CN108399184A - 一种钢材的表面处理方法 - Google Patents

Abstract

本发明涉及一种钢材的表面处理方法，包含五个步骤，分别为对钢材进行拍照组成钢材的图片库、对图像进行预处理、缺陷图像进行划分、对所述缺陷图像中的最小单位进行位置定位、对缺陷进行分类；对钢材的图片进行了处理，具体地对干扰像素进行灰度值处理以及对图像进行加强，对包含钢材的缺陷的最小单位图像进行分类提取，以方便对钢材的缺陷进行处理。

Description

一种钢材的表面处理方法

技术领域

本发明涉及钢材处理领域，为一种钢材的表面处理方法。

背景技术

钢材已成为机械制造、造船、汽车、航空航天和化工等工业不可缺少的原材料,但由于轧制设备、加工工艺等多方面的原因,导致带钢表面形成裂纹、氧化色、结疤、辊印、刮伤、孔洞、针眼、鳞皮、表皮分层、麻点等不同类型的缺陷,从而直接影响了最终产品的性能和质量,这些缺陷不仅影响产品的外观,而且降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能,因此必须加强对带钢钢材表面存在的疵病缺陷进行检测。如何在生产过程中在线检测钢板的表面缺陷,从而控制和提高钢板产品的表面质量,一直是钢铁加工企业非常关注的问题。而现今的方法针对缺陷处理，而对缺陷图像的利用率却不高。

发明内容

有鉴于此，本发明提供一种解决或部分解决上述问题的钢材的表面处理方法。

为达到上述技术方案的效果，本发明的技术方案为：一种钢材的表面处理方法，包含以下内容：

首先，对钢材进行拍照，建立钢材的图片，将所有钢材的图片组成钢材的图片库；并应用于钢材的表面处理装置，钢材的表面处理装置包含有图片库分类模块、图片预处理模块、图片灰度值统一模块、缺陷图像划分模块、位置定位模块、分类处理模块；

图片库分类模块用于对图片库的构建，将图片库中的钢材的图片分为两类；第一类为钢材的整体图像，对钢材的图片进行区域划分，划分为不同的单个区域；区域为不规则的图形，并进行编号，将每个不规则图形都被完整地包含在一张钢材的整体图像上；钢材的整体图像包含M个不规则图形，每个不规则图形包含K个钢材的缺陷；其中，M、K为正整数；将不规则的图形的编号与钢材的整体图像的编号设置为一致；第二类为钢材的细节图像，钢材的细节图像为在钢材的整体图像之下的一类钢材的图片，为一个不规则图形；每一个钢材的整体图像对应M个钢材的细节图像，钢材的细节图像为钢材的整体图像的细节，展现了钢材的缺陷；

接着，图片库分类模块将钢材的整体图像与钢材的细节图像之间进行关联，即通过钢材的整体图像能够推出其包含的钢材的细节图像，通过钢材的细节图像能够推出包含其的钢材的整体图像；

图片预处理模块接收经过图片库分类模块分类处理得到的钢材的细节图像，并对钢材的细节图像进行预处理，提高预处理的钢材的细节图像的清晰度；首先，将钢材的细节图像进行子区域划分，子区域为以干扰像素为中心点的圆形图形；圆形图形的半径为r，r的单位为毫米，每个子区域的中心点都为干扰像素，干扰像素为钢材的细节图像中未体现钢材的缺陷的像素；子区域内的所有像素集合为B，所有像素集合的数量为N，N为自然数；在圆形图形上划分轨道，将圆形图形划分为若干个轨道，每个轨道的宽度相等，首先求取每个轨道内所有像素的平均值，再求取所有轨道内所有像素的灰度值的平均值，并以该平均值代替干扰像素的灰度值；假设干扰像素的灰度值为H(x,y)，x、y为正整数，都为干扰像素的位置表示，H表示灰度值，设立圆形窗口，圆形窗口的半径为e，e的单位为毫米，以干扰像素为圆形窗口的中心，圆形窗口的邻域为

(H(x-2,y-2)，H(x-1,y-1)，H(x+1,y+1)，H(x+2,y+2))；H(x-2,y-2)、H(x-1,y-1)、H(x+1,y+1)、H(x+2,y+2)为圆形窗口的邻域的干扰像素的周围像素的灰度值，求取圆形窗口的领域的干扰像素的周围像素的平均值 为干扰像素的周围像素的位置表示；将与干扰像素的灰度值H(x,y)比较，以以下公式来修正干扰像素的灰度值：

