基于深度学习的螺纹钢表面缺陷检测①

赵月,张运楚,2,孙绍涵,王 超

1(山东建筑大学 信息与电气工程学院,济南 250101)

2(山东省智能建筑技术重点实验室,济南 250101)

螺纹钢已广泛应用于房屋、道路、水坝、隧道等土建工程,是不可或缺的结构材料.对于整个钢铁行业来说,螺纹钢的轧制工艺和质量监控手段仍存在大量需要改进的问题.其中典型问题是螺纹钢轧制过程中产生的表面缺陷,主要有结疤、小气泡、麻面、划痕、凹坑和擦伤等,如不能及时发现就会生产出大量废品,严重影响企业经济效益.目前,德国和美国已经有应用于生产线的产品,但是价格高昂.国内虽然已经开发成功应用于冷轧带钢[1]、中厚板[2]、热轧带钢生产线的表面缺陷在线检测系统[3],但基于螺纹钢表面缺陷检测研究相对缓慢,基本上还处于实验阶段.

目前国内螺纹钢生产企业大多采用人工目检的方式对螺纹钢表面缺陷进行检测,由于人工目测的方式受眼睛的感光性能、色觉反应等影响,极易产生视觉疲劳,从而漏检错检.基于传感器对螺纹钢缺陷的检测方式,括涡流检测[4–8]、漏磁检测[9–12]、电容检测[13]、红外检测[14]和超声波检测[15]等,虽然能对螺纹钢表面的缺陷进行检测,但是只能用于对精确率要求不高的环境中,所以检测的缺陷种类也会受限.而应用机器视觉检测技术,如激光扫描方式、线阵CCD 摄像机、面阵CCD 摄像机,虽各有优势,但仍存在不可忽视的弊端,如对螺纹钢表面的灰尘杂质敏感,维护复杂等.

根据钢铁材料产生缺……