Содержание к диссертации
Введение
Глава 1. Задача контроля качества поверхности листового металлопроката на базе оптоэлектронных систем 14
1.1. Общая характеристика качества поверхности листового металлопроката как объекта оптоэлектронного контроля 14
1.2. Анализ существующих методов и средств оптоэлектронного контроля качества поверхности листового металлопроката 18
1.3. Критерии и показатели оценки эффективности приборов оптоэлектронного контроля качества поверхности листового металлопроката 29
1.4. Метрологическое обеспечение оптоэлектронных средств контроля качества поверхности листового металлопроката 33
1.5. Постановка задачи разработки метода и средств оптоэлектронного контроля качества поверхности листового металлопроката 46
Выводы по главе 1 52
Глава 2. Метод оптоэлектронного контроля качества поверхности листового металлопроката 53
2.1. Особенности представления изображений поверхности металлопроката в частотной области
2.2. Анализ применимости различных методов вейвлет преобразования для решения задачи выявления поверхностных дефектов листового металлопроката 60
2.2.1. Метод слияния-разделения 61
2.2.2. Пороговые методы 64
2.2.3. Метод локального дискриминантного базиса 67
2.3. Метод поиска наиболее информативных признаков для решения задачи выявления поверхностных дефектов листового металлопроката 69
2.4. Основы проектирования подсистемы выявления поверхностных дефектов прибора оптоэлектронного контроля качества поверхности листового металлопроката 81
Выводы по главе 2 92
Глава 3. Средства оптоэлектронного контроля качества поверхности листового металлопроката 93
3.1. Математическая модель оптоэлектронного сигнала отраженного от контролируемой поверхности листового металлопроката 93
3.2. Алгоритмические средства синтеза эталонов с дефектами и общим фоном 102
3.3. Методика синтеза алгоритмических средств выявления поверхностных дефектов листового металлопроката 111
3.4. Методика оптимизации параметров оптической схемы прибора оптоэлектронного контроля качества поверхности листового металлопроката 115
Выводы по главе 3 120
Глава 4. Разработка лабораторного и опытного приборов оптоэлектронного контроля качества поверхности листового металлопроката, экспериментальные исследования средств оптоэлектронного контроля 121
4.1. Лабораторный прибор оптоэлектронного контроля качества поверхности листового металлопроката 121
4.2. Опытный прибор оптоэлектронного контроля качества поверхности листового металлопроката 123
4.3 Экспериментальные исследования метода и средств оптоэлектронного контроля качества поверхности листового металлопроката 131
4.3.1. Экспериментальные исследования модели оптоэлектронного сигнала, отраженного от контролируемой поверхности листового металлопроката 131
4.3.2. Синтез и экспериментальные исследования алгоритма выявления поверхностных дефектов листового холоднокатаного металлопроката и методики выбора оптимальных параметров оптической схемы 136
4.4. Области применения и перспективы развития предложенного метода и средств оптоэлектронного контроля качества поверхности листового металлопроката 146
Выводы по главе 4 148
Заключение 149
Список литературы
- Анализ существующих методов и средств оптоэлектронного контроля качества поверхности листового металлопроката
- Анализ применимости различных методов вейвлет преобразования для решения задачи выявления поверхностных дефектов листового металлопроката
- Алгоритмические средства синтеза эталонов с дефектами и общим фоном
- Опытный прибор оптоэлектронного контроля качества поверхности листового металлопроката
Введение к работе
Одним из основных продуктов металлургического производства является металлопрокат, значительную долю которого в настоящее время составляет листовой металлопрокат, поставляемый потребителю обычно либо в рулонах, либо в пачках листов.
С каждым годом повышаются требования к качеству продукции металлургических производств, В связи с этим возникает необходимость разработки более эффективных методов и средств контроля качества металлопродукции. Задача контроля качества металлопроката становится все более актуальной по причине того, что необнаруженный вовремя брак ведет как к сбоям технологии, так и переходит на конечный продукт.
Одной из основных характеристик качества листового металлопроката является качество его поверхности. Именно к нему предъявляются самые высокие требования. Качество поверхности аттестуется с учетом дефектов, образующихся на различных переделах металлургического производства.
