程 豪,蒋占四,陈晓鑫,郑洪鑫,蒋 慧

(1.桂林电子科技大学机电工程学院,桂林 541004;2.广州航海学院土木与工程管理学院,广州 510725)

0 引言

带钢是钢铁的重要原材料之一,广泛应用于我国国民经济建设与钢铁工业的主要生产领域,在各类生产生活中占有重要地位。目前带钢产品的材质与尺寸已经能够满足基本要求,但表面质量问题却往往成为主要的影响因素,带钢在生产过程中会产生裂纹、划痕、斑块等表面缺陷,这些缺陷会给带钢产品的疲劳强度以及抗腐蚀性等性能带来很大的负面影响,轻则减少了带钢的使用寿命与用途,重则会造成重大施工事故。因此,研究一种精度更高的带钢表面缺陷检测算法具有十分重要的意义[1]。

早期缺陷检测手段以使用人工裸眼检测为主,过度依赖于人工的经验,检测效率低,劳动强度大,生产成本高,已经不能满足工业带钢表面缺陷检测的需求。后来出现了基于机器视觉的缺陷检测方法,屈尔庆等[2]针对传统 Gabor小波滤波器存在参数量多和算法检测速度慢的问题,提出了复合差分进化的Gabor滤波器优化方法,但该方法在实时检测方面仍不满足要求;AMINZADEH等[3]通过分析比较缺陷区域与背景的直方图来确定一个阈值,进而分割缺陷,该方法要求缺陷区域和背景区域具有显著的可分离特征;HU等[4]采用混合染色体遗传算法来优化带钢表面缺陷的分类模型,构建出SVM分类器,提高了对缺陷进行分类的精准度。此类方法需要人工提取特征因子且易受外界环境因素影响,具有一定的局限性。……