带钢表面在线检测技术的发展
随着社会生产技术的进步和人们对产品质量关注程度的提高，高品质的汽车用钢、锅炉用钢、造船用钢和桥梁用钢等高端钢板的需求量越来越大。而钢板的表面质量是影响钢板总体质量的一个重要因素。
常用的钢板表面检测方法主要有红外检测、涡流检测、漏磁检测和机器视觉检测等。但是，目前采用涡流、红外和漏磁等检测技术实现的检测系统只适用于某些要求不高的应用场合，其检测原理的局限性导致可检测出的缺陷种类和缺陷定量描述参数极为有限，无法综合评估产品的表面质量状况。与其他无损检测技术相比，由于CCD器件自身所具有的轻便、高精度、宽动态范围和易于配置等优点，使得基于 CCD 成像的机器视觉检测方法成为当前表面检测研究工作中的主流。因此，本文主要介绍基于 CCD技术的机器视觉表面检测技术在钢板表面在线检测中的应用。
国外对于钢板表面在线检测技术的研究开始的较早，也已经研制出一些技术比较成熟的表面检测系统。国外不少钢铁企业在冷轧、热轧及各种镀层钢板的作业线上都装有表面自动检测系统，以实时、连续地检测钢板的表面。1983年，美国Honeywell公司完成了连铸板坯表面缺陷自动检测装置的研究，该检测系统选用线阵CCD摄像机进行图像采集，并设计了专用的图像阵列处理机和基于句法模式识别理论的缺陷分类器。该项研究确立了以 CCD图像传感器和图像处理、模式识别技术为主要依据的表面检测系统的设计思想。1986年，在美国钢铁协会(AISI)的资助下， Westinghouse公司采用线阵CCD 摄像机和高强度的线光源监视运动带钢表面，并提出了将明域、暗域及微光域三种照明光路型式组合应用于检测系统的思路，实现了在最高带速和最大带宽下缺陷的横纵分辨率分别为1.7和 2.3 mm。与此同时，在欧洲煤钢联营(ECSC)资助下， 意大利 Centro Sviluppo Materiali公司研制出用于不锈钢表面检测的试验样机，该系统可以对带钢进行宽度测量，并能同时检测带钢上下表面的孔洞缺陷，但其可识别的缺陷种类相对较少。
20 世纪90 年代后， 基于机器视觉检测系统的缺陷自动分类识别功能和系统的实用化水平得到进一步提高。芬兰Rautaruukki New Technology公司研制的Smartvis 表面检测系统运用机器学习方法对决策树分类器进行自动优化设计。美国Cognex公司于1996开发了一套iLearn自学习分类器软件系统并应用于其研制的iS–2000 自动检测系统，极大地提高了检测系统的实时运算速度。德国Parsytec公司于1997年研制出 HTS–2冷轧带钢表面检测系统，该系统采用人工神经网络(ANN) 分类器，可以在轧制速度为300 m/min的情况下，检测最小尺寸为0.5 mm的带钢表面缺陷。2000 年，德国ThyssenKrupp 公司安装了四套Parsytec 公司研制的HTS– 2W热轧钢板表面检测系统，可以在线自动探测和分类热轧钢板的缺陷，能检测到毫米级精度的缺陷，改变了以往只能靠人工检测热轧钢板的局面。2005年，法国的VAI SIAS公司为Arcelor集团的Dunkerque厂研制开发了该公司第一套热轧带钢表面在线检测系统。
国内在表面检测领域的研究虽然起步较晚，但最近几年发展较快，并且取得了不少的成果。 1990年，华中理工大学罗志勇等人利用激光扫描技术测量带钢宽度，并实现孔洞缺陷的检测。 1995年，华中理工大学王斌和吕新民等人研制的冷轧带钢表面检测实验系统由面阵CCD和 DSP图像处理平台组成，可以检测冷轧带钢表面的孔洞、重皮和边裂等缺陷。1995年，哈尔滨工业大学机器人研究所孟宪超等人在带钢表面缺陷静态检测与识别研究领域取得了阶段性成果，并在检测钢板孔洞、裂纹等缺陷检测方面取得了实际的应用。天津大学胡亮等人开发了基于线阵CCD摄像机和FPGA技术的表面检测系统，并通过实验与算法模拟，对检测系统的可行性与工程实用性进行了验证。东北大学苏卫星等人对基于PCI总路线与 DSP数字图像处理器的带钢表面在线检测系统进行了方案和软、硬件方面的详细设计，为系统的图像数据实时处理提供了新的途径。北京科技大学高效轧制国家工程研究中心已经研制开发了具有全部自主知识产权的冷轧带钢和热轧带钢表面在线检测系统，并在生产线上得到成功应用。
