CN101949865A - 一种百事泰在线表面缺陷检测系统的优化方法 - Google Patents

一种百事泰在线表面缺陷检测系统的优化方法 Download PDF

Info

Publication number
CN101949865A
CN101949865A CN 201010287698 CN201010287698A CN101949865A CN 101949865 A CN101949865 A CN 101949865A CN 201010287698 CN201010287698 CN 201010287698 CN 201010287698 A CN201010287698 A CN 201010287698A CN 101949865 A CN101949865 A CN 101949865A
Authority
CN
China
Prior art keywords
defective
classification
sorter
picture
defects
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201010287698
Other languages
English (en)
Other versions
CN101949865B (zh
Inventor
徐海卫
李飞
朱国森
李本海
焦会立
胡志远
安冬阳
关建东
李明
余威
李彬
李�瑞
王伦
李振山
焦晋沙
赵林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shougang Group Co Ltd
Original Assignee
Shougang Corp
Hebei Shougang Qianan Iron and Steel Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shougang Corp, Hebei Shougang Qianan Iron and Steel Co Ltd filed Critical Shougang Corp
Priority to CN2010102876981A priority Critical patent/CN101949865B/zh
Publication of CN101949865A publication Critical patent/CN101949865A/zh
Application granted granted Critical
Publication of CN101949865B publication Critical patent/CN101949865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

一种百事泰(Parsytec)在线表面缺陷检测系统的优化方法，主要步骤包括(1)硬件维护(2)设备标定(3)材料分组(4)缺陷验证(5)分类器的建立与优化(6)后处理。采用该方法对百事泰在线表面缺陷检测系统进行优化，可以在短期内将该系统的表面缺陷检测率提高至95％以上，表面缺陷分类率提高至90％以上，实现即时、稳定、准确的在线表面缺陷的检测和分类。

