CN113252683A - 一种冷轧带钢表面检测系统的材料分组优化方法 - Google Patents
一种冷轧带钢表面检测系统的材料分组优化方法 Download PDFInfo
- Publication number
- CN113252683A CN113252683A CN202110419639.3A CN202110419639A CN113252683A CN 113252683 A CN113252683 A CN 113252683A CN 202110419639 A CN202110419639 A CN 202110419639A CN 113252683 A CN113252683 A CN 113252683A
- Authority
- CN
- China
- Prior art keywords
- value
- camera
- light source
- steel
- actual
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Abstract
一种冷轧带钢表面检测系统的材料分组优化方法:依据冷轧带钢的表面亮暗程度,将所有冷轧带钢分为若干材料组;分别给每组设定参数;观察冷轧带钢表面检测系统拍摄的各个材料组中不同钢种所对应的缺陷图像实际灰度值和实际光源功率值;判断是否在设定的范围内;对于小于缺陷图像目标灰度值下限的钢种,调高相机增益值;当调至上限时,未达到设定范围,增大相机光圈值;对于大于缺陷图像目标灰度值上限的钢种,调低相机增益值;当调低至下限时,未达到设定范围,减小相机光圈值;将相机光圈值和相机增益值作为生产运行参数;优化完所有材料组的参数后,对材料分组结果进行固化。本发明保证冷轧带钢表面检测系统拍摄的缺陷图片具有合理而稳定的灰度值。
Description
技术领域
本发明涉及一种冷轧带钢表面检测系统材料分组。特别是涉及一种冷轧带钢表面检测系统的材料分组优化方法。
背景技术
随着冷轧汽车板、家电板等产品表面质量的不断提升,带钢表面检测越来越重要。在冷轧连续带钢生产过程中,传统的人工检测必然伴随着漏检率高、实时性差、一致性差等问题,远远不能满足高速生产对于质检人员的要求。随着CCD成像技术和图像处理技术的迅速发展,基于机器视觉的带钢表面检测系统迅速发展,并在近些年纷纷在各大钢厂推广开来,用于辅助带钢表面质量检测。
表面检测系统会随着带钢的亮暗程度来自动调节光源功率,从而保证缺陷图片具有稳定的灰度值。但是冷轧带钢由于成分和工艺的差异,表面的颜色和状态差异很大,如果不区分材料组而采用同样的相机参数设置,单纯靠光源的自动调节,无法保证所以钢种都能达到目标灰度值。这就需要根据材料表面状态分为几个材料组,不同材料组设定不同的相机参数,才能保证表面检测系统拍摄出良好的缺陷图片。
良好的材料组划分,一方面能够保证表检仪拍摄的缺陷图片具有合理而稳定的灰度值,这有利于表面检测系统对于缺陷的捕捉和分类;另一方面能够使光源处于合理的功率范围之内,保证LED光源具有更长的使用寿命。
发明内容
本发明所要解决的技术问题是,提供一种能够解决研究冷轧带钢表面检测系统检测效果不佳和LED光源寿命短问题的冷轧带钢表面检测系统的材料分组优化方法。
本发明所采用的技术方案是:一种冷轧带钢表面检测系统的材料分组优化方法,包括如下步骤:
1)依据冷轧带钢各个钢种的表面亮暗程度,将所有冷轧带钢预分为若干材料组;
2)分别给每个材料组设定参数,包括缺陷图像目标灰度值的范围、目标光源功率值的范围、相机光圈值和每一台相机的相机增益值的范围;
3)不断观察冷轧带钢表面检测系统拍摄的各个材料组中不同钢种所对应的缺陷图像实际灰度值和实际光源功率值;
4)分别判断每一材料组中每一个钢种的缺陷图像实际灰度值和实际光源功率值是否在设定的范围内;
当该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均在设定的范围内,则该材料组的参数设置是合理的,进入步骤7);
当该材料组中所有钢种的缺陷图像实际灰度值均在设定的范围内,部分钢种的实际光源功率值在设定的范围内,部分钢种的实际光源功率值不在设定的范围内,进入步骤5);
当该材料组中部分钢种的实际缺陷图像灰度值在设定的范围内,部分钢种的实际缺陷图像灰度值不在设定的范围内,进入步骤6);
5)调节冷轧带钢表面检测系统中的相机增益值,到该材料组中所有钢种的实际缺陷图像灰度值和实际光源功率值达到设定范围为止,进入步骤7),当相机增益值调节至设定的上限或下限,仍有部分钢种的实际光源功率值不在设定的范围内,调节相机光圈后,返回步骤4);
