CN111855678A - 一种用于识别金属丝材表面缺陷的装置及识别方法 - Google Patents

Abstract

本发明公开了一种用于识别金属丝材表面缺陷的装置及识别方法，所述装置包括与控制终端连接的两端封闭的腔体和标注单元，所述腔体的内壁上间隔设有一组图像采集单元，腔体的一个端面上设有第一通孔，腔体的另一个端面上设有第二通孔，金属丝材由第一通孔进入腔体由第二通孔穿出，标注单元位于金属丝材穿出腔体的第二通孔附近，设置在腔体的内壁上的图像采集单元与控制终端连接，所述方法包括1）图像采集；2）目标定位；3）感兴趣区域ROI提取；4）图片归一化；5）缺陷检测；6）结果输出。这种装置成本低、实用性好、组网容易。这种方法操作方便，能提高识别效率和识别准确率，减轻工人劳动强度，降低生产成本。

Description

一种用于识别金属丝材表面缺陷的装置及识别方法

技术领域

本发明涉及机器视觉领域，具体是一种用于识别金属丝材表面缺陷的装置及识别方法。

背景技术

随着科技发展与技术革新，金属丝材在众多领域均有广泛应用，金属丝材在生产和使用过程中，由于受力不均匀等因素，会造成金属丝材表面产生各种缺陷，如轧制中产生凹坑、压伤、锯齿状缺陷；转运过程造成金属丝材刮花、起皮等；温度过高造成表面起泡，或者表面存在水油污等，这样的金属丝材在长期使用会造成缺陷的进一步加深与扩展，若未能及时检查出金属丝材表面缺陷，金属丝材可靠性和安全性产生埋下隐患，严重时会引发巨大安全事故。金属丝材表面质量检测是产品质量控制的关键环节之一，表面缺陷的准确检出和精准分类是检测过程的两个基本任务，通过缺陷检测对丝材的质量进行筛选，是提高产品竞争力的有效措施。

传统的金属丝材表面缺陷人工目视检测方法存在人工成本高、受限于主观评价因素、缺陷过小难以辨认和抽样覆盖率低等问题，除此以外，在抽检过程中，金属表面缺陷的锋利之处容易划伤，如此长期检测操作容易造成职业病，如颈椎病、视力降低等弊端，并且在高温、高速运转的生产环境下，人工质检无法满足需要。因此，通过基于机器视觉的检测技术在生产过程中进行连续的、准确的、即时的缺陷检测，以此来减轻工人劳动强度，提高良品率和生成效率，已成为企业迫切需求。

发明内容

本发明的目的是针对现有技术得不足，而提供一种用于识别金属丝材表面缺陷的装置及识别方法。这种装置成本低、实用性好、组网容易。这种方法操作方便，能提高识别效率和识别准确率，减轻工人劳动强度，降低生产成本。

实现本发明目的的技术方案是：

一种用于识别金属丝材表面缺陷的装置，包括与控制终端连接的两端封闭的腔体和标注单元，所述腔体的内壁上间隔设有一组图像采集单元，腔体的一个端面上设有第一通孔，腔体的另一个端面上设有第二通孔，金属丝材由第一通孔进入腔体由第二通孔穿出，标注单元位于金属丝材穿出腔体的第二通孔附近，设置在腔体的内壁上的图像采集单元与控制终端连接。

所述腔体的内壁被涂覆同一颜色，颜色的色彩依据不同材质的金属丝材表面缺陷对不同色彩光照下的突显度选择，颜色选取依据色相环的颜色搭配为准。

所述图像采集单元包括工业相机及设置在工业相机附近的一组照明灯，照明灯的数量为至少2个，工业相机用于采集待识别金属丝材表面图像，照明灯用于向待识别金属丝材投射照明光线，辅助工业相机采集待识别金属丝材表面图像，工业相机将待识别金属丝材表面图像数据发送至控制终端。

所述标注单元包括装有标志涂料的容器，容器连通带空气压功能的喷枪，喷枪与控制终端连接，控制终端控制标志涂料由喷枪的喷口喷注在金属丝材的表面上，标识出金属丝材表面缺陷位置，以便及时对缺陷进行处理保证金属丝材质量。

所述金属丝材表面缺陷位置为：喷枪的喷涂时刻由腔体的长度Lcm、金属丝材移动速度vcm/s(厘米/秒)和第几个图像采集单元检测到金属丝材表面缺陷三个因素决定，从金属丝材11移动方向开始对图像采集单元进行编号1至N，假设某一时刻t^k，第k，k＝1,2,…,N个图像采集单元检测到缺陷，则在

