CN108445008A - 一种带钢表面缺陷的检测方法 - Google Patents
一种带钢表面缺陷的检测方法 Download PDFInfo
- Publication number
- CN108445008A CN108445008A CN201810164179.2A CN201810164179A CN108445008A CN 108445008 A CN108445008 A CN 108445008A CN 201810164179 A CN201810164179 A CN 201810164179A CN 108445008 A CN108445008 A CN 108445008A
- Authority
- CN
- China
- Prior art keywords
- defect
- picture
- parameter
- merit
- measure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 154
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 33
- 239000010959 steel Substances 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 239000000463 material Substances 0.000 claims description 31
- 238000007689 inspection Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 9
- 230000035945 sensitivity Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000005028 tinplate Substances 0.000 description 2
- BVPWJMCABCPUQY-UHFFFAOYSA-N 4-amino-5-chloro-2-methoxy-N-[1-(phenylmethyl)-4-piperidinyl]benzamide Chemical compound COC1=CC(N)=C(Cl)C=C1C(=O)NC1CCN(CC=2C=CC=CC=2)CC1 BVPWJMCABCPUQY-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种带钢表面缺陷的检测方法,该方法包括:对相机的参数、检测亮度以及灰度值进行标定,获得标定参数;根据所述标定参数对待检测的带钢进行拍摄,获得带钢图片;基于预先收集的包含缺陷的图片对检测软件进行效果测试;根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数;基于所述调整后的参数对所述带钢图片进行检测。本发明的方法解决了现有技术中存在检测结果不准确的技术问题。
Description
技术领域
本发明涉及带钢表面检测技术领域,尤其涉及方法一种带钢表面缺陷的检测方法。
背景技术
在带钢的生产过程中,带钢的表面缺陷是衡量产品质量的重要指标之一,例如冷轧薄板的生产中,马口铁喷雾罐、化工桶、食品罐等对表面质量要求较高,通常需要对其钢材进行表面缺陷检测。
现有的带钢表面缺陷检测方法中,通常通过检测***的摄像机拍摄带钢的图片,然后通过人工分析图片来确定表面是否存在缺陷,然而由于实际生产过程中,缺陷的大小和种类多种多样的,现有的检测***无法适应缺陷的变化,通过现有的观察图片的方法可能会导致有些缺陷无法检测出,或者由于图片光线等问题,将没有缺陷的图片识别为缺陷,从而影响生产。
由此可知,现有技术中存在检测结果不准确的技术问题。
发明内容
本发明实施例提供一种带钢表面缺陷的检测方法,用以解决现有技术中存在的检测结果不准确的技术问题。
为了解决上述技术问题,本申请的技术方案为:
一种带钢表面缺陷的检测方法,包括:
对相机的参数、检测亮度以及灰度值进行标定,获得标定参数;
根据所述标定参数对待检测的带钢进行拍摄,获得带钢图片;
基于预先收集的包含缺陷的图片对检测软件进行效果测试;
根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数;
基于所述调整后的参数对所述带钢图片进行检测。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的带钢表面缺陷的检测方法,由于在进行带钢图片的拍摄前,对相机的参数、检测亮度以及灰度值进行了标定,从而避免因检测亮度和相机参数的差异导致的图片与实际特征存在差异的情况,有利于提高检测的准确性,并且,本发明可以通过预先收集的包含缺陷的图片对检测软件进行效果测试,并可以根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数,这样调整后的参数可以保证较好的测试效果,因而进一步提高了检测的准确性,解决了现有技术中存在的检测结果不准确的技术问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1本发明实施例中一种带钢表面缺陷的检测方法的流程图。