图片预处理模块对钢材的细节图像中的所有干扰像素都执行上述过程，最后得到预处理后的钢材的细节图像；

图片灰度值统一模块对预处理后的钢材的细节图像中的所有像素的灰度值进行统计，并且调整灰度值使预处理后的钢材的细节图像更加平滑；统计的过程中使用计数器数组，计数器数组包含n个计数器，计数器存储正整数，n的值取决于预处理后的钢材的细节图像中的像素的灰度值的个数，n为自然数，即使用计数器来对预处理后的钢材的细节图像中所有的像素的灰度值进行统计，统计所有可能的预处理后的钢材的细节图像中存在的像素的灰度值，一个计数器对应一个预处理后的钢材的细节图像中的像素的灰度值；图片灰度值统一模块统计的过程为，当遇到预处理后的钢材的细节图像中的像素的灰度值没有被统计过，使用新的计数器进行统计，新的计数器中的值为1，当遇到预处理后的钢材的细节图像中的像素的灰度值被统计过时，便使用代表该预处理后的钢材的细节图像中的像素的灰度值的计数器进行统计，代表该预处理后的钢材的细节图像中的像素的灰度值的计数器中的值加一；最后得到n个计数器以及其对应的预处理后的钢材的细节图像中的像素的灰度值，将其表示在一个坐标系中，坐标系中的横坐标为预处理后的钢材的细节图像中的像素的灰度值，并将预处理后的钢材的细节图像中的像素的灰度值从小到大排列，坐标系中的纵坐标为代表预处理后的钢材的细节图像中的像素的灰度值的计数器中的值，将所有纵坐标连接起来，构成一个曲线Q，调正曲线Q，使曲线Q服从标准正态分布，即等于标准正态分布的函数Q(x₁)，为x₁表示坐标系中的横坐标，Q(x₁)表示曲线Q在坐标系中的曲线；调正后，按调整后的曲线Q，调整预处理后的钢材的细节图像中的像素的灰度值，相应地增加与减少灰度值，使其与调整后的曲线Q保持一致，因此相应地调整预处理后的钢材的细节图像，得到调整后的预处理后的钢材的细节图像；x表示x轴；

缺陷图像划分模块对调整后的预处理后的钢材的细节图像进行划分，划分后再由位置定位模块进行位置定位，划分为16*16个小窗口，对小窗口中的缺陷图像进行定位，观察小窗口中是否包含缺陷图像，缺陷图像为包含钢材的缺陷的图像，因此，将小窗口划分为包含缺陷图像的小窗口与不包含缺陷图像的小窗口，对包含缺陷图像的小窗口中的缺陷图像进行再一次分割，最后分割成缺陷图像中的最小单位，缺陷图像中的最小单位为恰好包含一个钢材的缺陷的正方形封闭图形；

位置定位模块对缺陷图像中的最小单位进行位置定位，为每一个小窗口在预处理后的钢材的细节图像中标注位置，位置为(x₂,y₂)，x₂为小窗口的数列号，y₂为小窗口的行列号；接着，缺陷图像中的最小单位在小窗口上进行坐标定位，坐标定位的坐标系为小窗口的左边缘与下边缘，左边缘为坐标定位的坐标系的横坐标，下边缘为坐标定位的坐标系的纵坐标，坐标定位值为在以坐标定位的坐标系上的确切的坐标值，坐标值的单位为毫米，缺陷图像中的最小单位的位置由此表示为二级坐标，二级坐标包含两个坐标：(x₂,y₂)与坐标定位值；

分类处理模块对缺陷图像中的最小单位中的钢材的缺陷进行分类，根据二级坐标来对缺陷图像中的最小单位进行定位，以便更快地观察钢材的缺陷在钢材上的位置，并根据钢材的缺陷在钢材上的位置进行分类，并按其进行分类处理钢材的缺陷。

本发明的有益成果为：本发明提供了一种钢材的表面处理方法，对钢材的图片进行了处理，具体地对干扰像素进行灰度值处理以及对图像进行加强，对包含钢材的缺陷的最小单位图像进行分类提取，以方便对钢材的缺陷进行处理。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，能实现同样功能的产品属于等同替换和改进，均包含在本发明的保护范围之内。具体方法如下：

1)实施例1：本发明在第五步中，对缺陷图像中的最小单位中的钢材的缺陷进行分类，根据二级坐标来对缺陷图像中的最小单位进行定位，并且观察钢材的缺陷在钢材上的位置，将钢材的缺陷在钢材上的位置进行分类，并按其进行分类处理钢材的缺陷。