秒的延时后进行喷涂，其中γ为延时调节参数，

所述标志涂料为高附着速干颜料或荧光粉。

所述图像采集单元在腔体内壁上设置的位置及数量由以下原则确定：将腔体的长度L划分为N个等长度区域，则图像采集单元的数量为2N，其中每一个等长度区域图像采集单元以金属丝材为轴对称设置2个，2N个图像采集单元在每个区域中能够360°地采集到待识别金属丝材表面图像。

所述第一通孔和第二通孔的孔径一致且均可调，以适应不同线径的金属丝材。

控制终端对图像采集单元采集到的金属丝材表面图像数据进行处理，对图像数据进行缺陷识别与判定，并根据图像判定结果发出指令，金属丝材表面图像判定结果包括有缺陷图和无缺陷图两种结果，依据判定结果发出如下指令：

1)结果为有缺陷图时，则对缺陷检测所在区域进行喷涂标记操作；

2)结果为无缺陷图时，机器继续正常运行。

一种用于识别金属丝材表面缺陷的方法，包括上述用于识别金属丝材表面缺陷的装置，所述方法包括如下步骤：

1)图像采集：控制终端控制图像采集单元获取金属丝材表面图像；

2)目标定位：对步骤1)获取金属丝材表面图像中的金属丝材采用动态阈值分割法确定该段金属丝材在腔体内区域位置，所述动态阈值分割法为：假设待分割的原始图像的灰度值为f(x,y)，背景图像的灰度值为g(x,y)，分割后的二值图像为：

其中(x,y)是图像像素点，T为对f(x,y)与g(x,y)图像进行分割时设定的阈值，阈值将图像指定区域二值化，设定合理阈值可以突出有效信息，去除冗余信息；

3)感兴趣区域ROI(Region of Interest，简称ROI)提取：提取步骤2)中金属丝材所在腔体内区域即感兴趣区域ROI，在原图像中将该区域分割出来；

4)图片归一化：将感兴趣区域ROI图像归一化成神经网络模型所支持的图像尺寸大小，所述神经网络模型为专利申请号为201910277354.3、专利名称为“基于深度学习的金属表面细微缺陷检测方法及装置”中的神经网络模型；

5)缺陷检测：将步骤4)归一化后的图像输入已训练好的神经网络模型，神经网络模型对归一化后的图像进行缺陷检测与判决；

6)结果输出：检测判决结果输出分为无缺陷图与有缺陷图两种情况。

本技术方案与现有技术相比，具有如下特点：

(1)因现有对光线的自适应算法都难以完全合适地应用于工业场合，而本技术方案，隔绝了外界光，避免了外界光的变化对图像采集的影响，图像采集可以稳定、高效地采集待检测金属丝材表面图像；

(2)本技术方案提前采集多种金属丝材表面样本作为训练集进行模型训练，利用深度学习算法进行缺陷识别，不限于单一形态的缺陷识别，具有一定鲁棒性，且拥有较高的缺陷识别准确度；

(3)因拍摄背景色不同，金属丝材表面缺陷显现难易程度也会不同，可根据实际情况更换背景颜色找到最优拍摄背景，本技术方案中腔体内壁颜色的装涂且可进行颜色更换选择，提供了一个较好的拍摄环境，拥有较高可靠性；

(4)本技术方案可以对金属丝材表面进行全方位的图像采集，有效减少丝材缺陷的漏检率；

(5)本技术方案可配合拉丝机、振动盘等自动运输方式，能实现缺陷识别检测的自动化，提高生产效率。

这种装置成本低、实用性好、组网容易。这种方法操作方便，能提高识别效率和识别准确率，减轻工人劳动强度，降低生产成本。

附图说明

图1为实施例装置的结构示意图；

图2为实施例中图像采集单元结构示意图；

图3为图1侧视图；

图4为图2侧视图；

图5为图1正视图；

图6为实施例中方法的流程示意图。

图中，1.腔体 2.标注单元 3.图像采集单元 4.第一通孔 5.第二通孔 6.工业相机 7.照明灯 8.控制终端 9.容器 10.喷枪 11.金属丝材。

具体实施方式

下面结合附图和实施例对本发明的内容作进一步的阐述，但不是对本发明的限定。

实施例：

参照图1、3、5，一种用于识别金属丝材表面缺陷的装置，包括与控制终端8连接的两端封闭的腔体1和标注单元2，所述腔体1的内壁上间隔设有一组图像采集单元3，腔体1的一个端面上设有第一通孔4，腔体1的另一个端面上设有第二通孔5，金属丝材11由第一通孔4进入腔体1由第二通孔5穿出，标注单元2位于金属丝材11穿出腔体1的第二通孔5附近，设置在腔体1的内壁上的图像采集单元3与控制终端8连接。

