葛 江

（诺贝丽斯（中国）铝制品有限公司，江苏 常州 213000）

铝材相较于钢材具有密度小、质量轻、防腐性成型加工性好、可重复回收利用、外表美观、吸能性好等优点，这使得汽车在经过一百多年发展后，车用钢板材逐渐向铝板材转变。目前由于新能源汽车的日益普及，铝板在汽车上的应用更加多样，这对汽车轻量化、提高行驶性和燃油经济性、减少排放降低污染，提升车体美观及强化车身被动安全性上都有非常积极的作用。经由冲压焊接涂装后的铝部件，作为构成车体的主要部件已成为客户审美要求的关注重点，也直接导致板料冲压商对原料板的质量要求越来越高。铝板材的外观及冲压要求与板面缺陷有着密不可分的关系。

传统的带钢表面缺陷检测和质量判定采用人工目视抽检和频闪光检测的方法[1]。板面缺陷的质量判定则多数仅能依照抽检所得的有限信息，根据技术员的工作经验进行评判，此种方法由于缺陷抽样存在概率性，不同人员在判断的主观性差异，缺乏对产品本身缺陷放行标准的理解一致性，很容易引起整卷缺陷的漏检及对缺陷放行时的误判，造成客户投诉带来经济损失甚至是客户端的停线索赔。诺贝丽斯作为全球领先的铝加工产品制造商，在中国区工厂最关键的热处理工段上设置了以机器视觉为基础的Cognex在线表面质量检测系统，通过对整卷的在线检测使其具备了实时监测及缺陷图谱反查的功能，对后续的质量判定极具指导价值。本文通过对Cognex表面检测设备的基础介绍，并通过对照系统识别图与实物缺陷对比，探究系统识别能力及未来在线检测的远景展望。

1 Cognex系统的构成及工作原理

1.1 Cognex系统的硬件组成

表面检测系统分设了2部分，分别对线上铝卷上下表面进行实时监测。上下表面检测单元各设置了2架封闭式摄像头梁，单层4相机共计8个相机，区分为上梁相机为暗场，下梁相机为明场。Cognex表面质量在线检测装置采用高速CCD行扫描摄像机，对带钢表面进行逐行扫描，从而完成对整卷的扫描检测[2]。摄像头梁下方安装有一处LED光源，保证检测设备在板带速度较快板带板型波动的情况下仍旧保持实时监测并输出高清的缺陷图谱。同时光源的设置也实现了光源射在板面出现反射及漫反射时，回收的信号光源通过设备的处理技术形成了缺陷图谱的明暗场视图。

1.2 Cognex系统的工作原理

表面检测系统在跟踪到铝卷头部定位孔后，自动从自动化L2系统获取当前铝卷号，铝卷尺寸等信息，并开始在线检测，直到系统跟踪到下个卷的定位孔，L2传输新卷信息后即会输出以卷号命名的整卷板面图谱并存档。Cognex表面检测系统在检测程序设计中主要以感光CCD相机采集到的相关信息，经过系统内部程序处理解析，图像信号经曝光及灰度处理、可疑区域检测、图像分割、特征提取和缺陷分类等步骤，最终导入数据库[3]。系统将相关信息量化成0～255的灰度数据。当人为对缺陷明暗场的阈值进行相关定义，一般以128灰度作为阈值中线，上下设定一定区间即铝板表面质量表征为正常时的灰度值。在表面质量正常时，CCD镜头的输出信号较为平滑且在正常阈值范围内不会显示缺陷点。但在铝板面存在缺陷时，缺陷致照射在板面的光源返回镜头的光线出现变化，系统内部解析的信号也发生改变，较之正常板面的平滑信号会出现上凸下凹的变化，缺陷信号越暗输出的灰度数越小；缺陷信号越亮输出的灰度数越大。当输出的灰度数超过设定的正常阈值区间后，系统将对该部分图像判异识别为缺陷，并对缺陷形貌进行提取在人机界面以不同名称缺陷点显示。

1.3 Cognex系统缺陷的分类逻辑

Cognex对于检测出的不同类别缺陷有自己的一套分类逻辑。对于缺陷点，系统会解析出包括缺陷的尺寸，纵横比，面积，图像密度，周期性，距边部及中心距离等一系列参数信息。这些参数信息按照Classifier分类器中设定的判定规则，包括预分类规则，图库自学习规则，后分类规则以及未分类规则的顺序对照每条规则进行分类或过滤。