6)对于小于缺陷图像目标灰度值下限的钢种,通过调高冷轧带钢表面检测系统中的相机增益值,来提高缺陷图像实际灰度值,直到该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均达到设定范围;当通过调高相机增益值至上限时,缺陷图像实际灰度值仍未达到设定范围,则增大相机光圈值,返回步骤4);对于大于缺陷图像目标灰度值上限的钢种,通过调低冷轧带钢表面检测系统中的相机增益值,来降低缺陷图像实际灰度值,直到该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均达到设定的范围;当通过调低相机增益值至下限时,缺陷图像实际灰度值仍未达到设定范围,则减小相机光圈值,返回步骤4);
7)固化该材料组相机光圈值和相机增益值,并作为生产运行参数;
8)当优化完所有材料组的参数后,对材料分组结果进行固化。
本发明的一种冷轧带钢表面检测系统的材料分组优化方法,其优点是通过依据冷轧带钢表面亮暗程度不同,将冷轧带钢分为四个材料组,一方面能够保证表检仪拍摄的缺陷图片具有合理而稳定的灰度值,这有利于表面检测系统对于缺陷的捕捉和分类;另一方面能够使光源处于合理的功率范围之内,保证LED光源具有更长的使用寿命。
附图说明
图1是本发明一种冷轧带钢表面检测系统的材料分组优化方法的流程图;
图2是IF钢类的材料组参数固化后检测到的翘皮缺陷的典型效果图;
图3是高强IF钢类类的材料组参数固化后检测到的暗划伤缺陷的典型效果图。
具体实施方式
下面结合实施例和附图对本发明的一种冷轧带钢表面检测系统的材料分组优化方法做出详细说明。
如图1所示,本发明的一种冷轧带钢表面检测系统的材料分组优化方法,包括如下步骤:
1)依据冷轧带钢各个钢种的表面亮暗程度,将所有冷轧带钢预分为若干材料组;所述的将所有冷轧带钢预分为若干材料组,是将所有冷轧带钢预分为四个材料组,依据表面灰度值从亮到暗分别为:普碳钢类、IF钢类、双相钢类和高强IF钢类。
2)分别给每个材料组设定参数,包括缺陷图像目标灰度值的范围、目标光源功率值的范围、相机光圈值和每一台相机的相机增益值的范围;其中,所述的相机光圈值为F5.6,所述的每一台相机的相机增益值为128~1024;所述的缺陷图像目标灰度值的范围为105~115,所述的目标光源功率值的范围为60%~80%。
3)不断观察冷轧带钢表面检测系统拍摄的各个材料组中不同钢种所对应的缺陷图像实际灰度值和实际光源功率值;
4)分别判断每一材料组中每一个钢种的缺陷图像实际灰度值和实际光源功率值是否在设定的范围内;
当该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均在设定的范围内,则该材料组的参数设置是合理的,进入步骤7);
当该材料组中所有钢种的缺陷图像实际灰度值均在设定的范围内,部分钢种的实际光源功率值在设定的范围内,部分钢种的实际光源功率值不在设定的范围内,进入步骤5);
当该材料组中部分钢种的实际缺陷图像灰度值在设定的范围内,部分钢种的实际缺陷图像灰度值不在设定的范围内,进入步骤6);
5)调节冷轧带钢表面检测系统中的相机增益值,到该材料组中所有钢种的实际缺陷图像灰度值和实际光源功率值达到设定范围为止,进入步骤7),当相机增益值调节至设定的上限或下限,仍有部分钢种的实际光源功率值不在设定的范围内,调节相机光圈后,返回步骤4);
当实际光源功率值小于目标光源功率值60%时,是通过降低相机增益值来提高实际光源功率达到设定范围,当降低相机增益值至下限值128时,实际光源功率值仍小于目标光源功率值60%,则减小相机光圈值至f8,使该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值达到设定范围。
当实际光源功率值大于目标光源功率值80%时,是通过提高相机增益值来降低实际光源功率达到设定范围,当提高相机增益值至上限值1024时,实际光源功率值大于目标光源功率值80%,则增大相机光圈值f4,使该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值达到设定范围。
6)对于小于缺陷图像目标灰度值下限的钢种,通过调高冷轧带钢表面检测系统中的相机增益值,来提高缺陷图像实际灰度值,直到该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均达到设定范围;当通过调高相机增益值至上限时,缺陷图像实际灰度值仍未达到设定范围,则增大相机光圈值,返回步骤4),返回步骤4)再进行相机增益的值调节,直至该材料组中所有钢种的缺陷图像灰度值和光源功率值均达到设定的范围内;对于大于缺陷图像灰度值上限115的钢种,通过调低冷轧带钢表面检测系统中的相机增益值,来降低缺陷图像实际灰度值,直到该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均达到设定的范围;当通过调低相机增益值至下限128时,缺陷图像实际灰度值仍未达到设定范围,则减小相机光圈值,返回步骤4),再进行相机增益值的值调节,直至该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均达到设定的范围内,进入步骤7);
