基於电脑视觉之即时小钢胚缺陷检测技术 - AOIEA 自动光学检测设备.PDF

基於電腦視覺之即時小鋼胚缺陷檢測技術 許朝詠 何秉修 康立威 中國鋼鐵股份有限公司 國立雲林科技大學 國立雲林科技大學 180620@.tw lwkang@.tw 摘要 自動檢測技術在鋼鐵工業已被廣泛應用以確保生產品質，在本文中我們提出一種以電腦視覺為基 礎的小鋼胚表面缺陷檢測技術，該技術所能偵測的缺陷包含裂傷、擦傷、夾渣及軋輥痕。為提升檢測 效率，我們首先對待測影像進行兩種前處理，包含自動偵測感測範圍及高動態樊維影像增強技術；經 前處理後，我們利用離散小波轉換域上的影像特徵及另外兩種基於影像亮度變異值的特徵技術來產生 特徵影像，並由特徵影像上決定可能有缺陷的位置；最後，我們利用支持向量機訓練欲偵測的缺陷模 型，並將這些可能為缺陷的位置輸入模型檢測便得到實際缺陷的位置，實驗證實我們所提出的缺陷偵 測技術準確且有效率。 關鍵字：機器視覺、小鋼胚、表面缺陷檢測 壹、前言 小鋼胚(billet)為鋼鐵業棒線材產品之上游產品，自鑄形至生產條線產品過程須經過冷卻、噴砂除 鏽、檢驗、研磨及加熱，最終軋製成條線。為確保條線產品之品質，檢驗與研磨程序依訂單等級有所 區分，越高品級棒線產品對應至越高的研磨等級，而越高研磨等級之檢驗方法也越嚴格，以期能檢出 更輕微之缺陷，導致檢驗與研磨成本提高。 傳統小鋼胚表面缺陷檢測方法分為目視檢驗及磁粉探傷檢驗。此二方法均須經冷卻及噴砂除鏽處 理，而辨識也皆依靠檢驗人員經驗判定，主要差別是磁粉探傷須上磁後以紫外線燈照射探傷。在此人 工識別的作業條件下，小鋼胚從軋延至完成表面缺陷檢驗所需時間需三個小時以上，對於棒線材生產 效率之影響甚鉅。此外，缺陷種類可反映出缺陷形成的原因並回饋給上游改善煉鋼及軋延製程。煉鋼 所產生之缺陷有針縫、線縫、轉角裂縫、夾渣、海綿狀及撕裂等，而經軋延所形成之缺陷有刮傷與剝 片等。若能將此表面缺陷檢測步驟自動化，除可大量提高生產效率，降低研磨數量，更能即時向煉鋼 及軋延單位回饋鑄胚品質資訊，避免不良品大量產出。 小鋼胚表面缺陷檢測自動化系統的主要核心技術為缺陷偵測及缺陷特徵描述，為有效率地發展該 系統，針對這兩個核心技術，我們首先自現有文獻中了解目前技術的瓶頸並試圖尋找可能的解決方案 作為系統發展的基礎。 在缺陷檢測相關文獻中，Yun[2]在 2009 年提出利用賈柏濾波器(Gabor filter)實現鋼材影像的表 面缺陷檢測。其原理為利用賈伯濾波器強化特定方向的線條特徵，並透過雙門檻值(threshold)來進行 缺陷偵測。該研究能分辨出鋼材影像中的細裂縫（thin crack ）和轉角裂痕（corner crack ），並依其 產生缺陷的位置不同而各自利用了動態編碼搜尋演算法 (Dynamic Encoding Algorithm for Searches, DEAS)[2,3,4]來最佳化賈伯濾波器所需要的參數，但經實際測試發現賈伯濾波器對區域型 缺陷的偵測效果相當有限。同年，Jeon [5]等人提出利用離散小波轉換(Discrete Wavelet transform, DWT)對熱胚狀態的小鋼胚表面進行缺陷偵測，其主要精神在於利用小波轉換將與缺陷無關的表面光 源及影像結構移除，而缺陷位置通常因表面不平整造成陰影導致較低的影像亮度值 ，故依此為特徵進 行偵測，其結果如圖 1 所示; 雖然在小波轉換域上增強缺陷特徵在實驗中證明是有效的，但由於取像 設備的差異(如圖 1 所示，[5]在熱胚狀態下以 550nm 藍光 LED 為光源取像)使得我們的待測影像有較 高的雜訊，因此若要在小波轉換遇上增強缺陷特徵，必須先解決雜訊過高的問題。缺陷被偵測出來後， 下一步驟為特徵抽取與篩選，而無論是缺陷的幾何特性[5]如長寬、位置、面積等;或是缺陷的影像特 徵如亮度、變異值（variance ）及直方圖(histogram) ，目的皆是以這些特徵有效地描述缺陷。Vilar 在[7] 中使用主成份分析法（Principle Component Analysis, PCA ）[8]篩選特徵以實現雷射焊接的缺 陷偵測。其中 PCA 主要目的在於依序找出資料群當中的有鑑別力的主要維度，再去除掉其中較無鑑