Контроль качества поверхности металлопроката на большинстве отечественных предприятий осуществляется работниками отделов технического контроля визуально. Однако, из-за присущего субъективизма, непостоянной природы человеческого зрения, быстрой утомляемости визуальная проверка поверхности металлопроката не дает удовлетворительных результатов. Поэтому в настоящее время ведутся активные работы в области создания автоматизированных приборов контроля качества поверхности листового металлопроката.
Несмотря на то, что в настоящее время существует ряд промышленных приборов ОЭКК, подходы, применяемых при их проектировании, как правило, не публикуются в открытой печати, поскольку носят коммерческий характер и являются интеллектуальной собственностью соответствующих, преимущественно зарубежных фирм производителей.
Среди исследований российских ученых, посвященных вопросам создания автоматизированных приборов ОЭКК, важно отметить работы Малыгина Л.Л., Ершова Е.В., Рогова В.В. Проведенный анализ этих работ показал, что процесс контроля качества поверхности листового металлопроката рассматривается в них как последовательное выполнение следующих основных этапов: предварительная обработка изображения, поиск дефектных областей на изображении, расчет классификационных признаков по найденным областям, классификация дефектов. Таким образом, для выполнения классификации, требуется предварительное решение задачи поиска дефектных областей. Обеспечение же необходимой точности процедуры поиска, зачастую, не представляется возможным из-за зашумленности и неоднородности изображений металлопроката и высокой скорости движения полосы. Вследствие этого, существующие методы оптоэлектронного контроля не позволяют осуществлять контроль листового металлопроката с заданными, достаточно высокими, показателями эффективности.
Таким образом, актуальность темы диссертации предопределяется тем, что оптоэлектронными средствами обеспечивается контроль с заданными показателями эффективности и быстродействия качества поверхности листового металлопроката.
Анализ существующих методов и средств оптоэлектронного контроля качества поверхности листового металлопроката
В настоящее время задача контроля качества поверхности листового металлопроката преимущественно решается с использованием методов неразрушаю ще го контроля. Среди них наибольшее распространение получили следующие три направления; электромагнитные, ультразвуковые и оптоэлектронные [5, б, 20, 24, 32]. Наиболее конкурентоспособными и широко используемыми в настоящий момент являются приборы оптоэлектронного контроля.
Приборы ОЭКК поверхности листового металлопроката устанавливаются на различных переделах прокатного производства.
Для контроля поверхности горячекатаного металла их монтируют на выходе непрерывных травильных агрегатов [58].
Для контроля качества холоднокатаного проката приборы ОЭКК чаще всего устанавливают в цехах отделки металла [5, 56, 60]. Здесь металлопрокат проходит через агрегаты продольной резки (АПР), с помощью которых холоднокатаная лента заматывается в рулоны для конечной отгрузки. На основе статистики по выявленным дефектам с помощью приборов ОЭКК листовой металлопрокат относят к одной из групп в зависимости от качества отделки поверхности.
Среди компаний, занимающихся разработкой приборов ОЭКК поверхности листового металлопроката, можно назвать следующие: Cognex Corp, (США), Par sy tec (Германия), Sytco (Швейцария), Danieli Corp.(Италия), Surface Inspection Ltd.(Великобритания), Octec (США), и т.д. В основу предлагаемых приборов ОЭКК положены различные технические и алгоритмические решения. Однако в то же время количество реально эксплуатируемых приборов пока еще невелико, причем характерной их общей чертой является высокая стоимость -порядка от 200000 до 2000000 долларов [26, 59].
Основные характеристики существующих приборов ОЭКК поверхности металлопроката описаны в работе [60] и представлены в табл. 1.2.
В качестве датчика в большинстве из них используется видеокамеры на базе ПЗС, Физически ГЛЗС представляет собой детектор, состоящий из множества светочувствительных элементов. Каждый элемент имеет свойство накапливать заряды пропорционально освещенности этого элемента. Таким образом, за время экспозиции на секции накопления получается двумерная матрица зарядов, пропорциональных яркости исходного изображения. Накопленные заряды первоначально переносятся в секцию хранения, а далее построчно или кадрами на выход матрицы.
