国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

1 前 言

  近年來我國鋼鐵工業發展迅速，鋼產量每年以超過20%增長，連續11 年位居世界第一；2003年粗鋼產量已達2.234億t，2006年粗鋼及鋼材產量更首次超過4億t，分別達到4.042億t和4.227億t，超過美、俄、日總產量之和。然而生產這么多鋼鐵需要大量礦石、能源等資源，如何節能、降耗、減排和提高品種質量是當前鋼鐵工業可持續發展和在激烈的市場競爭中立于不敗之地的關鍵。特別是品種質量和生產高附加值的產品更為重要，而我國在這方面與西方發達國家仍有較大的差距，解決的方法除了采用先進工藝、設備大型化以外，自動化技術更為重中之重。

  建立計算機質量管理系統是近年來保證質量的重要措施，其中檢測和控制技術是其基礎，雖然這方面有很大的進步，然而許多過程仍然靠目視人工操作，許多過程判斷和產品質量，特別是表面質量仍然靠人工目視判斷，這就大大影響產品的質量和生產效率。例如目前大口徑石油或天然氣輸送用的直縫或螺旋焊管的生產主要停留在人工監控階段，生產中工人只能根據燈是否照在焊縫中間來判斷焊槍是否偏離焊縫，長時間注視燈光容易造成工人視疲勞，影響工人操作的準確性，進而影響焊縫的質量；又例如棒材生產中的螺紋鋼棒計數、連鑄生產中的鑄坯長度測量，常規方法往往有誤差和出錯，此外，在許多場合下，還得靠人工目視監控，這就不僅勞動強度大，耗費崗位人員，且難以保證質量。

  近年來，檢測方法趨向無接觸，在鋼鐵工業使用圖象處理技術(熱門名字稱“機器視覺”，代替人工監測)是解決上述問題的主要趨向和熱門技術，并取得一定效果，本文將主要敘述它的基本原理、構成、應用實例和效果以及存在問題。

2 機器視覺的基本概念與構成

2.1 機器視覺與工業視覺及其構成

  機器視覺就是用機器代替人眼來測量和判斷。通過圖像攝取裝置將被攝取目標轉換成圖像信號，傳送給由計算機組成的圖像處理系統，根據圖象分布和亮度、顏色等信息，轉變成數字化信號；并由處理軟件對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。

  機器視覺分為兩類：即PC式或板卡式機器視覺系統以及嵌入式機器視覺系統。后者即智能照相機(Smart camera)或視覺傳感器(Vision sensor)。PC式視覺系統是一種基于PC機的視覺系統，一般由光源、光學鏡頭、CCD或CMOS相機、圖像采集卡、圖像處理軟件以及一臺PC機組成。智能相機并不是一臺簡單的相機，而是一種高度集成化的微小型機器視覺系統。它將圖像的采集、處埋與通信功能集成于單一相機內，從而提供了具有多功能、模塊化、高可靠性、易于實現的機器視覺解決方案。

  機器視覺核心部分是圖像處理系統，無論硬件或軟件都離不開計算機，故常稱為計算機視覺，它已被大量應用于遙感圖象分析、文字識別、醫學圖象處理、多媒體技術、圖象數據庫、工業檢測與軍事等方面。由于在工業領域中, 隨著生產過程高度自動化和產品質量需求提高，要求有更有效、更精確和高速度的利用圖象處理及計算機視覺技術來進行檢測和控制，特別是它能進行無接觸和無損檢測和測量, 對提高產品質量及生產效率、緩和勞動力昂貴等起重要作用。計算機視覺的應用已從國防工業轉向民用工業，工業視覺系統是其重要領域。工業視覺系統與普通視覺系統的區別，不在于圖象處理的理論方法，而在圖象處理實現的技術，在于工業應用環境的特殊要求。工業視覺系統一般是在線工作，被測物體是運動的，圖象的獲取與物體的運動同步進行，被測物體處于雜亂背景中，必須將其從中提取出來。此外, 檢測結果必須及時報告或通訊給其他執行系統，故必須包括一些必要的子系統、光源和光學成像系統、攝像與圖象處理系統，用于控制攝像、圖象處理、圖象分析和與生產線的同步通訊系統，輸出檢測結果系統。工業視覺系統往往不止測量監視，且需閉環控制才能收到最大效果。此外，由于工業對象的復雜性，大都是非線性，且有些對象滯后大、干擾大、變化大，往往難以用常規數學模型描述，PID控制難以適應，而需要采用先進控制方法，特別是應用模糊控制、神經元網絡，故工業視覺系統是多種技術的結合，其典型系統如圖1所示。