将钢材的缺陷分为四类，分别为自由边、切割边、切割面、剥落凹坑，当为自由边，针对钢材自由边上的尖角毛刺，用砂轮打磨至r＝2mm的园角，当为切割边，将切割边峰谷差打磨到1mm以下时，对熔渣进行打磨处理，当为剥落凹坑，将钢材表面的剥落用砂轮修整，而深度在0.8mm以下的要补焊处理，当为切割面，虽然光顺，但由于非常坚硬不利于喷砂，要先磨掉表层；

本发明的钢材的处理过程如下：

第一步图像的预处理

由于各类图像系统中图像的传送和转换总要造成图像的某些降质,这些造成图像降质的因素称为图像的噪声。在产品缺陷检测时,很可能将噪声误认为是产品的缺陷,造成整个系统性能下降,因此需要对图像进行预处理,以减少噪声的影响。

第二步图像分割

图像分割是把图像分割成各具特性的区域并提取感兴趣目标的过程,例如把带钢从背景图像中分离,带钢缺陷图像的分割等。由于带钢生产线现场环境变化大,干扰因素多,尤其是光源变化的对带钢表面成像的影响,采用固定单一的算法很难消除,所以准确的提取出缺陷图像对下一步图像处理,以及检测系统的识别率意义重大,因此图像分割是带钢表面质量检测的关键之一。

第三步缺陷检测

缺陷检测是检测图像中是否有缺陷存在,这也是检测系统应具有的基本功能。检测算法的不同会使检测的准确度和精度明显不同,从而影响系统的性能。

第四步特征提取

特征提取是对缺陷图像进行分析,提取缺陷图像的特征,缺陷图像特征的选取是系统的难点之一,特征选取合理与否直接影响缺陷识别率,特征提取分类的依据是缺陷图像的灰度特性、形态特性、纹理特性等。

第五步缺陷分类

缺陷分类就是通过向分类器输入缺陷的特征值,分类器对缺陷进行分类,以确定缺陷的类型。

第六步缺陷记录

缺陷记录是记录带钢面的缺陷信息,包括缺陷的类型,生产批号,缺陷的位置等,以提供给钢铁生产企业作为生产质量评定的依据。

实施例2：钢结构表面处理质量是决定涂层质量的关键因素。正确评价表面处理质量和等级对工程质量和成本控制具有重要意义。因此，国际标准化委员会制定了ISO 8501:1988等喷漆前钢材表面处理系列标准。近年来，又制定了ISO 12944:1998国际标准。其中ISO 12944-4详细阐述了表面处理的重要性、钢板锈蚀等级类型和相应的处理方法，规定了各种重防腐涂料对表面处理等级的要求。另外，美国钢结构涂装学会(SSPC)、日本造船研究协会(JSRA)、美国防腐工程师联合会(NACE)等也制定了相应的钢材表面处理标准。我国也等效采用ISO 8501-1:1988标准，制定了GB 8923–1988《涂装前钢材表面锈蚀等级和除锈等级》等国家标准。为提高钢结构涂装质量，并适应国际涂装技术迅猛发展的形势，本发明对钢材的表面进行处理。

在GB/T 14977–1994《热轧钢板表面质量的一般要求》中，规定了钢材表面缺陷的种类，缺陷的深度和影响面积，修整的要求以及钢板的厚度等。典型的缺陷定义有以下9种：

