.9
• 申請日: 2020-03-17
• 公開（公告）號: CN111402236B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 邵健;李天倫;何安瑞
• 申請（專利權）人: 北京科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/66;G06V10/764
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

本發明提供一種基于圖像灰度值的熱軋帶鋼表面缺陷分級方法，能夠提高缺陷嚴重程度等級判定的效率和準確率。所述方法包括：獲取某類缺陷區域圖像中每個像素點的灰度值，根據得到的灰度值確定缺陷的形態特征；根據缺陷區域幾何信息及缺陷形態特征，通過隨機抽樣重復訓練、測試缺陷分級模型，選擇各等級下缺陷預測準確率大于預設閾值的測試樣本作為相應等級下的典型樣本集；根據各等級下的典型樣本集，確定相應等級的質心；確定待分級的區域缺陷圖像的缺陷形態特征，將其與自身的缺陷區域幾何信息組成缺陷特征，確定缺陷特征與各等級質心之間的距離，獲取距離最小值對應的等級作為待分級的區域缺陷圖像的缺陷嚴重程度等級。本發明涉及冶金技術領域。

技術領域

本發明涉及冶金技術領域，特別是指一種基于圖像灰度值的熱軋帶鋼表面缺陷分級方法。

背景技術

隨著汽車工業、高端家電等行業對鋼材產品的質量要求日趨嚴格，產品的個性化需求也越來越多。在基本質量指標合格的前提下，鋼鐵企業和下游用戶轉為開始關注更為細節的表面質量問題，由于涉及流程較長、形成機理復雜、發生頻次高，對產品的最終質量影響大，表面質量被認為是最重要、最難控制的質量指標之一。正是由于表面質量的復雜性，各大鋼鐵企業對熱軋帶鋼表面質量的管理十分重視，期望以此提高產品品質，實現更大的商業價值。

表面質量的判定是目前面臨的難題，熱軋帶鋼生產線在卷取工序前安裝有表面檢測系統(簡稱：表檢系統)，但其僅能對缺陷的種類進行辨別，往往不具備對單一缺陷嚴重程度的分級功能。不同于其他性能指標依據參數閾值的自動判定方式，由于表檢系統存在工作環境復雜、缺陷檢出虛警率過高、無法對缺陷嚴重級別評估等局限性，表面質量的質檢環節仍需要人工對下線產品進行逐個檢查，基于人工經驗的判定方法難以被自動化方法替代，影響了整個生產流程的效率和準確率。

在熱軋生產過程中，為避免漏檢，表檢系統在缺陷檢測環節具有很高的靈敏度，一卷帶鋼全長的缺陷圖像檢出量大概在6000-15000張，其中大部分缺陷為輕微缺陷，不會對表面質量造成影響；表檢系統還會預測每處缺陷的類別幫助最終表面質量的判定，例如裂紋、劃傷、壓入等，由于工況的復雜，該環節預測的準確率不高，僅能保持在75％左右；此外，表檢環節要求對成品的判定速率要與生產節奏同步，即約每3分鐘就要完成對一卷帶鋼的表面質量判定。

質檢人員需要對熱軋每卷下線帶鋼的表面質量是否合格進行判定，首先需要快速遍歷全部的缺陷檢出圖像，過濾掉其中大部分輕微缺陷，之后仔細審閱剩余嚴重缺陷，結合參考表檢系統給出的嚴重缺陷類型、大小、位置、數量等特征，根據模糊經驗給出最終判斷。該方法在各生產工序的表面質量判定環節中被廣泛使用，但顯然存在如下不足：

1)基于表檢系統檢出結果進行表面質量判定時需要耗費大量時間過濾輕微缺陷，快速生產條件下人工實際用于審閱嚴重缺陷的精力十分有限，判鋼準確率難以保證；

2)表面質量判定規則模糊復雜，短期內難以實現全自動化，人工判定受技術水平差異、主觀認知不同、工作疲勞等因素影響，判鋼尺度的統一性難以保證；

3)人工進行表面質量判定時僅能通過經驗給出產品的判定情況，缺少判定依據的記錄，難以通過對比分析發現缺陷的形態特點。

目前對熱軋帶鋼及其他類似表面缺陷的檢測研究很多，但均偏重于提高缺陷的檢出率、分類準確率和檢測速率等方面，如文獻《基于貝葉斯CNN和注意力網絡的鋼軌表面缺陷檢測系統》(自動化學報，2019年12月，第45卷，第12期)使用深度學習方法實現了表面缺陷的概率分割，相比其他方法更加快速魯棒；文獻《基于Faster-RCNN的零件表面缺陷檢測方法》(計算機輔助設計與圖形學學報，網絡首發)使用快速區域卷積神經網絡大幅提高了表面缺陷檢測的準確率；以上研究對于提升表檢系統的性能具有一定幫助，但是，無法自動判定表面缺陷嚴重程度等級。