 

2.2 工業視覺的硬件及軟件

  典型工業視覺系統一般是PC式或板卡式系統，圖像的處理則是在圖像采集/處理卡的支持下、由處理軟件在PC機中完成。隨應用的問題不同, 各子系統有很大的不同, 根據求解的問題不同，分別選擇或設計不同的子系統, 最后集成為一個完整的系統。但基于PC的機器視覺系統尺寸龐大、結構復雜，其應用系統的開發周期長，成本較高。目前，出現--種新型的智能相機，即專業化適用于某些行業、某些特定應用的智能相機，而某些工序的檢測內容比較固定，可以通過較少的硬件和軟件算法來構成系統，這樣既可以達到很高的效率又可以使成本降低，而向傳統的基于PC的工業視覺系統提出了挑戰。硬件要妥為選擇，因為硬件的成像質量將影響視覺軟件處理和分析結果。硬件包括光源、光學鏡頭、CCD或CMOS相機、圖像采集卡以及一臺PC機。相機分辨率是一項重要指標。不同的工業應用環境、被測物體的大小和精度差別對工業視覺系統采樣分辨率都有不同的要求。在空間方面, 必須滿足采樣定理, 保證獲取圖象空間的分辨率足以表征被測物的最小缺陷尺寸；在灰度方面, 光源必須有足夠的照度, 攝像機必須有足夠的靈敏度和動態范圍。大多數應用中, 采用普通512 ×512×8 面陣CCD 攝機機和線陣1024CCD 攝像機就能滿足需要。在某些要求極高的場合中, 必須研制光學成像系統或增加多套攝像系統。圖象的處理能力和速度是工業視覺系統另一個重要指標。在典型的工業視覺系統中, 圖象處理需要完成相當大的計算量, 故計算機速度要快，有時還需要專用的實時圖象處理系統與之相配合。

  對于軟件，需要完成精確的維數測量，抑制無用信號，增強有用信號，檢測特征的尺寸、位置和形狀, 識別特征表征的物體、標號或缺陷等，確定位置、方向并決策等任務，已出現了許多商用實時圖象系統, 它們將許多通用算法, 如算術邏輯運算、鄰域或線中值濾波、數學形態學濾波、直方圖、二值相關濾波、特征提取等, 制成積木化的硬件模塊, 可以組合選用,這些實時圖象處理系統還提供了許多附加功能, 如感興趣區處理, 隔行掃描圖象輸入, 與逐行圖象處理實時雙緩沖同步等。
軟件處理包括把圖像數字化(即由計算機把模擬圖像離散化、數字化，其常用表示有陣列法和鏈碼法)和數字圖像處理。數字圖像處理是將離散圖像陣列作某種“運算”、“變換”、“修飾”或“處理”，最終實現對圖像的“評價”、

“識別”和“理解”。

  數字圖像處理方法含圖像處理、圖像分析和圖像理解三個層次；機器視覺主要是前兩個層次。圖像處理。目的是改善視覺效果和表現形式以便于圖像分析，一般包括圖像增強和圖像分析。圖像增強(分兩類：改善圖像視覺效果和突出圖像特征)、圖像平滑(即去噪聲處理提取有用信息，近年來廣泛應用非線性濾波器，即把局部區域中灰度中值作為輸出灰度，并將其與統計學理論結合，使用迭代方法，能比較理想地將圖像從噪聲中恢復，并能保護圖像輪廓邊緣，不使其模糊)、邊緣銳化(目的是加強圖像中的輪廓邊緣，達到把物體從圖像分離出來，它采用高通濾波器濾去圖像中的低頻分量，使圖像的邊緣和細節清楚，實現圖像銳化)以及圖像數據編碼和壓縮(因為數字圖像的數據量龐大，變換壓縮方法是將整幅圖像分成一個個小的數據塊，再將這些數據塊分類、量化，從而構成自適應的變換壓縮系統)。圖像分析。主要內容是：圖像分割、圖像特征(幾何形
狀、邊界描述、紋理特性等)提取。