所述腔体1的内壁被涂覆同一颜色，颜色的色彩依据不同材质的金属丝材11表面缺陷对不同色彩光照下的突显度选择，颜色选取依据色相环的颜色搭配为准。

如图2、4所示，所述图像采集单元3包括工业相机6及设置在工业相机6附近的一组照明灯7，照明灯7的数量为至少2个，工业相机6用于采集待识别金属丝材11表面图像，照明灯7用于向待识别金属丝材11投射照明光线，辅助工业相机6采集待识别金属丝材11表面图像，工业相机6将待识别金属丝材11表面图像数据发送至控制终端8。

所述标注单元2包括装有标志涂料的容器9，容器9连通带空气压功能的喷枪10，喷枪10与控制终端8连接，控制终端8控制标志涂料由喷枪10的喷口喷注在金属丝材11的表面上，标识出金属丝材11表面缺陷位置，以便及时对缺陷进行处理保证金属丝材11质量。

所述金属丝材11表面缺陷位置为：喷枪10的喷涂时刻由腔体1的长度Lcm、金属丝材11移动速度vcm/s(厘米/秒)和第几个图像采集单元3检测到金属丝材11表面缺陷三个因素决定，从金属丝材11移动方向开始对图像采集单元3进行编号1至N，假设某一时刻t^k，第k，k＝1,2,…,N个图像采集单元3检测到缺陷，则在

秒的延时后进行喷涂，其中γ为延时调节参数，

本例γ＝1.74。

所述标志涂料为高附着速干颜料或荧光粉，本例为荧光粉。

所述图像采集单元3在腔体1内壁上设置的位置及数量由以下原则确定：将腔体1的长度L划分为N个等长度区域，则图像采集单元3的数量为2N，其中每一个等长度区域图像采集单元3以金属丝材11为轴对称设置2个，2N个图像采集单元3在每个区域中能够360°地采集到待识别金属丝材11表面图像。

所述第一通孔4和第二通孔5的孔径一致且均可调，以适应不同线径的金属丝材11。

控制终端8对图像采集单元3采集到的金属丝材11表面图像数据进行处理，对图像数据进行缺陷识别与判定，并根据图像判定结果发出指令，金属丝材11表面图像判定结果包括有缺陷图和无缺陷图两种结果，依据判定结果发出如下指令：

1)结果为有缺陷图时，则对缺陷检测所在区域进行喷涂标记操作；

2)结果为无缺陷图时，机器继续正常运行。

一种用于识别金属丝材表面缺陷的方法，包括上述用于识别金属丝材表面缺陷的装置，所述方法包括如下步骤：

1)图像采集：控制终端8控制图像采集单元3获取金属丝材11表面图像；

2)目标定位：对步骤1)获取金属丝材11表面图像中的金属丝材11采用动态阈值分割法确定该段金属丝材11在腔体1内区域位置，所述动态阈值分割法为：假设待分割的原始图像的灰度值为f(x,y)，背景图像的灰度值为g(x,y)，分割后的二值图像为：

其中(x,y)是图像像素点，T为对f(x,y)与g(x,y)图像进行分割时设定的阈值，阈值将图像指定区域二值化，设定合理阈值可以突出有效信息，去除冗余信息；

3)感兴趣区域ROI提取：提取步骤2)中金属丝材11所在腔体1内区域即感兴趣区域ROI，在原图像中将该区域分割出来；

4)图片归一化：将感兴趣区域ROI图像归一化成神经网络模型所支持的图像尺寸大小，所述神经网络模型为专利申请号为201910277354.3、专利名称为“基于深度学习的金属表面细微缺陷检测方法及装置”中的神经网络模型；

5)缺陷检测：将步骤4)归一化后的图像输入已训练好的神经网络模型，神经网络模型对归一化后的图像进行缺陷检测与判决；

6)结果输出：检测判决结果输出分为无缺陷图与有缺陷图两种情况。

本例中，图像采集单元3包括1个工业相机6和2个照明灯7，工业相机6选用像素为2K、扫描行频为28KHz，像元尺寸为10um的线扫相机，照明灯7选用的是亮度、色温可调的线性光源，图像采集单元3为8个，腔体1划分为N＝4份，工业相机6距离丝材约4cm为标准，照明灯7与工业相机6之间角度呈约30°，此情况下工业相机6拍摄范围覆盖金属丝材11表面长度约为7cm，采用微距模式可以清晰拍摄到丝材缺陷，腔体1的长度L＝24cm，端面半径为6cm，第一通孔4和第二通孔5半径为1.5cm。