Одной из важных характеристик видеодатчиков на базе ПЗС является разрешающая способность. Разрешающая способность в основном определяется размерностью ПЗС матрицы в пикселях и качеством объектива. И хотя в настоящее время различными компаниями выпускается ПЗС матрицы [41], охватывающие широкий диапазон размерностей от нескольких сотен до нескольких тысяч, но при этом возникает проблема не столько стоимости самой матрицы, сколько проблемы хранения, обработки и передачи полученных изображений.
К наиболее широко применяемым ПЗС-матрицам следует отнести матрицы с разрешением, ориентированным на телевизионный стандарт. Это матрицы, в основном, двух форматов [41] 512 576 и 768 576.
Матрицы 512 576 обычно используются в простых системах видеонаблюдения. Матрицы 768 576 позволяют получить максимальное разрешение для стандартного телевизионного сигнала. Функциональная схема прибора ОЭКК на базе ПЗС-видеодатчика представлена на рис. 1.1. Аналогово-цифровое преобразование (АЦП) заключается в выполнении трех основных операций: дискретизации, квантования и кодирования. Для проведения АЦП используются платы видеоввода.
К основным характеристикам плат видеоввода относят: количество видеовходов, количество мультиплексируемых видеовходов, формат видеосигнала, разрешение изображения, суммарная скорость ввода, суммарная скорость ввода по мультиплексируемым каналам, количество передаваемых цветов. Не мультиплексированный канал жестко связан только с одной видеокамерой, что позволяет добиться максимальной скорости обработки видеопотока при наилучшем качестве изображения. Обработка видеопотока происходит со скоростью до 25 кадров/с (25 FPS — frame per second). В большинстве случаев одна плата видеоввода позволяет обрабатывать 1, 2, 4 и более не мультиплексированных видеопотока одновременно.
Мультиплексированный канал связан с несколькими камерами сразу, и его можно переключать с одной камеры на другую, но при переключении требуется время для синхронизации с видеопотоками, идущими от разных камер, поэтому скорость обработки падает до 12,5 - 16 кадров/с. Наиболее важной характеристикой плат видеоввода при использовании в приборах ОЭКК является максимальная скорость ввода, при этом, мультиплексированный каналы не используются, поскольку заметно снижают скорость обработки видеопотока.
Результатом работы платы видеоввода является закодированное по некоторому алгоритму изображение, при этом, чаще всего используются полутоновые изображения. Связано это с тем, что, во-первых, обработка цветных изображений значительно увеличивает объем необходимых вычислений, а информация, заключенная в цвете, может использоваться лишь в случае, когда дефект резко отличается от фона по спектральным характеристикам. Во-вторых, черно-белые видеокамеры [49] в 5-10 раз более чувствительны и в 1,5-2 раза имеют более высокую разрешающую способность, чем цветные.
Несмотря на то, что входящие в состав приборов ОЭКК поверхности листового металлопроката, автоматизированные системы обработки изображений, используют различные алгоритмы и методы цифровой обработки изображений, работу большинства из них можно представить в виде последовательности выполнения следующих основных этапов [5, б, 13, 24, 31, 48, 58, 63]: 1. Предварительная обработка: - улучшение контраста; - шумоподавление; - обнаружение границ (перепадов); 2. Поиск дефектных областей на изображении: - методы пороговой обработки; - текстурная сегментация;
Анализ применимости различных методов вейвлет преобразования для решения задачи выявления поверхностных дефектов листового металлопроката
При построении вектора признаков в одном из подходов предполагается использовать значения энергии листьев дерева входящих в доминирующие частотные каналы см. рис. 2.66.
Другой подход предполагает проведение синтаксического анализа для вычисления расстояния между доминирующими каналами исходного изображения и изображений образцов, сохраненных в базе данных см. рис. 2.6в.
Выбор глубины дерева в описанном методе пропорционален количеству деталей изображения образца, при слишком малой глубине схожие, но относящиеся к разным типам дефектов образцы имеют схожие векторы признаков, при слишком большой - значение энергии перестает быть надежным параметром классификации и начинает изменяться в широких пределах. На практике значение глубины выбирают не больше 4.
Основная сложность применения пороговых методов для решения задачи выявления поверхностных дефектов листового металлопроката заключается в неоднозначности, а порой невозможности выбора единого порога для всех образцов даже в пределах одного типа дефекта. Так порог, выбранный для одних образцов, оказывается совершенно неприемлем для других образцов, что приводит к вырождению указанного метода либо в вейвлет-преобразование при слишком большом значении порога, либо в полное вейвлет-преобразование - при слишком малом.