  商品機器視覺軟件一般包括以下幾類：

  ① 應用軟件(如CORECO公司的Sherlock)。此類機器視覺軟件允許用戶對產品的特性進行測量。通過友好的界面，用戶可進行產品檢測、特征讀取、條碼讀取等操作。同時，可判定和拒絕不合格產品。

  ② 軟件開發包(如CORECO公司的WIT)。它基于獨特的圖標式用戶界面，可使用戶快速的開發、測試圖像處理算法。在此類軟件中，函數是以圖標形式存在，并可通過圖標間的轉移定義數據的運算。通過這一高度交互式的接口設計，可快速對開發出適用于機器視覺的圖像處理算法。同時，此類軟件無需用戶具有C語言編程基礎。

  ③ 機器視覺算法庫(如CORECO公同的SMART Series)。包括圖像識別、光學字符識別(OCR)、2D矩陣/條形碼解碼等。商品軟件已從多功能轉向檢測算法的準確性和高效性，通常這類軟件可提供：搜索、光學字符識別、邊緣、Blob(斑點)分析、卡尺工具等多種檢測功能。

  視覺硬件和軟件國內外均有公司提供，國外，如日本生產的AVENIR鏡頭、MINTRON CCD攝像機和各類智能相等，德國西門子公司生產的VS721～725視覺系統，美國Legend公司的DVT540智能圖像傳感器及DVT Framework用戶界面(包括硬件和軟件,可提供通信、編輯、產品、圖像、軟傳感器、I/O、圖表、窗口和幫助等功能。軟傳感器包括：位移、旋轉、亮度、邊緣計數、特征計數、測量、數學工具、閱讀器、Blob工具、模塊匹配、目標定位、像素計數、色彩監測、分割等)。國內如北京大恒視覺公司生產的CG系列圖象采集卡等、北京凌云光視數字圖像公司和北京智能谷科技公司也提供各類視覺產品。

  綜上所述，應合理地選擇商品視覺軟件，可以較快完成項目開發，往往認為自行開發全部軟件成本低，但實際上時間長，而且很難趕上專業開發的商品軟件，因此只有對視覺軟件開發很有經驗，且已開發過多個視覺軟件和為降低視覺軟件成本時才自行開發全部視覺軟件或開發自己的商品視覺軟件包。商品視覺軟件包有許多種，價格差別也很大，因此要從需求，如要求的精度、速度、魯棒性、編程難易來綜合考慮。

  3 機器視覺系統在鋼鐵工業應用現狀

  3.1 概 況

  在鋼鐵工業，由于視覺檢測往往是不可缺少的環節和工業視覺技術的發展，在這高速、大批量的連續生產中，迫切要求使用自動化的工業視覺代替人工目視。在鋼鐵工業主要用于質量檢查、目標或位置辯識、尺寸檢測和機器人視覺等方面，已不僅作為監測，并已作為監控或閉環控制。其應用簡況見表1。

 

3.2 典型應用案例

  （1）重軌表面缺陷檢測系統。目前，重軌表面缺陷的檢測方法有目測法、超聲波檢測和電渦流檢測等。目測法是目前很多重軌企業采用的一種方法；超聲波檢測是一種標準檢測方法，但其檢測時要求被檢測表面有較低的粗糙度值，且不適合做復雜曲面的檢測，只能用于檢測軌底部分，電渦流檢測精度高，可以檢測復雜的重軌全表面，但其檢測往往存在過檢測的問題，且檢測分辨率不容易調整，使得其操作彈性較小。基于工業視覺的重軌表面缺陷檢測將為重軌檢測開辟一個新的領域。重軌圖像的自動采集與原來靠人眼檢測相比，大大降低工人的操作隨機性，減少漏報問題，提高質量檢測的自動化水平，提高企業的生產效率。