Description

一种百事泰在线表面缺陷检测系统的优化方法
技术领域
本发明涉及一种百事泰在线表面缺陷检测系统的优化方法，属于薄板轧制技术领域。
背景技术
对于供冷轧用汽车、家电用板，表面质量要求较高，传统的人工目测根本满足不了高速轧制的要求。因此，表面质量在线检测系统近几年纷纷在国内各大钢厂(宝钢，武钢，鞍钢)的热轧、酸轧、连退、镀锌等产线投入使用。
在表面质量检测系统投入使用后，必须开展大量工作才能使得这套系统适应产线，掌握产线表面缺陷的特征，并进行正确的检测和分类。然而，由于缺乏系统、科学的优化方法，很多企业的在线表面缺陷检测系统长期不能稳定提升检测和判定能力，以至于无法良好地参与到产品质量管理中。实践证明，在表面检测设备安装结束后，开展大量、细致的优化工作可以让该表面缺陷检测系统最大限度地适应产线产品表面缺陷特征，提高其缺陷检测率和分类率，从而大幅度地提高产线的表面质量水平，降低客户的投诉，减少企业经济损失。
发明内容
本发明提供一种百事泰在线表面缺陷检测系统的优化方法，根据该方法，可以使得该套系统最快地适应产线产品特征，提高对表面缺陷的检测和识别能力。
本发明的技术解决方案是包括以下步骤：
一种百事泰在线表面缺陷检测系统的优化方法，其特征在于包括以下步骤：
(1)硬件维护：包括相机、照明的清理以及操作系统与缺陷数据库的备份；
(2)设备标定：包括对相机焦距、检测亮度和灰度值的标定；
(3)材料分组：根据产线品种大类以及缺陷的特征进行分组；
(4)缺陷验证与缺陷图片收集：针对系统检测到的表面缺陷，通过实物照片的对比分析，确认缺陷类别并利用CBE(classificationbuilding enviroment)进行缺陷图片收集；
(5)分类器的建立与优化：将收集到的各类表面缺陷图片控制在一定的数量，并建立测试分类器，待确认分类效果较好后调整为应用分类器；
(6)后处理：建立分类器之后，对于未分类缺陷(系统无法辨别的缺陷，显示为NC(No classified))，采用分类器优化、专家规则库规则设定进行后处理，控制系统未分类缺陷比例低于10％。
所述步骤(2)的设备标定，其关键在于当带钢运行时，调整亮度值达到100％时，灰度值较130左右下降了20-30时，需要更换照明，保证系统检测目标稳定。
所述步骤(5)采用各类缺陷分类器的建立步骤如下：
(1)将每一分类收集的图片降低至100张左右，涵盖该类缺陷各种特征的图片；
(2)不带ICL(即时分类器)单独建立分类器；
(3)激活该分类器作为系统测试分类器；
(4)检测该测试分类器的结果(至少10卷带钢)，针对每一种缺陷进行分类率的测定；
(5)收集错误分类的图片(每类不少于10张，不多于50张)；
(6)从第二步循环进行；
(7)循环第二步骤至第六步骤，直至分类率达到75％以上，未分类率达到30％以下；
(8)最终每类缺陷收集总量控制在200-300张之间。
所述步骤(6)对于未分类缺陷处理采用以下步骤：
(1)针对未分类缺陷，进行缺陷种类的划分，如果已经建立了该类别的缺陷分类器，则收集5张涵盖该类缺陷特征的图片增补进该类缺陷分类器的缺陷库中，并更新该类缺陷分类器作为测试分类器，之后每次更新时增添5张图片，最多更新量不超过50张该类缺陷图片；如果现存的缺陷分类器尚无该类缺陷，则如步骤(5)按步建立新的缺陷分类器；
(2)对于通过优化分类器无法提高分类率的缺陷类，针对缺陷特征采用专家规则对该缺陷进行后处理。
本发明的思路是：
1.硬件维护
1.1清理
采用专用玻璃清洁剂对检测照明和相机定期清理。清理物包括水渍、氧化铁皮碎屑、尘灰等，清理示例如图2所示。1.2设备检查
定期检查接线盒，清理盒内积灰，控制盒内温度低于40℃；检查系统灰度值，保证不低于参考值20-30；定期检查照明系统空气过滤器的积灰。
1.3备份
在系统发生改变后或定期进行备份。备份内容包括在线服务器、操作系统以及缺陷数据库；。
2.设备标定
每月进行一次设备标定，标定内容包括相机的焦距以及检测的灰度值和亮度。具体措施是先执行如1.1和1.2的硬件维护，然后采用专用标定板进行标定，包括相机焦距、图片亮度和灰度，当带钢运行时，亮度值达到100％，灰度值较130左右下降了20-30时，即需要更换照明。
3.材料分组
根据钢种、轧制温度、厚度以及表面缺陷特征对产线产品进行材料分组。例如，可以将热轧薄板区分为碳钢、冷轧料、硅钢、花纹板、管线钢等。
4.缺陷验证与缺陷图片收集
采用在线实物观察结合离线开卷的方法，与系统检测到的缺陷图片进行对比，确认其真伪以及类别，并利用CBE收集缺陷图片。百事泰系统检测到的典型氧化铁皮麻点图片见附图3，对应部位真实照片见附图4。
