CN103913465A - 一种多信息融合的高温铸坯表面缺陷在线检测方法 - Google Patents

Abstract

本发明涉及一种高温铸坯表面缺陷的在线检测方法，采用单台彩色摄像机和红、绿、蓝三台条形光源获取高温铸坯表面灰度、深度和温度。摄像机为彩色三CCD的线阵摄像机，具有R、G、B三行像元，分别对红、绿、蓝三种波长的光线敏感。红、绿、蓝三台光源发射的光照射到高温铸坯表面的同一区域，摄像机采集该区域的反射光。从摄像机采集到的彩色图像可分离出R(红)、G(绿)、B(蓝)三个通道图像，分别对应红、绿、蓝三种光源的反射光图像。从R通道图像提取灰度信息，从G通道、B通道图像提取深度信息，从R通道、G通道图像提取温度信息。通过深度、温度信息的像素级融合检测缺陷区域，通过灰度、深度信息的特征级融合对缺陷进行分类识别。

Description

一种多信息融合的高温铸坯表面缺陷在线检测方法

技术领域

本发明涉及一种高温铸坯表面缺陷的在线检测方法，通过红色、绿色、蓝色三台条形光源和单台彩色三CCD线阵摄像机的组合，获取高温铸坯表面灰度、深度和温度信息，通过深度信息和温度信息的像素级融合检测高温铸坯表面缺陷所在的区域，通过灰度信息和深度信息的特征级融合对高温铸坯表面缺陷进行分类识别。

背景技术

连铸坯的质量直接影响后续钢材产品的质量，板带材表面缺陷很大部分是连铸坯表面缺陷的后续表现，严格监控连铸坯表面缺陷具有非常重要的意义。目前，铸坯表面质量主要依靠人工离线进行检测，不仅劳动强度大、生产效率低，而且无法对缺陷进行及时反馈。由于铸坯表面温度高达1000℃以上，在这种温度下检测，要求既不能采用耦合剂，也不能采用接触检测方式。即使采用非接触检测方式，铸坯表面与传感器之间距离也不能太近，否则，传感器会在高温金属长时间烘烤下改变其特性。因此，传统的超声、涡流、电磁等无损检测方法无法实现高温铸坯的在线检测。基于CCD摄像的机器视觉检测技术具有远距离、响应快等优点，将机器视觉检测技术应用于高温铸坯表面缺陷在线检测，可以发挥远距离的优点，因而受高温金属影响较小，具有较高的抗干扰能力。但是，现有的机器视觉表面检测技术通常采用黑白CCD摄像机采集物体的表面图像，通过图像灰度值的变化以及提取的灰度信息来检测和识别缺陷。由于连铸生产中铸坯在高温下被氧化，表面生成大面积的氧化铁皮，并且由于连铸工艺的要求，铸坯表面覆盖着大量的保护渣。因此，摄像机采集到的高温铸坯表面图像中包含着大量氧化铁皮和保护渣等干扰物，这些干扰物与表面缺陷在灰度上非常接近，如果仅仅通过灰度信息进行缺陷检测与识别，会造成大量的“误报”。

铸坯表面的裂纹、凹陷等缺陷都会造成铸坯表面深度的变化，而氧化铁皮、保护渣等干扰物与裂纹、凹陷等缺陷在深度变化上存在着不同，如果能提取铸坯表面的深度信息，根据深度信息判别缺陷，会增加缺陷检测的准确率，减少“误报”现象。此外，高温铸坯表面的热辐射现象非常突出，铸坯自身的热辐射与其表面覆盖的氧化铁皮和保护渣的热辐射能量是不同的，因此，通过高温铸坯表面的热辐射形成的温度场信息，能为铸坯表面缺陷的准确检测与识别提供可靠的依据。因此，如果能够获取表面灰度、深度、温度等信息，通过这些信息的融合检测与识别高温铸坯表面缺陷，可以提高缺陷检测与识别的准确率。