  1）重軌幾何特征及表面缺陷的種類。重軌的表面是多平面、多曲面的組合面，重軌的橫截面如圖2所示。圖中所示尺寸為公稱重量為60kg/m規格的重軌。重軌規格尺寸與其公稱重量有關，形狀大體相同。重軌分為三個部分：軌頭、軌腰和軌底。重軌的全表面共有弧面18個，平面6個。分別是軌頭踏面、軌頭側面、軌頭底面和軌底底面。軌底頂面由幾段圓弧和短直線組成，不是一個平面。軌腰也是由兩段曲率半徑較大的圓弧組成，其外觀近似平面。重軌的具體尺寸，可以從TB/T2344等相關標準中獲得。

  重軌的表面缺陷種類多達幾十種，出現概率較高的表面缺陷有15種之多：結疤、軋疤、輥印、線紋、底裂、橫裂、軋裂、折疊、冷傷、過燒、矯傷、凸泡、耳子、瘤子、表面夾雜等。上述表面缺陷是從攀鋼軌梁廠歷年來的產品中歸納出來的，具有很強的代表性。經過調研和分析，確定需要進行分類的缺陷一共有8種：結疤、軋疤、輥印、線紋、底裂、冷傷、矯傷和表面夾雜。

  2）重軌表面缺陷在線檢測硬件系統(如圖3所地示)。重軌表面為多平面、多曲面的復雜表面，只單個電荷藕合器件(CCD)無法完成全表面的圖像采集。重軌表面缺陷是在線檢測，重軌以某一速度運行，故系統采用曲線陣CCD和光源構成的離散采集單元；熱態下檢測相機與重軌的距離約1.3m，在鏡頭前加濾光鏡，冷態下相機與重軌的距離為1m，LED光源與重軌表面夾角α成45°～60°。重軌表面需要檢測到的最小尺寸為0.4mm, 故系統的最小分辨率σ= 0.4mm。由于重軌的尺寸限制，采集單元在重軌表面的分布呈現離散化分布。每組采集單元之間的間距不小于400mm。采集單元由同步器控制，同時觸發采樣。觸發采樣的頻率則是由安裝在重軌控制線上的轉速編碼器決定的，以使重軌在恒定或變速度運行，都能正確成像。

  3）重軌圖像識別系統包括圖像采集、圖像識別、缺陷檢測等部分。當系統檢測到重軌到達時，觸發圖像采集裝置，采集重軌各個表面圖像, 再把圖像傳給字符和圖像識別部分，通過一定的技術，最后識別出重軌缺陷和對應重軌號等。

  ① 重軌表面字符分割與識別。它類似于車牌字符識別，先將字符區域分割成單個字符，然后再進行識別。字符分割采用垂直投影法；字符識別方法目前主要有基于模板匹配算法和基于人工神經網絡算法，采用直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。

  ② 缺陷圖像分析與處理。重軌表面的各種缺陷的判別主要是依靠缺陷深度，一般當缺陷的深度為1～3mm甚至更深時，便判定為不合格重軌，同時發出警報，并記錄缺陷情況，以便管理人員及時處理。它包括：缺陷信息定位(由于一根重軌較長且包含很多干擾信息，若對整幅圖像進行缺陷提取會產生很大的運算量，延長處理時間，并且易受到諸多干擾信息影響，因此應該先進行缺陷區域定位)、圖像預處理(由于圖像在采集、獲取、傳輸過程中，會不同程度地被噪聲、震動等影響，因此首先要對圖像進行去噪處理)、圖像邊緣檢測(采用Canny算法來精確定位缺陷邊緣，經過Canny算子的檢測，得到的圖像是一幅反映邊緣位置的二值圖像。再采用8—連通法標記二值像中的連接部分，將圖像里面不同的信息標注出來, 再將有用的缺陷信息提取出來)以及圖像分析與識別(對于重軌表面缺陷而言，不同的缺陷其特征參數必然不同，比如底裂, 其主要參數為線度，而矯傷，主要參數為整體凹度，對于軋疤，其主要參數則為圓度或矩形度。由于重軌表面缺陷灰度特征比較相似，所以缺陷識別分類主要就是根據缺陷的幾何特征如面積、周長、矩形度、圓形度等特征，采用某種分類判別函數和判別準則，對圖像信息進行分類和辨識。由于輸入向量少的特點，故選用學習矢量化(LVQ)神經網絡對缺陷進行識別分類)。