(1)轧入氧化铁皮、凹坑──是轧制表面的伤痕，由热轧和加工前、加工期间氧化皮清除不充分所造成。

(2)压痕(凹陷)和轧痕(凸起)──因轧辊或夹持辊破损造成，按一定的距离间隔或无规则分布。

(3)划伤和沟槽──因轧件和设备之间相对运动摩擦造成的机械损伤，可能有轻微的翻卷，但很少含有氧化皮。

(4)重皮──由于钢锭表面的冷溅、重皮以及结疤清理不净，轧制形成的不规则鳞片状细小缺陷。

(5)气泡──由于冶炼、浇注过程中脱氧不良造成，位于紧接表面以下。

(6)热拉裂──表面范围内可变取向的缺陷，出现在钢坯加工过程中。

(7)夹杂──表面的非金属夹杂物，尺寸和形状各不相同，沿轧制方向延伸，随机分布。

(8)裂纹──由于轧件冷却过程中产生的应力造成在表面范围分布的缺陷。

(9)结疤和疤痕。

缺陷的深度从清除氧化皮后的产品表面进行测量，影响面积的确定与缺陷形状有关，如孤立点缺陷规定为以比缺陷外接圆大50mm的半径围绕缺陷画圆即为影响面积。按缺陷深度和影响面积将缺陷分为A、B、C、D和E等5个等级。A级缺陷指表面不允许有气泡、结疤、裂纹、拉裂、折叠、夹杂和压入氧化皮，这些缺陷不论其深度和数量，均需要修整。B、C、D和E级缺陷均根据钢板公称厚度规定有最大允许缺陷深度和相应的影响面积，超过规定的需要修整，否则可不予修整。对于修整的要求也有相应的规定，可以采用修磨或焊补，修磨的程度要保证产品最小允许厚度等。

本发明的有益成果为：本发明提供了一种钢材的表面处理方法，对钢材的图片进行了处理，具体地对干扰像素进行灰度值处理以及对图像进行加强，对包含钢材的缺陷的最小单位图像进行分类提取，以方便对钢材的缺陷进行处理。

以上所述仅为本发明之较佳实施例，并非用以限定本发明的权利要求保护范围。同时以上说明，对于相关技术领域的技术人员应可以理解及实施，因此其他基于本发明所揭示内容所完成的等同改变，均应包含在本权利要求书的涵盖范围内。

Claims (1)

1.一种钢材的表面处理方法，其特征在于，包含以下内容：

首先，对钢材进行拍照，建立钢材的图片，将所有所述钢材的图片组成钢材的图片库；并应用于钢材的表面处理装置，所述钢材的表面处理装置包含有图片库分类模块、图片预处理模块、图片灰度值统一模块、缺陷图像划分模块、位置定位模块、分类处理模块；

所述图片库分类模块用于对所述图片库的构建，将所述图片库中的钢材的图片分为两类；第一类为钢材的整体图像，对所述钢材的图片进行区域划分，划分为不同的单个区域；所述区域为不规则的图形，并进行编号，将每个所述不规则图形都被完整地包含在一张钢材的整体图像上；所述钢材的整体图像包含M个所述不规则图形，每个所述不规则图形包含K个钢材的缺陷；其中，M、K为正整数；将所述不规则的图形的编号与所述钢材的整体图像的编号设置为一致；第二类为钢材的细节图像，所述钢材的细节图像为在所述钢材的整体图像之下的一类钢材的图片，为一个所述不规则图形；每一个所述钢材的整体图像对应M个所述钢材的细节图像，所述钢材的细节图像为所述钢材的整体图像的细节，展现了钢材的缺陷；

接着，所述图片库分类模块将所述钢材的整体图像与所述钢材的细节图像之间进行关联，即通过所述钢材的整体图像能够推出其包含的所述钢材的细节图像，通过所述钢材的细节图像能够推出包含其的所述钢材的整体图像；

所述图片预处理模块接收经过所述图片库分类模块分类处理得到的所述钢材的细节图像，并对所述钢材的细节图像进行预处理，提高预处理的所述钢材的细节图像的清晰度；首先，将所述钢材的细节图像进行子区域划分，所述子区域为以干扰像素为中心点的圆形图形；所述圆形图形的半径为r，r的单位为毫米，每个所述子区域的中心点都为干扰像素，所述干扰像素为所述钢材的细节图像中未体现所述钢材的缺陷的像素；所述子区域内的所有像素集合为B，所有像素集合的数量为N，N为自然数；在所述圆形图形上划分轨道，将所述圆形图形划分为若干个轨道，每个所述轨道的宽度相等，首先求取每个轨道内所有像素的平均值，再求取所有所述轨道内所有像素的灰度值的平均值，并以该平均值代替所述干扰像素的灰度值；假设所述干扰像素的灰度值为H(x,y)，x、y为正整数，都为所述干扰像素的位置表示，H表示所述灰度值，设立圆形窗口，所述圆形窗口的半径为e，e的单位为毫米，以所述干扰像素为所述圆形窗口的中心，所述圆形窗口的邻域为(H(x-2,y-2)，H(x-1,y-1)，H(x+1,y+1)，H(x+2,y+2))；H(x-2,y-2)、H(x-1,y-1)、H(x+1,y+1)、H(x+2,y+2)为所述圆形窗口的邻域的所述干扰像素的周围像素的灰度值，求取所述圆形窗口的领域的所述干扰像素的周围像素的平均值为所述干扰像素的周围像素的位置表示；将所述与所述干扰像素的灰度值H(x,y)比较，以以下公式来修正所述干扰像素的灰度值：