图2为应用本发明实施例中带钢表面缺陷的检测方法的检测效果图。
具体实施方式
本发明实施例提供一种带钢表面缺陷的检测方法,用以解决现有技术中存在的检测结果不准确的技术问题。
为了解决上述现有技术存在的技术问题,本申请实施例提供的技术方案的总体思路如下:
对相机的参数、检测亮度以及灰度值进行标定,获得标定参数;根据所述标定参数对待检测的带钢进行拍摄,获得带钢图片;基于预先收集的包含缺陷的图片对检测软件进行效果测试;根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数;基于所述调整后的参数对所述带钢图片进行检测。
本发明中的上述方法,由于在进行带钢图片的拍摄前,对相机的参数、检测亮度以及灰度值进行了标定,从而避免因检测亮度和相机参数的差异导致的图片与实际特征存在差异的情况,有利于提高检测的准确性,并且,本发明可以通过预先收集的包含缺陷的图片对检测软件进行效果测试,并可以根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数,这样调整后的参数可以保证较好的测试效果,因而进一步提高了检测的准确性,解决了现有技术中存在的检测结果不准确的技术问题。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
在本实施例中,提供了一种带钢表面缺陷的检测方法,请参见图1,上述方法包括:
步骤S101:对相机的参数、检测亮度以及灰度值进行标定,获得标定参数;
具体来说,在采集照片前对相机参数、检测亮度以及灰度值进行标定,例如可以将相机工作场分为明场和暗场,其中,明场对应的检测亮度值为50%、图像灰度值为110,暗场对应的检测亮度值为50%、图像灰度值为55,其中灰度值有上下5个单位的浮动。此外,还可以对拍摄角度进行调整。
具体来说,所述缺陷特征数据可以包括:缺陷的类型以及缺陷的大小,其中,所述缺陷的类型包括边折印缺陷、翘起缺陷、凹陷缺陷、氧化皮缺陷、弯曲缺陷。为了进一步提高缺陷特征数据的准确性,还可以根据钢材的种类对缺陷特征数据进行分类,例如可以将带钢分成为普通钢种、T材料钢种和DR材料钢种,然后针对不同材料的钢种,并根据本领域的手册、规则和经验,生成缺陷特征数据。举例来说,各种不同材料的钢种对缺陷的敏感程度不同,以缺陷长度为例,对于普通钢种,则缺陷长度大于20mm则为缺陷特征数据,对于T材料钢种,则缺陷长度大于15mm则为缺陷特征数据,对于DR材料钢种,则缺陷长度大于10mm则为缺陷特征数据。
步骤S102:根据所述标定参数对待检测的带钢进行拍摄,获得带钢图片;
具体来说,在获得标定参数后,则可以对待检测的带钢进行图片的采集。
步骤S103:基于预先收集的包含缺陷的图片对检测软件进行效果测试;
具体来说,本发明实施例会根据已有的经验预先收集包含缺陷的图片,在具体的实施过程中,可以利用DTT(Detection Tuning Tools)进行适量的缺陷图片收集,例如针对某一种材料的钢材,可以将包含缺陷的图片的数量控制为200~500,以有利于对结果进行测试。当包含缺陷的图片的数量在上述范围内时,可以通过实物图片与预先收集的图片进行对比分析。
步骤S104:根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数。
具体来说,根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数可以通过下述方法来实现:
根据预设条件和材料类型调整参数滑块,获得效果测试的结果;
根据所述效果测试的结果,计算检测质量;
根据所述检测质量,获得调整后的参数。
具体来说,预设条件可以根据实际情况进行设置,可以通过人工设置或自动设置,参数滑块是可以用来调整检测灵敏度,可以调节的参数包括线性自适应灵敏度和纹理自适应集约度,并结合材料类型和相机的标定参数可以做出如下调整,具体参见表1。
表1
分类 | 普料明场 | 马口铁基板料明场 | 普料暗场 | 马口铁基板料暗场 |
线性自适应值 | 123 | 123 | 130 | 162 |
纹理自适应值 | 90 | 94 | 99 | 99 |
步骤S105:基于所述调整后的参数对所述带钢图片进行检测。
具体来说,参数包括:过滤尺寸、灰度值1和灰度值4、明场像素点、暗场像素点、线性自适应灵敏度和线性自适应起始点、纹理自适应集约度的灵敏度和集约度起始点等,具体参见表2。
表2
通过试验,参数设置为:过滤尺寸介于2-4,灰度值1介于4-9,灰度值4介于15-40,明场像素点1介于15-50、明场像素点2介于4-15、暗场像素点1介于8-20、暗场像素点2介于3-15时,检测效果可达到最佳,无过检现象。
为了方便使用调整后的参数,本发明实施例的方法还在所述基于所述调整后的参数对所述带钢图片进行检测之后,对所述调整后的参数进行保存,这样在后续检测过程中方便使用。
为了更好地对包含缺陷的图片进行管理,本发明实施例在所述基于预先收集的包含缺陷的图片对检测软件进行效果测试之前,还包括:
根据缺陷特征的严重程度和材料类型对所述包含缺陷的图片进行分类;
将所述包含缺陷的图片存储至数据库中。