5.分类器建立
未建立分类器之前，可以使用系统的ICL(即时分类器)。当缺陷样本数达到5000左右后，停止使用ICL，采用收集的缺陷样本分别建立缺陷分类器。其步骤如下：
1)将每一分类收集的图片进行筛选，降低至100张左右；
2)不带ICL单独建立分类器；
3)激活该分类器作为系统测试分类器；
4)检测该测试分类器的结果(至少10卷带钢)，针对每一种缺陷进行分类率的测定；
5)收集错误分类的图片(每类不少于10张，不多于50张)；
6)从第二步循环进行；
7)循环第二步骤至第六步骤，直至分类率达到75％以上，未分类率达到30％以下。
8)最终每类缺陷收集总量控制在200-300张之间。
6.后处理
1)针对未分类缺陷，进行缺陷种类的划分，如果已经建立了该类别的缺陷分类器，则收集5张涵盖该类缺陷特征的图片增补进该类缺陷分类器的缺陷库中，并更新该类缺陷分类器作为测试分类器，之后每次更新时增添5张图片，最多更新量不超过50张该类缺陷图片；如果现存的缺陷分类器尚无该类缺陷，则如步骤(5)按步骤建立新的缺陷分类器。
对于通过优化分类器无法提高分类率的缺陷类，针对缺陷特征采用专家规则对该缺陷进行后处理。
本发明的技术效果：
在百事泰系统使用初期，由于使用ICL进行检测和分类，大量的缺陷无法检测和辨别，在按照本专利中说明步骤进行优化之后，该表面检测系统掌握了产线产品的缺陷特征，缺陷检测率和分类率大大提高。针对冷轧基料，表面缺陷检测率提高至95％以上，关键缺陷分类率提高至90％以上，冷轧基料分类效果如下表所示。
Figure BSA00000278660800051
附图说明：
图1是百事泰在线表面缺陷检测系统的优化步骤；
图2是照明灯玻璃表面较脏需要清理的示例；
图3是百事泰系统中检测到的氧化铁皮麻点图片示例；
图4是图3缺陷对应实物部位的真实照片；
图5是百事泰系统检测到的翘皮缺陷的典型图片；。
图6是附图5中缺陷在钢卷对应部位的真实的照片；
图7是收集的典型翘皮类缺陷；
图8是典型辊印缺陷；
具体实施方式：
示例1冷轧基料翘皮缺陷分类器的建立与优化
针对首钢迁钢2160热轧产线上的百事泰在线表面缺陷检测系统进行了调试和优化，硬件维护、设备标定如步骤(1)和(2)所述，本案例重点描述材料组为冷轧基料的翘皮缺陷图片收集与分类器建立与优化的过程。
(1)缺陷验证与收集典型缺陷样本
在开展缺陷验证时，对于边部翘皮缺陷进行了大量的缺陷验证，附图5为百事泰系统检测到的翘皮缺陷的典型图片，附图6为附图5中缺陷在钢卷对应部位的真实的照片。确定为翘皮缺陷之后，进行典型样本收集，且尽量收集不同卷、且特征各异的样本。附图7为收集的典型翘皮缺陷。
(2)建立分类器
当样本数量达到100个左右，基本覆盖了该类缺陷的特征，则不带ICL建立分类器，并进行离线训练。
(3)分类器应用于在线
查看分类效果，当分类效果好于当前在线模式时，将当前分类器激活为在线模式。
(4)检验新分类器的效果
在线检测该测试分类器的结果(至少10卷)，在系统中查看分类是否准确。此外，也可以针对翘皮类缺陷进行分类率的测定；
(5)分类器的优化
针对分类器未能正确分类的翘皮，继续增加样本，从分类器优化步骤(2)至步骤(6)循环了8次，每次增添样本数为15张。
(6)后处理
为了区分面翘皮和边部翘皮，从专家规则库中对翘皮缺陷进行重新归类，距边部50mm以内的翘皮，分类为边部翘皮，建立Shell Edge翘皮类。
经过优化，冷轧基料翘皮缺陷图片共收集220张，检测率达到98％，分类率达到了94％。
示例2冷轧基料辊印缺陷分类器的建立与优化
针对首钢迁钢2160热轧产线上的百事泰在线表面缺陷检测系统进行了调试和优化，硬件维护、设备标定如步骤(1)和(2)所述，本示例重点描述材料组为冷轧基料的辊印缺陷图片收集与分类器建立与优化的过程。
(1)缺陷验证与收集典型缺陷样本
当发生辊印缺陷时，进行样本收集，对同一卷的辊印缺陷，收集辊印缺陷不超过2-3个。附图8为典型辊印缺陷。
(2)建立分类器
当辊印样本数量达到100个左右，缺陷特征已经足够，建立分类器进行离线训练。
(3)分类器应用于在线
查看分类效果，当分类效果好于在线模式时，将当前分类器激活为在线模式。
(4)检验新分类器的效果
在线检测该测试分类器的结果(至少10卷)。此外，也可以针对辊印缺陷类进行分类率的测定；
(5)分类器的优化
针对分类器未能正确分类的辊印缺陷，继续增加样本，从分类器优化步骤(2)至步骤(6)循环了9次，每次增添样本数为12张。
经过优化，冷轧基料辊印缺陷图片共收集208张，检测率达到100％，分类率达到了95％。