预分类规则就是在精确分类之前完成的预处理。预分类规则下的小规则一般有两类：第一，按照行业经验对缺陷尺寸面积属性进行参数设置，达到的效果为针对尺寸较小的缺陷完成过滤，不在表面图谱上显示，一方面可以控制整卷图谱上的缺陷点数量，方便人员对缺陷点的检查及判定；另一方面缺陷点数量过多无疑会增加检测系统在线运行时的负担，甚至造成系统卡死。第二，按照产线辊径设定周期性缺陷的检验条件，此意义在于当缺陷满足周期性出现条件时，系统会直接输出周期性判定而不会继续向下精确分类，便于人员按照缺陷周期对照辊径更为快速的查找问题辊。

图库自学习规则即是缺陷的精确分类规则。缺陷图库的内容为人工持续建立和完善的缺陷图样本，通过系统的自学习功能，总结缺陷各类参数特征，当在线检测时拍到的缺陷按图库内的样本参数特征进行比对及分数投票，得分最高的类别即为最类似的第一缺陷类，当第一类分数超过预先设定的判定分数后，系统即会按此缺陷类名称对其命名。

后分类规则是对自学习规则的补充优化。同一类的缺陷在实际生产中往往也会按照尺寸面积等参数区分严重度，当某一缺陷尺寸较大时需要进行显示，而当尺寸较小时按照经验不会影响客户使用即可将其过滤，这类情况就可在后分类规则中进行相关再设置。

未分类规则是对上述三类规则的再补充。上述三类规则均未完成缺陷的类别定义后，缺陷参数值即会进入未分类规则开始比对，对于拥有共性的一些缺陷，就会完成归类及一般类别名的输出。

值得注意的是上述预分类自学习后分类未分类这四大分类规则并非是并列关系而是存在从左到右的顺序规则，且四大类规则下还各自分有小类规则，同样也有顺序关系由上到下进行比照。也就是说系统从检测到缺陷后解析出的信息从预分类规则开始，从上到下每条逐一比照，只有当符合单条规则内的所有要求后系统才会终止比对，并将该缺陷以此时完全符合类别规则的名称命名。当预分类比照完且均未满足预分类条件后，才会进入自学习类别并重复上述规则直至完成缺陷分类。

2 Cognex的识别应用情况

Cognex表面检测于生产的关键意义在于对缺陷的正确识别及分类。目前在铝板加工行业，常见的缺陷有划伤，蚊虫印，黑线，铬坑等。

2.1 划伤

划伤是铝加工行业最为常见的一类缺陷，表征为板面尖锐的细长状线条印痕，常见于板带轧制方向，划伤终点有时可见金属颗粒，可见于上下表面的任意位置，划伤可能是连续的也可能是间断的。一般常见的划伤如图1所示。

划伤产生原因比较多样，如：辊面陷铝屑；辊子板带传动不同步；板带跳动式接触辊面等。划伤缺陷样本较易采集，目前系统对划伤的识别能力尚佳。但能否根据缺陷参数判断出划伤的深浅，还需再总结，以便于对质量判定更好的指导性。

图1 划伤

在铝加工行业里还存在一种较特殊的划伤分支——水冷划伤。产线上的铝卷在经过热处理炉后的冷却段，可分为风冷和水冷。热处理后的铝板表面温度较高，此时经过水冷时，骤降的温度使得铝板板型波动较大，尤其在原料铝卷本身板型较差时波动愈加严重。波动较大的铝板就会发生前行中撞击设备钢结构的情况，这就产生了上述的水冷划伤。如下图2。水冷划伤的严重度较之普通划伤一般要严重许多，直接影响产品的交付使用。水冷划伤的减少控制，目前还在初步阶段，还需要不断地总结测试，有待后续的优化及改善。

2.2 蚊虫印

顾名思义是指蚊虫粘附在板面上。据生产经验总结及图谱对缺陷的自动计数功能，夏季板面蚊虫印的数量明显多于其他季节。目前通过高发季里蚊虫样本的长期收集，加上蚊虫印本身特征较明显，Cognex在蚊虫印的识别上已较为优秀。如图3，目前常见蚊虫印的识别第一类缺陷得分基本可达90以上。通过蚊虫印数统计，在高发季产线应对蚊虫进行控制，降低板面虫印出现几率，如：可通过规模的布置并启用灭蚊灯驱蚊器等装置，此类方法已在各钢铝板企业得到了印证应用。

