基于机器视觉的表面缺陷检测将是未来研究和发展的主要方向
基于机器视觉的表面缺陷检测将是未来研究和发展的主要方向,目前,基于机器视觉的表面缺陷检测理论研究和实际应用等环节均有可喜的成果,但仍存在下面主要的问题和难点:
基于机器视觉的表面缺陷检测将是未来研究和发展的主要方向,目前,基于机器视觉的表面缺陷检测理论研究和实际应用等环节均有可喜的成果,但仍存在下面主要的问题和难点:
在制造产品的过程中,表面缺陷的产生往往是不可避免的。不同产品的表面缺陷有着不同的定义和类型,一般而言表面缺陷是产品表面局部物理或化学性质不均匀的区域,如金属表面的划痕、斑点、孔洞,纸张表面的色差、压痕,玻璃等非金属表面的夹杂、破损、污点,等等。
机器视觉表面质量检测,特别是实时检测,图像采集的数据量大,所以如何提高图像处理速度显得十分重要。提高图像处理速度主要有两种手段,一是改善和优化图像处理算法,算法既要简单快速,又要兼顾实际效果;二是改善和优化实现算法的手段。目前,实时图像处理采集方案主要为下面几个方面。
机器视觉带钢常见缺陷盘点
由于热轧产线中带钢表面温度高、表面状态复杂、缺陷类型多等特点,缺陷检出率及识别率已不能满足高端热轧带钢生产的需求。由于表面特有的氧化铬表面膜纹理特征,导致基于传统图像分类算法得出的不锈钢热轧带钢表面缺陷识别率较低,难以满足不锈钢生产实时性的要求;周期性缺陷如辊印、划伤如果不得到及时发现及控制,会造成批量质量事故,严重影响成品质量及生产效率;缺陷在带钢表面的位置、长度信息及分布尚未实现实时定位,会严重影响后续的工序;目前表面质量分级缺乏实时数据支持,无法实现钢铁全流程的质量闭环管控。尽管国内外大量研究并开发
在热连轧板带生产技术飞速发展的今天,钢铁企业对于其表面缺陷检查,大多数仍停留在人工开卷检查的阶段。这种检查方式,由于开卷长度有限,缺陷检出率低,且缺陷反馈不及时,容易产生批量质量缺陷,甚至会导致带有缺陷的钢卷流入市场,造成质量异议。
针对连铸、热连轧、冷轧、退火等生产线相关产品存在表面缺陷导致产品质量下降的问题,提出了机器视觉工业检测技术,研制了板带钢表面缺陷在线检测设备。在生产过程中能有效监控热轧带钢表面质量、及时定位识别表面缺陷类型、溯源缺陷产因。
表面缺陷检测系统采用的是利用激光式线条相机(linecamera)、CCD/CMOS式线条相机、CCD/CMOS区域相机(areacamera)进行图像识别的方法。过去,钢铁业使用激光式线条相机的情况很多,但在这些情况中使用的激光光点,因直径的制约,很难检查出微小的缺陷,并且不能检查出无凸凹的花纹状缺陷。因此,图像识别方法表面缺陷检测系统是带钢表面缺陷检测系统的主流模式。
钢是冶金企业的主要产品,是汽车、国防、化工、轻工业制造的主要原材料。随着全球能源紧张、铁矿石的涨价,对带钢的成品率、合格率、优质率提出更高的要求。表面质量是带钢的主要质量指标,由于原材料、轧制工艺、系统控制等方面的因素,造成带钢表面出现裂纹、结疤、辊印、空洞、表皮分层、色斑、麻点等缺陷在所难免。这些缺陷对带钢的抗疲劳性、抗腐蚀性、耐磨性、电磁特性都有不同程度的影响,所以在轧制过程中,及时发现这些缺陷、调整控制参数、分类标注不同等级的带钢,对提高带钢产品质量、降低生产能源消耗、最大限度地获取销售利润具有深远
随着新能源车需求的持续增长,锂电池在新能源汽车行业的应用前景广阔。目前锂电池包括硬壳和软包电池,硬壳则可分为圆柱电池和方形电池。其中方形电池凭借其充放电倍率、循环寿命、安全性等方面的优势,成为一种主流的电池封装应用。