简介:摘要热轧带钢拥有抗腐蚀和高韧性的优点,且便于机加工,因此成为钢铁行业的重要产品之一,已被广泛应用在车船、机械、建筑、桥梁等行业。据报道二十一世纪初期,我国建成投产的热连轧生产线近百余条,产能已逾两亿吨,中国已迈入钢铁产量大国行列。近年来,热轧行业需求逐步朝着厚度低于2mm甚至1.2mm的薄带钢发展,同时下游行业产品质量的不断提高要求热轧带钢的品质不断提升。然而,热轧带钢生产过程中,由于上游工序中的设备和来料等综合原因,经常导致表面存在压入异物、辊印、刮痕、裂纹、氧化皮、麻点、边裂等质量缺陷。为了保证带钢的质量,我国钢厂的技术引进、技改和创新从以往的聚焦在轧机、辊道等生产设备上,逐步的转向热轧带钢的表面缺陷检测和品质控制技术上来。因此文章重点就热轧带钢表面缺陷在线检测方法进行研究。
简介:【摘要】基于视觉的钢表面检测系统在过去的二十年中获得了越来越多的兴趣,因为与传统的基于人类视觉的方法相比,它们提供了在时间、成本和精度方面满足制造商要求的可能性。本文的主要目标是提出一种基于机器视觉技术和多分类器组合的高效检测系统,对钢铁产品中不同类型的缺陷进行检测和分类。该系统基于两个独立的分类器:支持向量机和模糊近邻,利用灰度共生矩阵和梯度直方图提取特征。为了减少描述子的大小,避免特征冗余导致的过拟合,对这些特征进行主成分分析。将每组特征分别输入支持向量机和模糊近邻,形成四个并行分类器,证明了该方法对钢表面缺陷进行分级的有效性。