传统的信息融合往往指多传感器的信息融合，如果通过多台摄像机分别获取灰度、深度和温度信息，不仅增加摄像机的数量，而且还需要对不同摄像机采集到的图像进行配准，增加了系统的复杂性。本发明通过单台彩色摄像机与多台不同颜色光源的组合，实现了单台摄像机同时获取高温铸坯表面的灰度、深度与温度图像，不仅减少了摄像机的数量，而且灰度、深度与温度图像对应的是高温铸坯表面的同一区域，无需进行图像的配准，降低了信息融合的难度。

发明内容

本发明采用红色、绿色、蓝色三台条形光源和彩色线阵CCD摄像机，获取高温铸坯表面灰度、深度、温度等信息，通过灰度、深度、温度等信息的融合检测与识别高温铸坯表面缺陷，从而提高缺陷检测与识别的准确率。

本发明是这样实现的：

一种多信息融合的高温铸坯表面缺陷在线检测方法，采用单台彩色摄像机和红色、绿色、蓝色三台条形光源的组合获取高温铸坯表面灰度信息、深度信息和温度信息，所述的摄像机采用彩色三CCD的线阵摄像机，具有R、G、B三行像元，分别对红、绿、蓝三种波长的光线敏感，所述的红色光源的发光波长为700nm，绿色光源的发光波长为546.1nm，蓝色光源的发光波长为435.8nm，所述的摄像机放置在垂直于高温铸坯表面的方向上，所述的蓝色光源与绿色光源的发光强度相等，分别安装在摄像机位于高温铸坯运行方向的两侧，其入射角相等，为30°，其距离高温铸坯表面的高度也相等，所述的红色光源的入射角约为10°，红色、绿色、蓝色三台光源发射的光照射到高温铸坯表面的同一区域，摄像机采集该区域的反射光。从摄像机采集到的彩色图像可分离出R、G、B三个通道图像，分别对应红色、绿色、蓝色三种光源的反射光图像，通过摄像机采集到的R通道图像可以提取铸坯表面的灰度信息，通过摄像机采集到的G、B通道图像可以提取铸坯表面的深度信息，通过摄像机采集到的R、B通道图像可以提取铸坯表面的温度信息，通过深度信息与温度信息的像素级融合，把在深度上“凹于表面”，温度比背景高或基本相等的区域检测出来，作为缺陷区域；通过深度信息与灰度信息的特征级融合进行缺陷的分类识别，从摄像机采集到的R通道图像中提取缺陷的灰度特征，从深度信息中提取缺陷的深度特征，灰度特征与深度特征分别进行特征维数约减，将降维后的灰度特征和深度特征进行特征级融合，将融合后的特征量作为分类器的输入进行缺陷分类，从而实现缺陷的识别。

本发明的另一个技术方案是上述的的深度信息，其计算公式如下：

${\mathrm{\γ}}^{\′}={\tan }^{-1}\left(\frac{I_G-I_B}{I_G+I_B}\right)$

式中，I_G、I_B分别为G通道、B通道图像的灰度值，α为绿色光源与蓝色光源的入射角，通过γ′可反映表面深度的变化。

本发明的再一个技术方案是上述的温度信息，其计算公式如下：

$T=\frac{C_2(\frac{1}{{\mathrm{\λ}}_G}-\frac{1}{{\mathrm{\λ}}_R})}{\ln \frac{I_R}{I_G}-\ln \frac{K_R}{K_G}-5\ln \frac{{\mathrm{\λ}}_G}{{\mathrm{\λ}}_R}}$

式中，C₂为第二辐射常数，C₂=1.4388*10^-2mK；λ_R为红色光源发光波长700nm，λ_G为绿色光源发光波长546.1nm，λ_B为蓝色光源的发光波长435.8nm，I_R、I_G分别为R通道、G通道图像的灰度值；K_R、K_G分别为摄像机的红、绿基色光谱响应系数。

