厚壁钢管端部缺陷的机器视觉检测研究

2020-05-21 09:55:20

目前，国内外厚壁钢管的表面检测方法主要有手工检测、316不锈钢管红外检测、超声波检测、磁粉检测和机器视觉检测。机器视觉检测技术是一种非接触、无损伤的检测。它具有速度快、精度高、稳定性强的优点，满足了当今工业自动化的需要。因此，国内外学者对利用机器视觉检测产品表面缺陷进行了大量的研究。

机器视觉技术发展最早、最快、应用最多的国家主要集中在欧，美和日本。早在20世纪70年代中期，日本川崎公司就开发了马口铁在线机器视觉检测装置。1983年，苏雷什等人开发了一种基于机器视觉的冷轧钢表面缺陷检测系统。1988年，德国西克公司在冷轧生产线上安装了五台基于机器视觉的表面缺陷检测设备(ASIS)。1966年，美开发了基于机器学习的表面检测系统，实现了表面缺陷的分类。(65133)20世纪90年代，随着人工智能、神经网络和计算机技术领域其他学科的发展，机器视觉技术得到进一步发展，并逐渐走向智能化。克尔。d等人将机器视觉应用于数控机床刀具磨损检测，研究了基于神经网络的模型，实现了刀具磨损的精确测量。库马尔等人研究了旋转工件表面粗糙度的测量，根据机器视觉的相关处理方法获得了不同粗糙度表面的一些特征信息，最终设计了一套基于机器视觉的厚壁钢管表面粗糙度检测系统。[等人使用支持向量机(SVM)分类器来学习和训练有缺陷的火车车轮图像，并完成对车轮是否有缺陷的判断以及对缺陷的分类和识别。CTikhe等人提出了一种改进的Gabor滤波器，用于自动检测和分类金属表面上难以通过人工视觉检测的缺陷，例如孔和划痕，以确保生产过程中金属的质量和生产率。

与国外相比，国内在机器视觉领域的研究相对滞后。直到20世纪90年代，相关研究才开始。然而，随着中国经济实力和地位的不断提高，国内企业也更加重视工业自动化的发展，机器视觉也取得了很大的进步。1991年，重庆大学的吴县等人设计了一种基于机器视觉的轧辊表面缺陷检测实验装置，实现了直径为10-20毫米的圆柱形轧辊表面缺陷检测。1996年，王斌等人分析了厚壁钢管表面缺陷的特点，提出了一种基于机器视觉的厚壁缺陷高速在线图像识别算法。测量精度达到10毫米，无漏检或误检。2003年，李炜等人开发了基于机器视觉的厚壁钢管表面缺陷实时检测系统，并结合模糊算法和人工神经网络设计了多级分类器来完成钢带表面缺陷的检测。2010年，朱铮涛等人通过现场分析工具和现场特征参数完成了薄壁钢管端面凹坑、倒角斜面和曲面等缺陷的检测。骆腾斌等人通过计算轴承端面图像的灰度直方图实现了Canny算子阈值的自适应，并根据联通域的特征和大小完成了轴承端面缺陷的判断。于等人通过提取缺陷的形态特征参数，利用支持向量机实现了端面缺陷的检测和分类。2017年，以刘子豪， 浙江大学美，南部的白对虾为研究对象，探讨机器视觉对美，316L不锈钢管厂家南部白对虾进行分类的可行性，并提出一种新的分割算法来处理对虾粘连现象。最终识别率达到94.34%。尽管上述学者对基于机器视觉的表面缺陷检测做了大量的研究，但对厚壁钢管端面缺陷检测的研究却很少。上述研究对厚壁钢管端面的缺陷检测具有一定的参考价值，但并不完全适用于厚壁钢管端面的缺陷检测和分类。因此，本文提出了一种基于机器视觉的厚壁钢管端面缺陷检测和分类方法。