基于机器视觉技术的矽钢片缺陷检测系统设计及实现

2023-02-03

矽钢片作为工业加工原材料, 在电力行业生产变压器时被大量使用。根据矽钢片加工行业的经验, 矽钢片表面总会出现白点和锈蚀两种缺陷, 而变压器生产中对矽钢片的质量有着严格要求, 所以在矽钢片加工过程中需要检测并剔除这两种缺陷。

一、视觉检测系统的工作原理与相关技术研究

(一) 视觉检测系统的工作原理

机器视觉系统的首要任务便是通过视觉设备、传输设备将需要观测的目标物体的实时情况采集并传送至图像处理系统。与传统的视觉系统一样, 机器视觉检测系统一般由工业相机、图像采集卡、外部光源、输入输出设备、传感器、镜头等构成视觉采集系统;由图像处理单元和图像处理算法构成图像处理系统。工业应用中的视觉检测系统一般工作原理图如图1所示:

机器视觉检测系统常用于流水线上, 待检测目标处于运动状态。通常, 工业CCD相机在外部光源补光的条件下, 安装在流水线上的传感器随着流水线运动产生脉冲信号, 触发工业相机采集流水线上的目标物体实时图像, 并将图像缓存与图像采集卡中或直接通过千兆网线等设备传输至图像处理系统。图像处理系统则是根据检测需求, 如检测缺陷、面积、位置、数量等, 内嵌了特定的图像处理算法, 利用现代图像处理单元 (如GPU) 的强大处理能力实时处理目标图像, 并根据处理结果提供控制、反馈功能, 达到对流水线上目标物体实现自动识别、实时检测等功能。

(二) 矽钢片缺陷检测系统设计

矽钢片缺陷检测系统由线阵相机、线性光源、传感器、图像采集卡、图像处理系统组成。线阵相机、线性光源、传感器、图像采集卡构成了图像采集单元, 线阵相机将采集的图像缓存至图像采集卡中, 再传输到图像处理系统。图像处理系统则是视觉检测系统的关键所在, 其根据检测需求, 利用图像处理技术, 对图像进行目标识别、检测和提供分析、控制, 并最终根据需求、设计规则输出结果。矽钢片缺陷检测系统的构成框图如图2所示:

在矽钢片缺陷检测系统架构中, 图像采集系统各单元构成底层网络, 起到连接传感器、线阵相机等底层设备的作用。底层网络与图像处理系统间经图像采集接口通过以太网总线连接, 矽钢片缺陷检测系统架构图如图3所示。

矽钢片缺陷检测系统的软件开发环境由Visual Studio2013+Qt5+Pylon View集成环境组成。硬件环境包括:

二、系统实现及效果分析

矽钢片缺陷检测系统的核心内容是利用工业视觉系统, 配合神经网络的学习功能, 自动识别出矽钢片的白点和锈蚀。文中系统使用了12K高精度工业线阵相机, 结合实时触发系统, 精确采集运动中的矽钢片图片;通过智能图像检测算法, 识别矽钢片表面的白点和锈蚀, 并自动生成检测报告。

(一) 软件界面

矽钢片缺陷检测系统的软件界面如图4所示。

点击“开始测量”按钮后, 图像采集系统中的触发信号软件就会根据矽钢片的运动情况触发采集信号。若矽钢片处于运动状态则会自动启动后台图像采集及分割程序、白点、锈蚀检测算法。

在流水线停止时, 点击“生成报告”按钮, 系统自动关闭后台正在运行的算法以及图像采集及分割程序, 若有缺陷图像则计算缺陷面积并根据系统时间生成名字为“xxx年xx月xx日xx时xx分检测报告.xls”的.xls检测报告。

(二) 缺陷类型

在检测报告的缺陷类型中, 共包含两类:白点和锈蚀。如果该卷矽钢片没有白点和锈蚀, 会在报告中显示该卷正常。

API接口:检测报告存储于本地终端机, 矽钢片缺陷检测系统通过上级MES系统与远程数据库连接, 处理的数据直接写入远程数据库, 在终端机上提供对本机历史数据的查询。

(三) 目标定位

当检测到缺陷时需根据缺陷的分布情况制定矽钢片加工计划:二次裁切或弃用。矽钢片全长1800米, 根据需求设定缺陷检测的精度控制在±5cm以内。线阵相机视场为1.2米, 每5120次触发信号采集一张尺寸为12288*5120的大图, 大图裁剪为240张尺寸为512*512的小图。因此, 每张大图代表的实际面积为:1.2m*0.7623m;每张小图代表的实际面积为:5cm*7.623cm。本文通过对大图和小图统一编码, 根据每张小图的编码名称实现对缺陷的定位。缺陷的横纵坐标X (cm) 、Y (m) 计算如下:

(四) 缺陷面积计算

白点需要计算精确的面积, 以便用于指导矽钢片后续加工。根据图像中白点的封闭轮廓, 在二值化图像中统计轮廓中的像素数目A, 再由像元大小B (2m) 得到 (3-5) 的缺陷面积计算公式, 每个像元的大小为0.01454平方毫米。

三、现场实测效果及分析

根据现场一个月的测试结果来看, 本文中的矽钢片缺陷检测系统在一个月的测试期内平均每天检测8卷矽钢片, 每卷矽钢片约产生700000张大小为512*512的图像, 检测的平均准确率高达99.7%, 系统已满足工业加工中对矽钢片缺陷检测的要求。

四、展望

本文利用深度学习框架作为图像识别的主体, 对研究的过程中遇到的难题, 在大量实验的基础上, 论证并提出针对性的解决办法和算法, 研发了矽钢片缺陷检测系统并成功应用。但该系统在功能上和内嵌算法任然存在较大的改进空间, 在后续研究中, 继续改进算法使其更具有鲁棒性。

摘要：随着工业4.0时代的到来, 工厂正逐步向着智能化的方向发展, 机器替代人工作也将大幅提升生产效率、更好地把控生产质量, 工厂智能化是中国制造2025战略实施的重要途径和发展方向。在传统的工业加工、制造行业中, 工人是主体, 许多工作如检测、检测、分揽等工作, 都由工人直接或间接的参与, 人的精力、体力有限, 不可能一直保持高效率和高质量。而事实上, 在制造、加工行业的智能化改造过程中, 将大量应用到机器视觉。机器视觉模拟人眼的功能, 通过工业相机等视觉采集设备, 实时采集生产线或现场环境的图像做分析处理, 并反馈指导生产、制造。

关键词：视觉技术,矽钢片,检测系统