本发明的有益效果是：通过一台摄像机实现高温铸坯表面灰度信息、深度信息、温度信息的获取，不仅减少摄像机数量，而且由于灰度信息、深度信息、温度信息对应的是高温铸坯表面同一区域，在信息融合时不需要做图像的配准。通过灰度信息、深度信息、温度信息的融合，有利于提高缺陷检测与识别的准确率，降低“误报”率。

附图说明

图1为检测光路的配置方式。图1中：1为红色光源，2为绿色光源，3为蓝色光源，4为彩色线阵CCD摄像机，5为待检测的高温铸坯，箭头表示高温铸坯5的运行方向。

图2为灰度信息、深度信息、温度信息的获取及通过三种信息融合进行高温铸坯表面缺陷检测与识别的流程。

具体实施方式

图1中，红色光源1、绿色光源2与蓝色光源3照射到待检测的高温铸坯1表面的同一区域，彩色线阵CCD摄像机4采集待检测的高温铸坯5表面光照区域的图像，v为高温铸坯5运行方向。绿色光源2与蓝色光源3放置在摄像机4与高温铸坯5运行方向的两侧，两台光源的入射角都为α，α≈30°。两台的发光强度相等，并且距离高温铸坯5表面的高度也相等。红色光源1的入射角为β，β≈10°。红色光源1、绿色光源2与蓝色光源3发射的光照射到高温铸坯5表面的同一区域，摄像机4采集该区域的图像。从摄像机4采集到的彩色图像可分离出R（红）、G（绿）、B（蓝）三个通道图像，分别对应红色光源1、绿色光源2与蓝色光源3的反射光图像。

图2中，从彩色图像分离出来的R通道图像对应的是红色光源1的反射光图像，该图像是高温铸坯表面的灰度图像。从彩色图像分离出来的G通道图像和B通道图像可以合成高温铸坯表面倾角的变化图，表面倾角的变化图反映了表面深度的变化，因此可以认为是表面深度的变化图。表面倾角的计算方式如下：

$\mathrm{\γ}={\tan }^{-1}\left(\cot \mathrm{\α}\frac{I_G-I_B}{I_G+I_B}\right)---\left(1\right)$

式中，γ为表面倾角，I_G、I_B分别为G通道、B通道图像的灰度值，α为绿色光源2与蓝色光源3的入射角。由于cotα为一常数，因此式(1)可简化为：

${\mathrm{\γ}}^{\′}={\tan }^{-1}\left(\frac{I_G-I_B}{I_G+I_B}\right)---\left(2\right)$

根据式(2)可计算表面倾角的变化，由此可以得到表面深度的变化图。通过从彩色图像分离出来的R通道图像和G通道图像可以用比色测温法得到表面温度的分布图，计算方法如下：

$T=\frac{C_2(\frac{1}{{\mathrm{\λ}}_G}-\frac{1}{{\mathrm{\λ}}_R})}{\ln \frac{I_R}{I_G}-\ln \frac{K_R}{K_G}-5\ln \frac{{\mathrm{\λ}}_G}{{\mathrm{\λ}}_R}}---\left(3\right)$

式中，C₂为第二辐射常数，C₂=1.4388*10^-2mK；λ_R为红色光源1的发光波长700nm，λ_G为绿色光源2的发光波长546.1nm，λ_B为蓝色光源的发光波长435.8nm，I_R、I_G分别为R通道、G通道图像的灰度值；K_R、K_G分别为摄像机4的红、绿基色光谱响应系数。

由于灰度图像、深度图像、温度图像对应的是高温铸坯表面的同一区域，无需配准就可以进行信息融合。通过信息融合实现缺陷的检测与识别分为两个过程：

(1)像素级融合。像素级融合用于检测缺陷所在的区域，高温铸坯表面呈现出的特点如表1所示。

表1高温铸坯表面信息的特点

根据表1所示的高温铸坯裂纹、凹陷等缺陷与氧化铁皮、保护渣等“伪缺陷”以及正常表面在灰度、深度、温度等方面表现出的变化，由于灰度信息比较复杂，在正常状态下也会有变化，所以在检测缺陷所在的区域时主要用深度信息和温度信息。把在深度上“凹于表面”，温度比背景高或基本相等的区域检测出来，作为缺陷区域，从而避免氧化铁皮、保护渣等“伪缺陷”的干扰。