Claims (9)

1.一种用于识别金属丝材表面缺陷的装置，其特征在于，包括与控制终端连接的两端封闭的腔体和标注单元，所述腔体的内壁上间隔设有一组图像采集单元，腔体的一个端面上设有第一通孔，腔体的另一个端面上设有第二通孔，金属丝材由第一通孔进入腔体由第二通孔穿出，标注单元位于金属丝材穿出腔体的第二通孔附近，设置在腔体的内壁上的图像采集单元与控制终端连接。

2.根据权利要求1所述的用于识别金属丝材表面缺陷的装置，其特征在于，所述腔体的内壁被涂覆同一颜色，颜色的色彩依据不同材质的金属丝材表面缺陷对不同色彩光照下的突显度选择，颜色选取依据色相环的颜色搭配为准。

3.根据权利要求1所述的用于识别金属丝材表面缺陷的装置，其特征在于，所述图像采集单元包括工业相机及设置在工业相机附近的一组照明灯，照明灯的数量为至少2个，工业相机用于采集待识别金属丝材表面图像，照明灯用于向待识别金属丝材投射照明光线，辅助工业相机采集待识别金属丝材表面图像，工业相机将待识别金属丝材表面图像数据发送至控制终端。

4.根据权利要求1所述的用于识别金属丝材表面缺陷的装置，其特征在于，所述标注单元包括装有标志涂料的容器，容器连通带空气压功能的喷枪，喷枪与控制终端连接，控制终端控制标志涂料由喷枪的喷口喷注在金属丝材的表面上，标识出金属丝材表面缺陷位置。

5.根据权利要求4所述的用于识别金属丝材表面缺陷的装置，其特征在于，所述标志涂料为高附着速干颜料或荧光粉。

6.根据权利要求4所述的用于识别金属丝材表面缺陷的装置，其特征在于，所述金属丝材表面缺陷位置为：喷枪的喷涂时刻由腔体的长度L cm、金属丝材移动速度v cm/s即厘米/秒和第几个图像采集单元检测到金属丝材表面缺陷三个因素决定，从金属丝材移动方向开始对图像采集单元进行编号1至N，假设某一时刻t^k，第k，k＝1,2,…,N个图像采集单元检测到缺陷，则在

秒的延时后进行喷涂，其中γ为延时调节参数，

7.根据权利要求1所述的用于识别金属丝材表面缺陷的装置，其特征在于，所述图像采集单元在腔体内壁上设置的位置及数量由以下原则确定：将腔体的长度L划分为N个等长度区域，则图像采集单元的数量为2N，其中每一个等长度区域图像采集单元以金属丝材为轴对称设置2个，2N个图像采集单元在每个区域中能够360°地采集到待识别金属丝材表面图像。

8.根据权利要求1所述的用于识别金属丝材表面缺陷的装置，其特征在于，所述第一通孔和第二通孔的孔径一致且均可调。

9.一种用于识别金属丝材表面缺陷的方法，其特征在于，包括权利要求1-权利要求8任意一项所述的用于识别金属丝材表面缺陷的装置，所述方法包括如下步骤：

1)图像采集：控制终端控制图像采集单元获取金属丝材表面图像；

2)目标定位：对步骤1)获取金属丝材表面图像中的金属丝材采用动态阈值分割法确定该段金属丝材在腔体内区域位置，所述动态阈值分割法为：假设待分割的原始图像的灰度值为f(x,y)，背景图像的灰度值为g(x,y)，分割后的二值图像为：

其中(x,y)是图像像素点，T为对f(x,y)与g(x,y)图像进行分割时设定的阈值，阈值将图像指定区域二值化；

3)感兴趣区域ROI提取：提取步骤2)中金属丝材所在腔体内区域即感兴趣区域ROI，在原图像中将该区域分割出来；

4)图片归一化：将感兴趣区域ROI图像归一化成神经网络模型所支持的图像尺寸大小，所述神经网络模型为专利申请号为201910277354.3、专利名称为“基于深度学习的金属表面细微缺陷检测方法及装置”中的神经网络模型；

5)缺陷检测：将步骤4)归一化后的图像输入已训练好的神经网络模型，神经网络模型对归一化后的图像进行缺陷检测与判决；

6)结果输出：检测判决结果输出分为无缺陷图与有缺陷图两种情况。

Images