7)固化该材料组相机增益值和相机光圈值,并作为生产运行参数;
8)当优化完所有材料组的参数后,对材料分组结果进行固化。
下面给出实例:
实施例1
针对一种冷轧带钢表面检测系统材料分组的优化方法中IF(无间隙原子)钢类材料组的参数优化,包括如下步骤:
1)将IF钢类材料组的相机光圈值初步设定为F5.6,1#~20#相机的相机增益值分别初步设定为[200,200,200,200,200,200,200,200,200,200,200,200,200,200,200,200,200,200,200,200];
2)不断观察冷轧带钢表面检测系统拍摄的IF钢类材料组中各个钢种所对应的缺陷图像实际灰度值和实际光源功率值,判断每一个钢种的缺陷图像实际灰度值是否在所要求的范围105~115内,同时判断每一个钢种的实际光源功率值是否在所要求的范围60%~80%内。
3)通过对IF钢类材料组中所有钢种的观察,IF钢类材料组中部分钢种的缺陷图像实际灰度值低于下限105。通过一边调高冷轧带钢表面检测系统中的相机增益值,一边继续观察每个钢种缺陷图像实际灰度值和实际光源功率值是否在所要求的范围;
4)当相机光圈值为F5.6,1#~20#相机的相机增益值分别设定为[293,292,302,305,318,316,309,302,291,292,288,286,299,297,308,306,301,297,287,281],IF钢类材料组中所有钢种的缺陷图像实际灰度值均在所要求的范围105~115内,实际光源功率均在所要求的范围60%~80%内;
5)保存IF钢类材料组参数,并保存1#~20#相机的光圈值为F5.6,以及相机增益值分别为[293,292,302,305,318,316,309,302,291,292,288,286,299,297,308,306,301,297,287,281]。
实施例2
针对一种冷轧带钢表面检测系统材料分组的优化方法中高强IF钢类材料组的参数优化,包括如下步骤:
1)将高强IF钢类材料组的相机光圈值初步设定为F5.6,1#~20#相机的相机增益值分别初步设定为[300,300,300,300,300,300,300,300,300,300,300,300,300,300,300,300,300,300,300,300];
2)不断观察冷轧带钢表面检测系统拍摄的高强IF钢类材料组中各个钢种所对应的缺陷图像实际灰度值和实际光源功率值,判断每一个钢种的缺陷图像实际灰度值是否在所要求的范围105~115内,同时判断每一个钢种的实际光源功率值是否在所要求的范围60%~80%内。
3)通过对高强IF钢类材料组中所有钢种的观察,高强IF钢类材料组中部分钢种的缺陷图像实际灰度值低于下限105。通过一边调高冷轧带钢表面检测系统中的相机增益值,一边继续观察每个钢种缺陷图像实际灰度值和目标光源功率值是否在所要求的范围;
4)当相机光圈值为F5.6,1#~20#相机的相机增益值分别设定为[341,343,355,354,365,368,359,355,344,340,335,336,350,352,366,361,354,351,335,332],IF钢类材料组中所有钢种的缺陷图像实际灰度值均在所要求的范围105~115内,实际光源功率均在所要求的范围60%~80%内;
5)保存高强IF钢类材料组参数,并保存1#~20#相机光圈值为F5.6,以及相机增益值分别为[341,343,355,354,365,368,359,355,344,340,335,336,350,352,366,361,354,351,335,332]。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其它的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种冷轧带钢表面检测系统的材料分组优化方法,其特征在于,包括如下步骤:
1)依据冷轧带钢各个钢种的表面亮暗程度,将所有冷轧带钢预分为若干材料组;
2)分别给每个材料组设定参数,包括缺陷图像目标灰度值的范围、目标光源功率值的范围、相机光圈值和每一台相机的相机增益值的范围;
3)不断观察冷轧带钢表面检测系统拍摄的各个材料组中不同钢种所对应的缺陷图像实际灰度值和实际光源功率值;
4)分别判断每一材料组中每一个钢种的缺陷图像实际灰度值和实际光源功率值是否在设定的范围内;
当该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均在设定的范围内,则该材料组的参数设置是合理的,进入步骤7);
当该材料组中所有钢种的缺陷图像实际灰度值均在设定的范围内,部分钢种的实际光源功率值在设定的范围内,部分钢种的实际光源功率值不在设定的范围内,进入步骤5);
当该材料组中部分钢种的实际缺陷图像灰度值在设定的范围内,部分钢种的实际缺陷图像灰度值不在设定的范围内,进入步骤6);