  本系統于2007年3月在攀鋼重軌生產車間對高速運動中的重軌表面成像進行實驗，實驗得到清晰的重軌連續圖片，達到較好的效果。

（2）焊縫自動跟蹤系統。在直縫或螺旋焊管生產中，焊縫自動跟蹤是保證焊接鋼管生產中的焊接質量，實現焊接自動化的重要環節。目前主要停留在人工監控階段，完成自動跟蹤糾偏，是制管行業的重要課題。

  1）系統框圖及工作原理。如圖1所示，系統硬件包括十字滑塊、工業控制計算機、控制接口電路、VIDEO- PCI-XR圖像采集卡、CCD傳感器、AC4064 I/O板等。CCD 傳感器將實際焊縫圖轉化為視頻信號, 圖像采集卡將視頻信號轉化為數字信號。利用VC+ + 6. 0 自編軟件對上述數字圖像進行濾波、二值化等處理, 獲取焊縫偏差信息。對數字圖像進行圖像處理分析得到焊縫偏差, 將焊縫偏差送入智能控制器, 通過一定的控制算法得到的數字量, 經D/A轉換器轉換為模擬量, 由I/O接口電路調節十字滑塊(即被控對象——焊炬) , 最終調整焊炬準確對準焊縫實現糾偏, 從而達到精確跟蹤的目的。

  2）焊縫識別方法。包括：圖像分析(根據所攝取的圖像,提取所需處理的區域圖像數據，選擇了包含焊縫在內300 ×200個像素大小的窗口區域作為圖像處理對象, 這樣包含了所有有用的信息, 既節省了存儲空間又加快了圖像的處理速度和提高系統的性能)、濾波處理(增強圖像中的特征線, 使背景色和特征線容易區別；濾波處理是通過模板進行操作，該模板對圖像垂直方向進行增強處理)、二值化處理(對濾波后的圖像進行線性變換近似于二值化處理線性變換將背景設置為0 灰度, 將特征線設置灰度為255。把原始圖像以一定的準則找出一個合適的灰度值作為閾值, 然后把上述方法分割后的圖像按一定公式進行處理；要從復雜的景物中分辨出目標并將焊縫形狀完整地提取出來，閾值選取是閾值變換分割技術的關鍵。如果閾值過高，則過多的目標點被誤判為背景；閾值選得過低，則會出現相反的情況。目前閾值選取的方法很多, 幾種常用的方法是: 直方圖閾值分割法、類間方差閾值分割法、二維最大熵閾值分割法、模糊閾值分割法、共生矩陣閾值分割法等。本系統采用了一種迭代求圖像最佳分割閾值的算法)以及Hough 變換(二值化處理后的圖像經過Hough 變換, 提取兩對接鋼板的焊縫線)。

  3）焊縫跟蹤模糊控制器。焊接是一個非常復雜過程，影響焊接的因素具有不確定、非線性的特點, 故采用經典控制的理論和方法進行控制，在實際焊接生產中不能得到令人滿意的結果。在本焊縫自動跟蹤控制系統中，采用Fuzzy—P 雙模分段控制, 所謂Fuzzy—P 控制就是在大偏差范圍內采用比例控制(P 控制) , 以提高系統響應速度, 減少調節時間；而在小偏差時采用模糊控制(Fuzzy 控制) , 以減少系統超調, 提高系統響應的平穩性和控制精度。兩種控制方式的切換是根據預先確定的偏差閾值來實現的。

  本系統試驗結果為：響應速度快, 傳感器的分辨率可達0. 05 mm.像素, 圖像處理識別誤差小, 能在各種干擾的情況下正確識別, 準確率高。采用自調整比例因子Fuzzy—p 控制有效地提高了系統的控制特性, 系統能較準確自動定位和自動準確跟蹤，滿足螺旋管外焊的焊接要求。