图3 蚊虫印

2.3 黑线

常见的黑线特征表现为铝板材表面沿轧制方向分布的黑色细线状缺陷，难以擦拭。如下图4。

图4 黑线

黑线多发于原料卷热轧生产过程中。如图5SEM元素分析，黑线位置的元素成分对比正常板面有明显区别，较之正常区域，检出元素多出了O，Mg，Si，S，此多为轧制时发生的异物压入。关于铝板面黑线的形成机理业界中已有深入研究，本文仅做Cognex的应用介绍在此不做赘述。

图5 黑线SEM元素分析

图6 铬坑

2.4 铬坑

铬坑即铝板面出现的板面压痕，通常会按照缺陷来源的辊子周长规律周期性的连续出现，发生铬坑的另一面可能看到也可能看不到该压痕，通过油石打磨后会更为明显。图6（a）为异物铬入面，表现为凹坑特征，Cognex按照上述的预分类规则，出现周期性缺陷后直接按周期输出缺陷名不再精确分类，如图6（b），此处类别名显示了铬坑的产生原因来源于某根直径为1200mm的辊子。图6（c）为铬坑另一面在油石打磨后的特征，由于板面在铬坑对应处较于正常平面出现了凸起，在油石打磨后表面会更为明显。Cognex图谱提供了缺陷在板面的位置信息，出现的周期间距，这都为产线人员对导致缺陷出现的问题辊排查提供了关键指导作用。

3 Cognex应用中的难点问题解决

本文在第3节中已简列了部分铝加工业内常见板面缺陷，可以发现以上这些特征明显，在检测系统中表现为缺陷灰度值与正常板面灰度值差异较大时，Cognex对缺陷的探测能力较为良好。但在实际生产中还会碰到部分虽然尺寸细小但周期性连续出现，影响客户使用导致客户投诉退货的缺陷，如图7针孔状细小凹坑。此凹坑为周期性发生的缺陷，在显微镜下测得尺寸Length*Width0.3*0.1mm，按照Cognex像素块的面积算法，此缺陷面积不大于0.03mm2。在生产中此类极其细小的缺陷通过人眼在线观察很难发现，同时此类小尺寸在Cognex预分类过滤条件下即会过滤，造成缺陷难以发现导致不良品流出及客户投诉。

图7 针孔凹坑

经过后续对检系统分类器下的规则分析发现，周期性分类条件按顺序关系，其优先级在尺寸过滤条件之下，即缺陷进入分析时先按尺寸进行过滤再进行后续分类，这也直接导致此类小尺寸缺陷即使存在周期性也会被先决过滤条件过滤掉。后经过预分类规则优化，按照图7缺陷尺寸新增过滤条件，保证过滤条件比缺陷尺寸小，后将周期性的判断规则优先级提升至其后，当再次出现此类周期性针孔坑后，首先不会被先决条件过滤，随之进行周期性判定，满足条件即进行输出显示。再在周期性规则后紧跟过去设定的其它尺寸过滤条件。这样即可保证只要没有上述周期性缺陷，也并不会增加本来应被过滤的其它缺陷数量。后经长时间跟踪，上述预分类规则效果良好，对以上周期性小缺陷已有能力识别，见下图8。

图8 改善后识别出的周期性针孔凹坑

3 结语

铝板加工行业在Cognex在线表面检测的现代设备投入使用后，已经极大改变了传统铝加工行业中对铝板表面的检验模式，在线的缺陷识别，长久的报告回查溯源，都对后续质量判定，工艺优化，质量争议提供了可靠的内容依据。但Cognex在缺陷的分类能力及识别能力上依旧任重道远。分类能力的关键点是系统缺陷图库内各缺陷类别的正确样本和数量完备。这将是个持续长久的过程，坚持不懈的取铝板缺陷实样，通过各类检测仪器确认缺陷实际类，并在系统中对确认的缺陷点或进行更正或补充到系统图库中，完善健全Cognex缺陷库，才能持续提高Cognex对缺陷的识别准确率。另一方面还要求技术人员不断思考如何对各级分类规则持续优化，保证系统在识别能力及缺陷过滤器上达到最优化的双向平衡。