5)调节冷轧带钢表面检测系统中的相机增益值,到该材料组中所有钢种的实际缺陷图像灰度值和实际光源功率值达到设定范围为止,进入步骤7),当相机增益值调节至设定的上限或下限,仍有部分钢种的实际光源功率值不在设定的范围内,调节相机光圈后,返回步骤4);
6)对于小于缺陷图像目标灰度值下限的钢种,通过调高冷轧带钢表面检测系统中的相机增益值,来提高缺陷图像实际灰度值,直到该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均达到设定范围;当通过调高相机增益值至上限时,缺陷图像实际灰度值仍未达到设定范围,则增大相机光圈值,返回步骤4);对于大于缺陷图像目标灰度值上限的钢种,通过调低冷轧带钢表面检测系统中的相机增益值,来降低缺陷图像实际灰度值,直到该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值均达到设定的范围;当通过调低相机增益值至下限时,缺陷图像实际灰度值仍未达到设定范围,则减小相机光圈值,返回步骤4);
7)固化该材料组相机光圈值和相机增益值,并作为生产运行参数;
8)当优化完所有材料组的参数后,对材料分组结果进行固化。
2.根据权利要求1所述的一种冷轧带钢表面检测系统的材料分组优化方法,其特征在于,步骤1)所述的将所有冷轧带钢预分为若干材料组,是将所有冷轧带钢预分为四个材料组,依据表面灰度值从亮到暗分别为:普碳钢类、IF钢类、双相钢类和高强IF钢类。
3.根据权利要求1所述的一种冷轧带钢表面检测系统的材料分组优化方法,其特征在于,步骤2)所述的相机光圈值为F5.6,所述的每一台相机的相机增益值为128~1024。
4.根据权利要求1所述的一种冷轧带钢表面检测系统的材料分组优化方法,其特征在于,步骤2)所述的缺陷图像目标灰度值的范围为105~115,所述的目标光源功率值的范围为60%~80%。
5.根据权利要求1所述的一种冷轧带钢表面检测系统的材料分组优化方法,其特征在于,步骤5)中,当实际光源功率值小于目标光源功率值60%时,是通过降低相机增益值来提高实际光源功率达到设定范围,当降低相机增益值至下限值128时,实际光源功率值仍小于目标光源功率值60%,则减小相机光圈值至f8,使该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值达到设定范围。
6.根据权利要求1所述的一种冷轧带钢表面检测系统的材料分组优化方法,其特征在于,步骤5)中,当实际光源功率值大于目标光源功率值80%时,是通过提高相机增益值来降低实际光源功率达到设定范围,当提高相机增益值至上限值1024时,实际光源功率值大于目标光源功率值80%,则增大相机光圈值f4,使该材料组中所有钢种的缺陷图像实际灰度值和实际光源功率值达到设定范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110419639.3A CN113252683A (zh) | 2021-04-19 | 2021-04-19 | 一种冷轧带钢表面检测系统的材料分组优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110419639.3A CN113252683A (zh) | 2021-04-19 | 2021-04-19 | 一种冷轧带钢表面检测系统的材料分组优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113252683A true CN113252683A (zh) | 2021-08-13 |
Family
ID=77221122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110419639.3A Pending CN113252683A (zh) | 2021-04-19 | 2021-04-19 | 一种冷轧带钢表面检测系统的材料分组优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113252683A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1076101A (zh) * | 1993-05-04 | 1993-09-15 | 刘长兴 | 用于透射诊断设备均衡成象的方法及其装置 |
CN104914111A (zh) * | 2015-05-18 | 2015-09-16 | 北京华检智研软件技术有限责任公司 | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 |
CN108021938A (zh) * | 2017-11-29 | 2018-05-11 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面缺陷在线检测方法以及检测系统 |