  （3）帶鋼表面缺陷自動檢測系統。帶鋼常見的表面缺陷

有：劃痕、折印、銹斑、輥印、針孔甚至裂紋等。在生產中必須剔除有缺陷的產品，以保證質量。缺陷自動檢測的典型方法
有：基于激光掃描法、渦流法]紅外輻射探傷法、超聲波探傷法以及CCD成像機器視覺法等。由于CCD成像機器視覺法與其他技術相比，它更適合于在線高速測量，它能確定缺陷的位置、識別缺陷類別和保持缺陷圖像供檢查之用，故在國內外進行了大量研究和生產這類缺陷檢測裝置，特別是國外已有許多這樣的產品，如德國Parsytec公司的HTS-2冷軋帶鋼表面檢測系統，近來推出的Espresso-SI系統、美國Cognex公司的金屬帶卷表面檢測系統(SmartView Metal)等。國內也在研制的，如圖4所示的冷軋帶鋼表面質量檢測系統，它由檢測裝置、并行計算系統、服務器和控制臺組成。檢測裝置安裝在生產線上，由攝像頭、光源和檢測橋組成。為了能夠同時檢測上、下表面，在上、下表面各放置一套檢測裝置。攝像頭為標準的黑白工業用面陣CCD攝像頭，并采用多攝像頭同步采集圖像的方式。攝像頭放置在帶鋼的寬度方向上，相鄰攝像頭采集到的圖像是重疊方式，重疊部分在圖像處理中由軟件消除。

  每套檢測裝置中各放置6個攝像頭，總共用了12個攝像頭。由于生產線生產的帶鋼寬度范圍為1000～1250mm，因此設定每個攝像頭最大的采集寬度為220mm，而每個攝像頭在寬度方向上采集的象素為768個，因此在寬度方向上系統的檢測精度為220/768=0.3mm。攝像頭采集的速率為25幀/s，由于采集到的每一幀圖像由奇數場和偶數場拼接而成，因此在采集運動圖像時，奇數場與偶數場之間有錯位，造成了運動圖像的模糊。這就需要將攝像頭設置成按場采集的模式，并且只取奇數場(或偶數場)。攝像頭實際的采集速率為25場/s，每一場圖像的行數為288行。攝像頭在帶鋼橫向與縱向的采集尺寸之比是固定的，為4:3，因此攝像頭在帶鋼縱間的采集長度為220×3/4=165(mm)，檢測精度為165/288=0.6(mm)，系統能檢測的最高運行速度為0.165×25=4(mm)=240(m/min)。由于生產線的最高運行速度為90m/min，遠小于系統所能達到的最高檢測速度，所以造成了在帶鋼縱向上采集的圖像將會有很大的重疊，為了減少圖像之司的重疊程度，對每場圖像只取120行用于后面的處理。

  系統中光源的放置如圖5所示。系統選用LED面光源，發射的光是平行光，攝像頭放置的位置不是在入射光的反射光路上。如果鋼板表面沒有缺陷，那么光源在鋼板表面產生鏡面反射，攝像頭采集不到光源發射的光，圖像的背景是黑的。如果鋼板表面有三維缺陷(凹凸性的缺陷，如劃痕、折印、輥印等)，那么入射光在鋼板表面產生漫反射，攝像頭就可采集到光線，因此在圖像中，缺陷區域是亮的。這種照明方式是通常所說的“暗場照明”，適用于檢測三維缺陷。

  檢測橋用于固定光源和攝像頭，底部裝有輪子，并在地基上安裝導軌，以便在系統維護時把它從生產線上抽走，不對生產線造成影響。檢測橋用蓋板封裝起來，避免外界光線的進入。攝像頭采集的圖像傳送給并行計算系統，由并行計算系統對圖像進行實時處理和分析。并行計算系統安裝在19控制機柜中，由于攝像頭到并行計算系統的線纜不能過長，故控制機柜放置在生產線附近。系統對圖像處理和分析的所有算法都在并行計算系統中實現，經過處理后就可以得到缺陷的信息，包括缺陷的尺寸、部位、類型、等級等。缺陷的信息通過l00Mb/s的以太網傳送給服務器，在服務器中把這些缺陷進行合并和保存。服務器發出控制指令，如檢測的開始、停止、暫停，以及帶卷的加入和結束等。服務器實時獲取帶卷的運行速度，以便根據運行速度得到帶卷的位移，從而獲取缺陷在帶卷上的實際位置。

  服務器中不僅保存缺陷的信息，而且保存缺陷的圖像，需要保存的數據量非常大。可以添加一個海量存儲器，如磁帶機等，將缺陷的歷史數據保存到海量存儲器中。通過控制臺可以觀察到缺陷的在線檢測結果,也可調出缺陷的歷史數據進行分析，也可根據用戶要求生成檢測報表并打印。