具体来说,首先,如果包含缺陷的图片被验证为不是缺陷,则为伪缺陷,此外,根据严重程度从大到小可以分为重要缺陷、次重要缺陷和纹理缺陷,例如:边折印缺陷的图片,可以根据缺陷的大小确定缺陷的严重程度,确定缺陷的重要程度;当边折印大于等于3mm时,划分为重要缺陷;小于3mm时,划分为次重要缺陷。而夹杂缺陷的图片,可以根据缺陷的长度确定缺陷的严重程度,确定缺陷的重要程度;当夹杂缺陷长度≥1000mm且≤3000mm时,划分为重要缺陷;缺陷长度<1000mm时,划分为次重要缺陷。而纹理缺陷则表示目标图片上分布有均匀的小点状斑迹、纹理,这些纹理在带钢表面是实际存在,但不影响质量判定与客户使用的缺陷。此外,还包括材料类型,例如普料和马口铁基板料。
在本实施例提供的方法,还包括:将所述包含缺陷的图片的数量控制在预设范围内。
具体来说,可以结合缺陷的严重程度和材料类型对数量进行控制,举例来说,对于某一种类型的材料而言,可以分别将该种材料的各种可能的缺陷严重程度的图片数量设置为相同,分别为普料和马口铁基板料的图片总数为200为例,各种图片的数量情况具体地可参见表3。
表3
分类 | 普料 | 马口铁基板料 |
重要缺陷 | 50张 | 50张 |
次重要缺陷 | 50张 | 50张 |
伪缺陷 | 50张 | 50张 |
纹理缺陷 | 50张 | 50张 |
在本实施例提供的方法,在所述基于预先收集的包含缺陷的图片对检测软件进行效果测试之前,所述方法还包括:
确认图片是否为包含缺陷的图片。
具体地,所述确认图片是否为包含缺陷的图片包括:
对图片中缺陷感兴趣区域进行定义;
根据定义后的缺陷感兴趣区域,调整缺陷活动区域,获得缺陷范围;
如果所述缺陷范围中包含缺陷,则确认所述图片为包含缺陷的图片。
具体来说,可以对每一个缺陷的感兴趣区域进行重新定义,并确保每一张包含缺陷的图片中有且仅有一处真实缺陷在活动区域内,例如一张缺陷图片有两处缺陷,则可将该缺陷图片进行复制,将活动区域范围进行调整,调整至仅包含一处真实缺陷。
此外,本发明的方法还采用专门的玻璃清洁剂,对检测照明和相机镜头定期进行清理,清理物包括:灰尘、油渍、固体颗粒物碎屑等。并定期检查接线柜内的硬件连接。接线柜内是否有灰尘、相机电脑的接线头是否松动以及接线柜内的降温设备工作是否正常。在***发生改变升级检测版本等之前或定期进行***备份。备份内容包括:检测***服务器、数据服务器和显示终端。关于参数的标定,可以定期进行,例如每个星期、没月或者每季度进行一次设备参数标定,从而保证检测区域在最优检测范围内。
为了更清楚地说明本发明方法的有益效果,下面通过一个具体的示例予以详细说明,针对首钢京唐罩退重卷工序的带钢表面检测***进行了调试优化,关于包含缺陷图片的手机与确认,当表面检测***检出缺陷时,进行样本收集,对同一卷的不同缺陷严重等级、不同缺陷形貌的缺陷进行收集。可以将收集到的缺陷进行严重不同等级的分类,分为重要的、次重要的、伪缺陷和纹理缺陷各90张左右。参数的调整,当表面伪缺陷和纹理类缺陷被检出时调整检测参数滑块,降低检测灵敏度,提高纹理缺陷检测灵敏度;当表面伪缺陷和纹理类缺陷未被检出时调整检测参数滑块,提高检测灵敏度,同时提高纹理缺陷检测灵敏度。应用调整后的参数并观察缺陷检测质量,针对纹理类和伪缺陷的检测进行调试,并通过多次优化,每次增加纹理缺陷和伪缺陷样本10张。通过本发明的方法,对罩退重卷工序伪缺陷样本150张,纹理类缺陷样本170张,检测率达到100%,无过检现象。
现有技术的方法,由于对各种缺陷的需求不一致,导致大量纹理类图像被分为伪缺陷,通过本发明进行改进后,能够快速实现纹理缺陷的抑制,使整体缺陷检出率快速提高。针对马口铁T料,表面缺陷检测率提高至95%,纹理类缺陷抑制检测效果达到98%,效果如图2所示,其中Important Defect表示重要缺陷、Less Important Defect表示次重要缺陷Pseudo Defect表示伪缺陷、Material Defect表示纹理缺陷,以重要缺陷ImportantDefect为例,其中包括粘结缺陷Cohere、未分类缺陷NC等,Cohere 1438 146表示钢卷号1438存在粘结缺陷,该缺陷图片为本卷的第146张缺陷图片,OK 100%表示对于该种缺陷的检出率。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的带钢表面缺陷的检测方法,由于在进行带钢图片的拍摄前,对相机的参数、检测亮度以及灰度值进行了标定,从而避免因检测亮度和相机参数的差异导致的图片与实际特征存在差异的情况,有利于提高检测的准确性,并且,本发明可以通过预先收集的包含缺陷的图片对检测软件进行效果测试,并可以根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数,这样调整后的参数可以保证较好的测试效果,因而进一步提高了检测的准确性,解决了现有技术中存在的检测结果不准确的技术问题。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种带钢表面缺陷的检测方法,其特征在于,包括:
对相机的参数、检测亮度以及灰度值进行标定,获得标定参数;
根据所述标定参数对待检测的带钢进行拍摄,获得带钢图片;
基于预先收集的包含缺陷的图片对检测软件进行效果测试;
根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数;
基于所述调整后的参数对所述带钢图片进行检测。
2.如权利要求1所述的方法,其特征在于,在所述基于所述调整后的参数对所述带钢图片进行检测之后,所述方法还包括:
对所述调整后的参数进行保存。
3.如权利要求1所述的方法,其特征在于,在所述基于预先收集的包含缺陷的图片对检测软件进行效果测试之前,所述方法还包括:
根据缺陷特征的严重程度和材料类型对所述包含缺陷的图片进行分类;
将所述包含缺陷的图片存储至数据库中。
4.如权利要求1所述的方法,其特征在于,所述根据效果测试的结果对所述检测软件进行参数调整,获得调整后的参数包括:
根据预设条件和材料类型调整参数滑块,获得效果测试的结果;
根据所述效果测试的结果,计算检测质量;
根据所述检测质量,获得调整后的参数。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:将所述包含缺陷的图片的数量控制在预设范围内。
6.如权利要求1所述的方法,其特征在于,在所述基于预先收集的包含缺陷的图片对检测软件进行效果测试之前,所述方法还包括:
确认图片是否为包含缺陷的图片。
7.如权利要求6所述的方法,其特征在于,所述确认图片是否为包含缺陷的图片包括:
对图片中缺陷感兴趣区域进行定义;
根据定义后的缺陷感兴趣区域,调整缺陷活动区域,获得缺陷范围;
如果所述缺陷范围中包含缺陷,则确认所述图片为包含缺陷的图片。
8.如权利要求3所述的方法,其特征在于,所述缺陷特征的严重程度包括:重要缺陷、次重要缺陷、伪缺陷和纹理缺陷。
9.如权利要求3所述的方法,其特征在于,所述材料类型包括普料和马口铁基板料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810164179.2A CN108445008A (zh) | 2018-02-27 | 2018-02-27 | 一种带钢表面缺陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810164179.2A CN108445008A (zh) | 2018-02-27 | 2018-02-27 | 一种带钢表面缺陷的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108445008A true CN108445008A (zh) | 2018-08-24 |
Family
ID=63192585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810164179.2A Pending CN108445008A (zh) | 2018-02-27 | 2018-02-27 | 一种带钢表面缺陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108445008A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109406529A (zh) * | 2018-09-28 | 2019-03-01 | 武汉精立电子技术有限公司 | 一种aoi缺陷检测***的性能调节方法 |
CN109692877A (zh) * | 2018-12-29 | 2019-04-30 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面质量管理***及方法 |
CN112697962A (zh) * | 2020-11-20 | 2021-04-23 | 首钢京唐钢铁联合有限责任公司 | 一种自动检测彩涂成品缺陷的方法及*** |
CN113252683A (zh) * | 2021-04-19 | 2021-08-13 | 唐山学院 | 一种冷轧带钢表面检测***的材料分组优化方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11108637A (ja) * | 1997-10-03 | 1999-04-23 | Dakku Engineering Kk | 品質検査装置 |
JP2000131244A (ja) * | 1998-10-23 | 2000-05-12 | Dakku Engineering Kk | 品質検査装置 |
CN1508535A (zh) * | 2002-12-20 | 2004-06-30 | 宝山钢铁股份有限公司 | 扫描式带钢表面检测方法和装置 |
CN101349652A (zh) * | 2007-07-19 | 2009-01-21 | 宝山钢铁股份有限公司 | 带材表面缺陷检测成像方法及装置 |
JP2010091514A (ja) * | 2008-10-10 | 2010-04-22 | Nippon Steel Corp | 表面欠陥検査システム、方法及びプログラム |
CN101949865A (zh) * | 2010-09-19 | 2011-01-19 | 首钢总公司 | 一种百事泰在线表面缺陷检测***的优化方法 |
CN102601131A (zh) * | 2012-03-09 | 2012-07-25 | 湖南镭目科技有限公司 | 一种钢坯表面质量在线检测装置 |
CN102637258A (zh) * | 2012-04-01 | 2012-08-15 | 首钢总公司 | 一种建立在线表面质量检测***缺陷库的方法 |