(2)特征级融合。特征级融合用于缺陷的分类识别，根据检测到的缺陷区域，从灰度图像，即摄像机采集的R通道图像中提取缺陷的灰度特征，从合成的深度信息中提取缺陷的深度特征。分别对灰度特征和深度特征进行特征维数约减，将降维后的灰度特征和深度特征进行特征级的融合，将融合后的特征量作为分类器的输入进行缺陷分类，从而实现缺陷的识别。

Claims (3)

1.一种多信息融合的高温铸坯表面缺陷在线检测方法，其特征在于：采用单台彩色摄像机和红色、绿色、蓝色三台条形光源的组合获取高温铸坯表面灰度信息、深度信息和温度信息，所述的摄像机采用彩色三CCD的线阵摄像机，具有R、G、B三行像元，分别对红、绿、蓝三种波长的光线敏感，所述的红色光源的发光波长为700nm，绿色光源的发光波长为546.1nm，蓝色光源的发光波长为435.8nm，所述的摄像机放置在垂直于高温铸坯表面的方向上，所述的蓝色光源与绿色光源的发光强度相等，分别安装在摄像机位于高温铸坯运行方向的两侧，其入射角相等，为30°，其距离高温铸坯表面的高度也相等，所述的红色光源的入射角约为10°，红色、绿色、蓝色三台光源发射的光照射到高温铸坯表面的同一区域，摄像机采集该区域的反射光，从摄像机采集到的彩色图像可分离出R、G、B三个通道图像，分别对应红色、绿色、蓝色三种光源的反射光图像，通过摄像机采集到的R通道图像可以提取铸坯表面的灰度信息，通过摄像机采集到的G、B通道图像可以提取铸坯表面的深度信息，通过摄像机采集到的R、B通道图像可以提取铸坯表面的温度信息，通过深度信息与温度信息的像素级融合，把在深度上“凹于表面”，温度比背景高或基本相等的区域检测出来，作为缺陷区域；通过深度信息与灰度信息的特征级融合进行缺陷的分类识别，从摄像机采集到的R通道图像中提取缺陷的灰度特征，从深度信息中提取缺陷的深度特征，灰度特征与深度特征分别进行特征维数约减，将降维后的灰度特征和深度特征进行特征级融合，将融合后的特征量作为分类器的输入进行缺陷分类，从而实现缺陷的识别。

2.如权利要求1所述的一种多信息融合的高温铸坯表面缺陷在线检测方法，其特征在于：所述的的深度信息，其计算公式如下：

${\mathrm{\γ}}^{\′}={\tan }^{-1}\left(\frac{I_G-I_B}{I_G+I_B}\right)$

式中，I_G、I_B分别为G通道、B通道图像的灰度值，α为绿色光源与蓝色光源的入射角，通过γ′可反映表面深度的变化。

3.如权利要求1所述的的一种多信息融合的高温铸坯表面缺陷在线检测方法，其特征在于：所述的温度信息，其计算公式如下：

$T=\frac{C_2(\frac{1}{{\mathrm{\λ}}_G}-\frac{1}{{\mathrm{\λ}}_R})}{\ln \frac{I_R}{I_G}-\ln \frac{K_R}{K_G}-5\ln \frac{{\mathrm{\λ}}_G}{{\mathrm{\λ}}_R}}$

式中，C₂为第二辐射常数，C₂=1.4388*10^-2mK；λ_R为红色光源发光波长700nm，λ_G为绿色光源发光波长546.1nm，λ_B为蓝色光源的发光波长435.8nm，I_R、I_G分别为R通道、G通道图像的灰度值；K_R、K_G分别为摄像机的红、绿基色光谱响应系数。