  本系統已經成功地在武鋼集團海南公司冷軋精整線上使用。

4 工業視覺系統在鋼鐵工業應用前景

  表2列出了鋼鐵工業的主要工序中目前還是使用人工目視方法進行監控的，急需要自動檢測，而這些都是可以用工業視覺系統來代替的，項目很多，需求很大，故前景是廣闊的。

目前鋼鐵工業使用工業視覺系統雖然也有一定進展，但也存在許多問題，主要為：

  ① 大量生產情況靠人工目視監控，影響生產和產品質量、耗費人力。而工業視覺是一門較新的科學，很少人了解，故應進一步普及，特別是應使現場人員知道它可解決什么問題；

  ② 目前鋼鐵工業使用工業視覺系統大都是引進的，國內的主要是學校、科研單位研制的系統，均是研究性質或科研基金項目，未能形成產業，而靠高技術人員或研究生進行，難以人員固定，更難以精益求精和高質量及高可靠性，價格也昂貴；

  ③ 大都是基于PC計算機的系統，很少使用智能相機方式，因而軟件工作量大，價格昂貴，也不便大量推廣，而許多項目有共同點，如冷熱板、中厚板甚至鋼管，其表面缺陷檢測大都大同小異，完全可以造專門行業智能相機方式，以降低價格和大量推廣；

  ④ 軟件大都每個項目分別開發，很少使用軟件包方式，因而開發周期長，耗費大量人力；

  ⑤ 適合鋼鐵工業的工業視覺系統的軟件平臺國內基本很少人研究，硬件也大都進口。

5 結束語

  工業視覺在鋼鐵工業不僅可以提高質量和生產高附加值的產品，而且有很大商機，據統計，對于機器視覺的研究應用，日、德、美等發達國家早在60年代就開始了，到上世紀90年代，隨著光電子技術的發展，機器視覺已取得了廣泛應用，市場潛力巨大。1984年，西歐的工業視覺系統銷售達589萬美元，到1989年達4320萬美元；美國，1984年達6000萬美元，到1994年達12億美元；日本，2000年達300~400億日元，另據“視覺系統國際公司”的市場調查報告，1999~2004年北美機器視覺市場規模從16.8億增到19億美元，年增長率12.4%。國內雖發展較慢，但潛力很大，必將繼北美、歐、日后為第四大市場，鋼鐵工業在工業中占分量很大，其應用方開始，必然前途廣闊，市場很大。因此，發展工業視覺系統在鋼鐵工業中應用是急不容緩了。此外，由于有許多商品的工業視覺硬件和軟件，開發和生產工業視覺其實不算太難，完全可以象設計常規工業自動化系統那樣，使用集成方法來完成。

參考文獻

[1]馬竹梧等.鋼鐵工業自動化（煉鋼卷）.北京：冶金工業出版社，2003.

[2]李煒等.基于機器視覺的帶鋼表面缺陷檢測系統[J].華中科技大學學報（自然科學版），2003，31（2）：72～74.

[3]王全才等.燒結機尾紅外熱成像計算機視覺及信息處理系統.山東冶金，2002，24（5）：38～40.

[4]顏發根等. 基于PC的機器視覺系統.PLC & FA，2004，（7）：129～131,140.

[5]凌云光視數字圖像公司. 機器視覺軟件.PLC & FA，2004，（7）：132～140.

[6]張文偉等. 非接觸式自動定尺切割系統.PLC & FA，2005，（2）：109～11 .

[7]徐科等. 冷軋帶鋼表面質量自動檢測系統的在線應用研究.冶金自動化，2003；27（1）：51～53，74.

[8]成鵬飛等. 基于機器視覺的鋼棒自動計數系統.冶金自動化，2008，32（1）：22～26.

[9]楊水山等. 帶鋼視覺檢測系統的研究現狀及展望.冶金自動化，2008，32（2）：5～9，15.

[10]黃文清等.計算機視覺技術在工業領域中的應用.浙江工程學院學報，2002，19（2）：92～96.

[11 ]葉蘇茹等. 2基于機器視覺的重軌表面缺陷檢測系統的研究.現代制造工程，2007，（8）：89～93.

[12]Johann Reisinger.視覺表面檢查系統的開發和應用.國際冶金設備和技術，2002,1 : 80～82.