所述图片预处理模块对所述钢材的细节图像中的所有干扰像素都执行上述过程，最后得到预处理后的所述钢材的细节图像；

所述图片灰度值统一模块对所述预处理后的所述钢材的细节图像中的所有像素的灰度值进行统计，并且调整灰度值使所述预处理后的所述钢材的细节图像更加平滑；统计的过程中使用计数器数组，所述计数器数组包含n个计数器，所述计数器存储正整数，n的值取决于所述预处理后的所述钢材的细节图像中的像素的灰度值的个数，n为自然数，即使用所述计数器来对所述预处理后的所述钢材的细节图像中所有的像素的灰度值进行统计，统计所有可能的所述预处理后的所述钢材的细节图像中存在的像素的灰度值，一个计数器对应一个所述预处理后的所述钢材的细节图像中的像素的灰度值；所述图片灰度值统一模块统计的过程为，当遇到所述预处理后的所述钢材的细节图像中的像素的灰度值没有被统计过，使用新的所述计数器进行统计，所述新的所述计数器中的值为1，当遇到所述预处理后的所述钢材的细节图像中的像素的灰度值被统计过时，便使用代表该所述预处理后的所述钢材的细节图像中的像素的灰度值的所述计数器进行统计，代表该所述预处理后的所述钢材的细节图像中的像素的灰度值的所述计数器中的值加一；最后得到所述n个计数器以及其对应的所述预处理后的所述钢材的细节图像中的像素的灰度值，将其表示在一个坐标系中，所述坐标系中的横坐标为所述预处理后的所述钢材的细节图像中的像素的灰度值，并将所述预处理后的所述钢材的细节图像中的像素的灰度值从小到大排列，所述坐标系中的纵坐标为代表所述预处理后的所述钢材的细节图像中的像素的灰度值的计数器中的值，将所有纵坐标连接起来，构成一个曲线Q，调正所述曲线Q，使所述曲线Q服从标准正态分布，即等于标准正态分布的函数Q(x₁)，为x₁表示所述坐标系中的横坐标，Q(x₁)表示所述曲线Q在坐标系中的曲线；调正后，按调整后的所述曲线Q，调整所述预处理后的所述钢材的细节图像中的像素的灰度值，相应地增加与减少所述灰度值，使其与所述调整后的所述曲线Q保持一致，因此相应地调整所述预处理后的所述钢材的细节图像，得到调整后的所述预处理后的所述钢材的细节图像；x表示x轴；

所述缺陷图像划分模块对所述调整后的所述预处理后的所述钢材的细节图像进行划分，划分后再由所述位置定位模块进行位置定位，划分为16*16个小窗口，对所述小窗口中的缺陷图像进行定位，观察所述小窗口中是否包含所述缺陷图像，所述缺陷图像为包含钢材的缺陷的图像，因此，将所述小窗口划分为包含所述缺陷图像的小窗口与不包含所述缺陷图像的小窗口，对所述包含所述缺陷图像的小窗口中的缺陷图像进行再一次分割，最后分割成所述缺陷图像中的最小单位，所述缺陷图像中的最小单位为恰好包含一个所述钢材的缺陷的正方形封闭图形；

所述位置定位模块对所述缺陷图像中的最小单位进行位置定位，为每一个所述小窗口在所述预处理后的所述钢材的细节图像中标注位置，位置为(x₂,y₂)，x₂为所述小窗口的数列号，y₂为所述小窗口的行列号；接着，所述缺陷图像中的最小单位在所述小窗口上进行坐标定位，坐标定位的坐标系为所述小窗口的左边缘与下边缘，所述左边缘为坐标定位的坐标系的横坐标，所述下边缘为坐标定位的坐标系的纵坐标，坐标定位值为在以坐标定位的坐标系上的确切的坐标值，坐标值的单位为毫米，所述缺陷图像中的最小单位的位置由此表示为二级坐标，所述二级坐标包含两个坐标：(x₂,y₂)与所述坐标定位值；

所述分类处理模块对所述缺陷图像中的最小单位中的所述钢材的缺陷进行分类，根据所述二级坐标来对所述缺陷图像中的最小单位进行定位，以便更快地观察所述钢材的缺陷在所述钢材上的位置，并根据所述钢材的缺陷在所述钢材上的位置进行分类，并按其进行分类处理所述钢材的缺陷。