Claims (4)

1.一种百事泰在线表面缺陷检测系统的优化方法，其特征在于包括以下步骤：
(1)硬件维护：包括相机、照明的清理以及操作系统与缺陷数据库的备份；
(2)设备标定：包括对相机焦距、检测亮度和灰度值的标定；
(3)材料分组：根据产线品种大类以及缺陷的特征进行分组；
(4)缺陷验证与缺陷图片收集：针对系统检测到的表面缺陷，通过实物照片的对比分析，确认缺陷类别并利用CBE(classificationbuilding enviroment)进行缺陷图片收集；
(5)分类器的建立与优化：将收集到的各类表面缺陷图片控制在一定的数量，并建立测试分类器，待确认分类效果较好后调整为应用分类器；
(6)后处理：建立分类器之后，对于未分类缺陷(系统无法辨别的缺陷，显示为NC(No classified))，采用分类器优化、专家规则库规则设定进行后处理，控制系统未分类缺陷比例低于10％。
2.如权利要求1所述的一种百事泰在线表面缺陷检测系统的优化方法，其特征在于：所述步骤(2)的设备标定，其关键在于当带钢运行时，调整亮度值达到100％时，灰度值较130左右下降了20-30时，需要更换照明，保证系统检测目标稳定。
3.如权利要求1所述的一种百事泰在线表面缺陷检测系统的优化方法，其特征在于：所述步骤(5)采用各类缺陷分类器的建立步骤如下：
(1)将每一分类收集的图片降低至100张左右，涵盖该类缺陷各种特征的图片；
(2)不带ICL(即时分类器)单独建立分类器；
(3)激活该分类器作为系统测试分类器；
(4)检测该测试分类器的结果(至少10卷带钢)，针对每一种缺陷进行分类率的测定；
(5)收集错误分类的图片(每类不少于10张，不多于50张)；
(6)从第二步循环进行；
(7)循环第二步骤至第六步骤，直至分类率达到75％以上，未分类率达到30％以下；
(8)最终每类缺陷收集总量控制在200-300张之间。
4.如权利要求1所述的一种百事泰在线表面缺陷检测系统的优化方法，其特征在于所述步骤(6)对于未分类缺陷处理采用以下步骤：
(1)针对未分类缺陷，进行缺陷种类的划分，如果已经建立了该类别的缺陷分类器，则收集5张涵盖该类缺陷特征的图片增补进该类缺陷分类器的缺陷库中，并更新该类缺陷分类器作为测试分类器，之后每次更新时增添5张图片，最多更新量不超过50张该类缺陷图片；如果现存的缺陷分类器尚无该类缺陷，则如步骤(5)按步建立新的缺陷分类器；
(2)对于通过优化分类器无法提高分类率的缺陷类，针对缺陷特征采用专家规则对该缺陷进行后处理。
CN2010102876981A 2010-09-19 2010-09-19 一种百事泰在线表面缺陷检测系统的优化方法 Active CN101949865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010102876981A CN101949865B (zh) 2010-09-19 2010-09-19 一种百事泰在线表面缺陷检测系统的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010102876981A CN101949865B (zh) 2010-09-19 2010-09-19 一种百事泰在线表面缺陷检测系统的优化方法

Publications (2)

Publication Number Publication Date
CN101949865A true CN101949865A (zh) 2011-01-19
CN101949865B CN101949865B (zh) 2012-05-30

Family

ID=43453440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010102876981A Active CN101949865B (zh) 2010-09-19 2010-09-19 一种百事泰在线表面缺陷检测系统的优化方法

Country Status (1)

Country Link
CN (1) CN101949865B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103994999A (zh) * 2014-04-04 2014-08-20 首钢总公司 热轧百事泰表面检测系统花纹板破豆缺陷的检测装置及方法
CN105354848A (zh) * 2015-11-11 2016-02-24 首钢总公司 一种热镀锌产线的康耐视表面质量检测系统的优化方法
CN106530291A (zh) * 2016-10-28 2017-03-22 重庆工商职业学院 一种基于图像处理的抛光表面检测方法及其系统
CN108257121A (zh) * 2018-01-09 2018-07-06 北京百度网讯科技有限公司 产品缺陷检测模型更新的方法、装置、存储介质及终端设备
CN108445008A (zh) * 2018-02-27 2018-08-24 首钢京唐钢铁联合有限责任公司 一种带钢表面缺陷的检测方法
US10769774B2 (en) 2018-01-09 2020-09-08 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and device for detecting a defect in a steel plate, as well as apparatus and server therefor
CN112017150A (zh) * 2020-04-30 2020-12-01 河南爱比特科技有限公司 一种锂离子电池极片表面缺陷智能视觉检测方法及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19720308A1 (de) * 1997-05-15 1998-11-19 Parsytec Computer Gmbh Vorrichtung zur kontinuierlichen Detektion von Fehlern auf der Oberfläche eines bewegten Materials
US6842656B1 (en) * 1999-06-30 2005-01-11 Parsytec Computer Gmbh Method and device for the process-optimizing regulation of parameters in a production process
CN1900701A (zh) * 2006-07-19 2007-01-24 北京科技大学 基于激光线光源的热轧带钢表面缺陷在线检测方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19720308A1 (de) * 1997-05-15 1998-11-19 Parsytec Computer Gmbh Vorrichtung zur kontinuierlichen Detektion von Fehlern auf der Oberfläche eines bewegten Materials
US6842656B1 (en) * 1999-06-30 2005-01-11 Parsytec Computer Gmbh Method and device for the process-optimizing regulation of parameters in a production process
CN1900701A (zh) * 2006-07-19 2007-01-24 北京科技大学 基于激光线光源的热轧带钢表面缺陷在线检测方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《冶金自动化》 20090331 戴卫东等 Parsytec自动表面缺陷检查系统在冷轧连续退火线上的应用 47-51 1-4 第33卷, 第2期 2 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103994999A (zh) * 2014-04-04 2014-08-20 首钢总公司 热轧百事泰表面检测系统花纹板破豆缺陷的检测装置及方法
CN103994999B (zh) * 2014-04-04 2016-04-27 首钢总公司 热轧百事泰表面检测系统花纹板破豆缺陷的检测装置及方法
CN105354848A (zh) * 2015-11-11 2016-02-24 首钢总公司 一种热镀锌产线的康耐视表面质量检测系统的优化方法
CN105354848B (zh) * 2015-11-11 2019-04-23 首钢集团有限公司 一种热镀锌产线的康耐视表面质量检测系统的优化方法
CN106530291A (zh) * 2016-10-28 2017-03-22 重庆工商职业学院 一种基于图像处理的抛光表面检测方法及其系统
CN106530291B (zh) * 2016-10-28 2019-01-22 重庆工商职业学院 一种基于图像处理的抛光表面检测方法及其系统
CN108257121A (zh) * 2018-01-09 2018-07-06 北京百度网讯科技有限公司 产品缺陷检测模型更新的方法、装置、存储介质及终端设备
US10769774B2 (en) 2018-01-09 2020-09-08 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and device for detecting a defect in a steel plate, as well as apparatus and server therefor
CN108445008A (zh) * 2018-02-27 2018-08-24 首钢京唐钢铁联合有限责任公司 一种带钢表面缺陷的检测方法
CN112017150A (zh) * 2020-04-30 2020-12-01 河南爱比特科技有限公司 一种锂离子电池极片表面缺陷智能视觉检测方法及设备