CN103994999A (zh) * | 2014-04-04 | 2014-08-20 | 首钢总公司 | 热轧百事泰表面检测***花纹板破豆缺陷的检测装置及方法 |
CN104101603A (zh) * | 2013-04-12 | 2014-10-15 | 宝山钢铁股份有限公司 | 带钢表面缺陷检测装置及方法 |
CN104614380A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种板带表面质量检测***和方法 |
CN104914111A (zh) * | 2015-05-18 | 2015-09-16 | 北京华检智研软件技术有限责任公司 | 一种带钢表面缺陷在线智能识别检测***及其检测方法 |
CN105354848A (zh) * | 2015-11-11 | 2016-02-24 | 首钢总公司 | 一种热镀锌产线的康耐视表面质量检测***的优化方法 |
CN105531581A (zh) * | 2013-09-10 | 2016-04-27 | 蒂森克虏伯钢铁欧洲股份公司 | 对用于识别表面缺陷的检查***进行检验的方法和设备 |
CN107525813A (zh) * | 2017-09-21 | 2017-12-29 | 常州有恒智能装备科技有限公司 | 钢板缺陷在线智能视觉检测*** |
CN109313133A (zh) * | 2016-05-30 | 2019-02-05 | 鲍勃斯脱梅克斯股份有限公司 | 表面检查***和表面检查方法 |
-
2018
- 2018-02-27 CN CN201810164179.2A patent/CN108445008A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11108637A (ja) * | 1997-10-03 | 1999-04-23 | Dakku Engineering Kk | 品質検査装置 |
JP2000131244A (ja) * | 1998-10-23 | 2000-05-12 | Dakku Engineering Kk | 品質検査装置 |
CN1508535A (zh) * | 2002-12-20 | 2004-06-30 | 宝山钢铁股份有限公司 | 扫描式带钢表面检测方法和装置 |
CN101349652A (zh) * | 2007-07-19 | 2009-01-21 | 宝山钢铁股份有限公司 | 带材表面缺陷检测成像方法及装置 |
JP2010091514A (ja) * | 2008-10-10 | 2010-04-22 | Nippon Steel Corp | 表面欠陥検査システム、方法及びプログラム |
CN101949865A (zh) * | 2010-09-19 | 2011-01-19 | 首钢总公司 | 一种百事泰在线表面缺陷检测***的优化方法 |
CN102601131A (zh) * | 2012-03-09 | 2012-07-25 | 湖南镭目科技有限公司 | 一种钢坯表面质量在线检测装置 |
CN102637258A (zh) * | 2012-04-01 | 2012-08-15 | 首钢总公司 | 一种建立在线表面质量检测***缺陷库的方法 |
CN104101603A (zh) * | 2013-04-12 | 2014-10-15 | 宝山钢铁股份有限公司 | 带钢表面缺陷检测装置及方法 |
CN105531581A (zh) * | 2013-09-10 | 2016-04-27 | 蒂森克虏伯钢铁欧洲股份公司 | 对用于识别表面缺陷的检查***进行检验的方法和设备 |
CN104614380A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种板带表面质量检测***和方法 |
CN103994999A (zh) * | 2014-04-04 | 2014-08-20 | 首钢总公司 | 热轧百事泰表面检测***花纹板破豆缺陷的检测装置及方法 |
CN104914111A (zh) * | 2015-05-18 | 2015-09-16 | 北京华检智研软件技术有限责任公司 | 一种带钢表面缺陷在线智能识别检测***及其检测方法 |
CN105354848A (zh) * | 2015-11-11 | 2016-02-24 | 首钢总公司 | 一种热镀锌产线的康耐视表面质量检测***的优化方法 |
CN109313133A (zh) * | 2016-05-30 | 2019-02-05 | 鲍勃斯脱梅克斯股份有限公司 | 表面检查***和表面检查方法 |
CN107525813A (zh) * | 2017-09-21 | 2017-12-29 | 常州有恒智能装备科技有限公司 | 钢板缺陷在线智能视觉检测*** |
Non-Patent Citations (8)
Title |
---|
上海宝钢集团公司三期工程指挥部等: "《宝钢工程设计管理》", 31 August 2001, 冶金工业出版社 * |
中公教育优就业研究院: "《UI设计第一步·零基础学Photoshop》", 31 July 2017, 世界图书出版公司 * |
