热轧带钢表面缺陷检测与识别流程

　　冷轧带钢表面缺陷检测与识别流程中的一个重要步骤是目标检测，即判断采集到的图像中是否存在着缺陷，只有存在缺陷的图像才被存到计算机缓存中，以便下一步处理。由于冷轧带钢表面质量好，背景比较简单，缺陷或伪缺陷的区域相对较少。因此，经过这一步骤可以大大减少下一步处理的图像数量，减轻下面步骤需要的处理时间。但是对于热轧带钢来说，由于其表面存在着大量的水、氧化铁皮及光照不均现象，如果用简单算法判断的话，存在这些现象的图像都会被认为有缺陷，那么目标检测步骤达不到减少图像数量的目的，起不到该步骤应有的作用。

　　图像分割步骤：寻找可能存在缺陷的区域，该区域称为可疑区域，可疑区域可能由缺陷形成，也可能由伪缺陷形成。可疑区域的数据保存在计算机缓存中，以便进一步处理。由于每幅图像都要经过这一步骤，所以这一步骤需要实时完成，只能使用简单的算法。这一步骤的关键是要尽可能把所有的缺陷区域都找出来，以便避免缺陷的漏识;但同时又不能找出太多的伪缺陷，以便减少可疑区域的数量，减轻下面步骤的运算量。

　　缺陷检测步骤：由于可疑区域中会包含一些伪缺陷，如果将这些伪缺陷直接用于缺陷分类，那么会造成大量的误识，即将伪缺陷识别成缺陷。所以需要对可疑区域进行筛选，保证可疑区域尽可能由真缺陷组成。可疑区域筛选有两种方法，一种方法是去除伪缺陷，另一种是挑选真缺陷。由于伪缺陷基本由水、氧化铁皮与光照不均现象引起，很难找到算法将它们直接去除，因此只能采取第二种方案。热轧带钢表面缺陷从其形态与分布上可以分为下面 4 类。

　　(1) 纵向缺陷：沿带钢轧制方向分布，一般在轧制方向有大的尺寸，但在宽度方向上的尺寸比较小，如纵裂和划伤等。图a 为一纵裂样本图像。

　　(2) 横向缺陷：沿带钢宽度方向分布，一般在带钢宽度方向上有大的尺寸，但在轧制方向上的尺寸比较小，如横裂和横向辊印等。图b 为一横向辊印样本图像。

　　(3) 单个缺陷：一些面积比较大的缺陷，这些缺陷不具有明显纵向分布和横向分布特点，如夹杂、气泡、结疤和折叠等。图c 为一夹杂样本图像。

　　(4) 分布式缺陷：这在一定范围内密集分布，虽然单个缺陷的面积不大，但是分布的面积比较广，如麻面、某些压痕等。图d 为一麻面样本图像。

　　根据这4 类缺陷的特点，对可疑区域进行筛选，从可疑区域中找出具有上述特征的4 类缺陷，并组成缺陷区域。图5 是图4 所示4 种不同类型缺陷的缺陷检测步骤示例。图5a 中的白色区域内是纵裂缺陷的缺陷区域，图5b 中的白色区域内是横向辊印的缺陷区域，图5c 中的白色区域内是夹杂缺陷，图 5d 中的白色区域内是麻面缺陷。由图5 所示例子可以看出，经过缺陷检测步骤后，可以提取到完整的缺陷区域，并且去除一些由噪声、光照不均和其他因素造成的伪缺陷区域，因此，得到的缺陷区域数量比可疑区域数量少得多。

　　特征提取与缺陷分类步骤：经过缺陷检测步骤，大部分的伪缺陷被去除了，但是还会存在一些伪缺陷。而且，需要对检测到的缺陷进行自动分类。特征提取与缺陷分类步骤用于对缺陷进行自动分类，以识别缺陷的类型，并去除剩余的伪缺陷。

　　由于每幅图像都要经过图像分割步骤，所以图像分割步骤需要实时完成。而图像分割步骤后得到的可疑区域保存到计算机缓存中，因此，缺陷检测步骤可以在CPU 有空闲的时候进行，采取准时处理的方式。经过缺陷检测步骤后得到的缺陷区域保存到服务器中，因此，特征提取与缺陷分类步骤可以在换卷时再进行。通过实时处理、准时处理和换卷时处理这三种方式，可以既保证数据处理的实时性，同时也保证缺陷的检出率与识别率。