Also Published As

Publication number Publication date
CN101949865B (zh) 2012-05-30

Similar Documents

Publication Publication Date Title
CN101949865B (zh) 一种百事泰在线表面缺陷检测系统的优化方法
CN104914111B (zh) 一种带钢表面缺陷在线智能识别检测系统及其检测方法
TWI391188B (zh) 用於檢測和消除在連續鑄造產品上之鑄造缺陷的方法
CN113869630B (zh) 一种基于大数据的煤质检测信息管理系统
CN104614380A (zh) 一种板带表面质量检测系统和方法
CN106556611A (zh) 基于机器视觉的彩色印刷品缺陷自动检测系统及检测方法
CN103631681A (zh) 一种在线修复风电场异常数据的方法
CN101696945A (zh) 机器视觉系统对光伏玻璃瑕疵的在线检测方法
CN103750552A (zh) 一种智能取样方法及其在香烟质量控制的应用
CN102581244A (zh) 一种连铸铸坯表面质量的在线控制系统及控制方法
CN103839080A (zh) 基于测度查询熵的视频流异常事件检测方法
CN109741927A (zh) 微型变压器生产线的设备故障和潜在不良品智能预测系统
CN113578972B (zh) 一种热轧产品质量追溯方法及装置
CN106649755A (zh) 一种多维度实时变电设备数据的阈值自适应设置异常检测方法
CN117250208B (zh) 基于机器视觉的纳米压印晶圆缺陷精准检测系统及方法
CN110989510A (zh) 一种热镀锌产品全流程质量控制与等级自动判断系统
CN109309022A (zh) 一种缺陷抽检方法
CN110163479A (zh) 一种烟草卷包车间质量异常问题主因模型的建立方法
CN115541601A (zh) 一种基于机器视觉的钢材低倍数字化检测方法
CN111402236A (zh) 一种基于图像灰度值的热轧带钢表面缺陷分级方法
CN110009633A (zh) 一种基于反向高斯差分的钢轨表面缺陷检测方法
CN103994999B (zh) 热轧百事泰表面检测系统花纹板破豆缺陷的检测装置及方法
CN100434902C (zh) 回转窑烧结熟料质量的计算机检测方法及检测装置
Wu et al. Design of online surface inspection system of hot rolled strips
CN110320337A (zh) 一种带钢表面质量自动判级系统和方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Free format text: FORMER OWNER: HEBEI SHOUGANG QIAN'AN STEEL CO., LTD.

Effective date: 20140404

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20140404

Address after: 100041 Shijingshan Road, Beijing, No. 68, No.

Patentee after: Capital Iron & Steel General Company

Address before: 100041 Shijingshan Road, Beijing, No. 68, No.

Patentee before: Capital Iron & Steel General Company

Patentee before: Hebei Shougang Qian'an Steel Co., Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100041 Shijingshan Road, Shijingshan District, Shijingshan District, Beijing

Patentee after: Shougang Group Co. Ltd.

Address before: 100041 Shijingshan Road, Shijingshan District, Shijingshan District, Beijing

Patentee before: Capital Iron & Steel General Company