刘坤等: "带钢表面质量在线检测***研究与设计", 《计算机测量与控制》 * |
吴平川等: "机器视觉与钢板表面缺陷的无损检测", 《无损检测》 * |
宓超等: "《装卸机器视觉及其应用》", 31 January 2016, 上海科学技术出版社 * |
张卫等: "基于机器视觉的钢板表面缺陷检测***", 《山西冶金》 * |
焦会立等: "首钢迁安钢铁公司在线表面检测与质量信息的应用", 《矿冶》 * |
甘胜丰等: "《机器视觉表面缺陷检测技术及其在钢铁工业中的应用》", 30 June 2017, 华中科技大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109406529A (zh) * | 2018-09-28 | 2019-03-01 | 武汉精立电子技术有限公司 | 一种aoi缺陷检测***的性能调节方法 |
CN109406529B (zh) * | 2018-09-28 | 2021-09-14 | 武汉精立电子技术有限公司 | 一种aoi缺陷检测***的性能调节方法 |
CN109692877A (zh) * | 2018-12-29 | 2019-04-30 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面质量管理***及方法 |
CN109692877B (zh) * | 2018-12-29 | 2020-11-10 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面质量管理***及方法 |
CN112697962A (zh) * | 2020-11-20 | 2021-04-23 | 首钢京唐钢铁联合有限责任公司 | 一种自动检测彩涂成品缺陷的方法及*** |
CN113252683A (zh) * | 2021-04-19 | 2021-08-13 | 唐山学院 | 一种冷轧带钢表面检测***的材料分组优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108445008A (zh) | 一种带钢表面缺陷的检测方法 | |
CN105531581B (zh) | 对用于识别表面缺陷的检查***进行检验的方法和设备 | |
US5301129A (en) | Video web inspection system employing filtering and thresholding to determine surface anomalies | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和*** | |
CN109406529B (zh) | 一种aoi缺陷检测***的性能调节方法 | |
CN111462056B (zh) | 工件表面缺陷检测方法、装置、设备及存储介质 | |
KR20070113032A (ko) | 표면결함정보를 이용한 강판 표면품질등급 판정방법 | |
KR101937562B1 (ko) | 강판의 표면 품질 판정 방법 | |
CN111402236A (zh) | 一种基于图像灰度值的热轧带钢表面缺陷分级方法 | |
CN109949725B (zh) | 一种aoi***图像灰度标准化方法及*** | |
CN109426013B (zh) | 一种彩膜基板缺陷的分析方法、检测修复方法及装置 | |
JPH08189904A (ja) | 表面欠陥検出装置 | |
CN105354598B (zh) | 一种在线检测连续带状泡沫金属材料漏镀缺陷的方法 | |
CN105556277B (zh) | 用于确定涂层的平板产品的耐磨性能的方法和装置 | |
KR100627488B1 (ko) | 표면결함 정보를 이용한 강판의 표면품질 판정방법 | |
CN117367516A (zh) | 基于多维测试的铝塑复合板性能检测*** | |
US7538750B2 (en) | Method of inspecting a flat panel display | |
CN114998354A (zh) | 基于图形滤波的钢带辊印检测方法 | |
CN108508053A (zh) | 一种***性极微物理缺陷的检测方法 | |
CN109191439A (zh) | 一种靶材工件表面刀纹缺陷检测方法 | |
US20200355623A1 (en) | Quantitative test method for striae in optical materials | |
CN102937592A (zh) | 陶瓷天线罩气孔及材质疏松缺陷自动检测方法 | |
CN113935981A (zh) | 一种基于aoi检测的瑕疵量化评估方法 | |
JP3510437B2 (ja) | 薄鋼板製品の評価方法 | |
JP2007225322A (ja) | 超音波探傷データ評価装置および超音波探傷データ評価方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |
|
RJ01 | Rejection of invention patent application after publication |