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 |
CN111275756A (zh) * | 2020-02-20 | 2020-06-12 | 珠海格力智能装备有限公司 | 线轴定位方法及装置 |
-
2021
- 2021-04-19 CN CN202110419639.3A patent/CN113252683A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1076101A (zh) * | 1993-05-04 | 1993-09-15 | 刘长兴 | 用于透射诊断设备均衡成象的方法及其装置 |
CN104914111A (zh) * | 2015-05-18 | 2015-09-16 | 北京华检智研软件技术有限责任公司 | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 |
CN108021938A (zh) * | 2017-11-29 | 2018-05-11 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面缺陷在线检测方法以及检测系统 |
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 |
CN111275756A (zh) * | 2020-02-20 | 2020-06-12 | 珠海格力智能装备有限公司 | 线轴定位方法及装置 |
Non-Patent Citations (1)
Title |
---|
杨水山: ""冷轧带钢表面缺陷机器视觉自动检测技术研究"", 《中国优秀博硕士学位论文全文数据库信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108760765B (zh) | 一种基于侧视相机拍摄的表面损伤缺陷检测装置及方法 | |
CN107063946B (zh) | 视频生球粒径仪及其生球粒径状态检测方法 | |
CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
CN103509901B (zh) | 高炉原燃料的粒度检测方法 | |
CN104408709B (zh) | 一种线阵ccd相机图像灰度不匀快速矫正方法 | |
CN113000413B (zh) | 基于机器视觉的同步器齿套表面缺陷检测系统、方法、终端 | |
CN109856164A (zh) | 一种机器视觉采集大范围图像的优化装置及其检测方法 | |
CN110567968A (zh) | 一种零件缺陷检测方法及装置 | |
CN110163807B (zh) | 一种基于期望亮通道的低照度图像增强方法 | |
CN102547132A (zh) | 一种在逆光条件下进行拍摄的方法及装置、一种摄像机 | |
CN112945988B (zh) | 镜片缺陷检测系统及检测方法 | |
CN109064439B (zh) | 基于分区的单侧入光式导光板暗影缺陷提取方法 | |
CN109975301A (zh) | 一种用于炼铁高炉的筛网破损检测方法及检测装置 | |
CN113820319A (zh) | 一种纺织品表面缺陷检测装置与方法 | |
CN105184758B (zh) | 一种图像去雾增强的方法 | |
CN113252683A (zh) | 一种冷轧带钢表面检测系统的材料分组优化方法 | |
CN113566704A (zh) | 一种基于机器视觉的轴承总成滚珠尺寸检测方法 | |
CN113411510A (zh) | 一种基于图像质量评价和红热锻件的相机自动曝光算法 | |
Meng et al. | Rubber hose surface defect detection system based on machine vision | |
CN104458759B (zh) | 一种灰度不匀自矫正系统的自动验布机 | |
CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
CN115791786A (zh) | 一种零件缺陷检测方法和相关装置 | |
CN112139997B (zh) | 一种圆钢修磨质量检测系统中抑制环境光的方法 | |
CN100488645C (zh) | 用于自动分选蛋品规格的方法及其设备 | |
CN113281341A (zh) | 热镀锌带钢的双传感器表面质量检测系统的检测优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210813 |
|
WD01 | Invention patent application deemed withdrawn after publication |