Второй недостаток заключается в том, что количество результативных диапазонов меняется в зависимости от характера исходного изображения образца, следовательно, изменяется количество признаков, рассчитываемых для каждого образца. В итоге, получается, что разные образцы могут быть описаны разным количеством признаков, а это в свою очередь затрудняет построение классификатора.
Метод локального дискриминантного базиса
Первым предпринял попытку применить метод слияния-разделения для решения задачи классификации Сайто [21], он назвал свой метод методом локального дискриминантного базиса. В качестве целевой функции в этом алгоритме использовалась относительная энтропия (кросс энтропия), определяемая как: -і ЧІ где р, и 9, нормализованные последовательности двух сигналов и log(O) = -оо , Iog(-) = +со ДЛЯ X 0 , 0 (±а ) = О
В дополнение на данную функцию накладывалось условие симметричности, определенное как: D(p,q) = I(p,q) + I(q,p). (2.6)
Для определения меры различия в случае С - классов, p0),...,plL), целевая функция определялась как: где p(i\qU) - вектора соответствующие классам iiij, которые описывают распределение энергии вейвлет-коэффициентов по диапазонам, нормализованные к общей энергии всех сигналов.
Основным недостатком метода локального дискриминантного базиса является необоснованное ограничение рабочего словаря признаков только одним признаком - энергией.
С целью проверки возможности применения вышеописанных методов адаптивного вейвлет-преобразования для решения задачи выявления дефектов поверхности листового металлопроката был проведен ряд экспериментов. Исходными данными для них являлись изображения поверхности листового металлопроката, содержащие дефекты 8 типов и общий фон. Наибольшее количество образцов представляло бездефектную поверхность - общий фон, что связано с его преобладанием перед поверхностью, содержащую дефекты в производстве металлопроката. Каждый образец подвергался вейвлет-преобразованию глубиной 1 = 3 в соответствии с исследуемым методом, при этом в результирующий вектор признаков включались признаки, вычисленные по всем диапазонам полученных деревьев. В качестве порождающего вейвлета использовался вейвлет Добеши 4-го порядка.
Для проверки методов использовался априорный словарь признаков, включающий в себя следующие признаки: энергия, энтропия, среднее и СКО. Рабочий словарь признаков формировался с использованием последовательного добавления признаков. В качестве классификатора использовалась нейронная сеть, работа которой оценивалась на тестовой выборке.
Алгоритмические средства синтеза эталонов с дефектами и общим фоном
Как отмечалось в главе 1, важной задачей при проектировании приборов ОЭКК является синтез эталонов с дефектами и общим фоном, необходимыми для проведения калибровки оптоэлектронных средств.
Задачу синтеза таких эталонов в рамках модели СМД можно представить как задачу формирования такого набора коэффициентов W, который максимально соответствовал бы заданному вектору параметров модели в [65]: # = arg max fQV\0). (3.16) При этом должны выполняться следующие условия: а% а%. (3.17)
Таким образом, задача синтеза эталонов с дефектами и общим фоном может быть сформулирована как задача условной оптимизации с ограничениями в виде равенств. Логарифмическая функция правдоподобия для двух соседних масштабов j и j + l может быть представлена в виде: і til ,2(:+1,2/+1 AfWJ ZXin s0 /=0 \_m=0 ,t=0 (=0 и=0 (3.18) Для сокращения записей вводятся дополнительные переменные: Л+.жДт) = ПП(1 % ,2 ,2,+/;о,СТ/2Л)). (3.19) j=0 (=0 л-0
С использованием этих переменных функцию (3.18) можно представить в виде: і (3.20) Т амЛтЩ+иЛт) A»0.»0+il )=Z2 .1Я-0 (-0 /-о здесь у = і —1,...,1, -глубина дерева. При у = , учитывая (3.7) имеем: N/-W,-] 1 Я 0) = S X lnZM)s( .ulO,aL,). (3.21) i=0 /=0 m=0
Таким образом, зная й .+1 можно найти такое W}, которое максимизирует функцию (3.18). Как известно [37], задачу условной оптимизации с ограничениями в виде равенств можно свести к задаче безусловной оптимизации с использованием метода внешних штрафных функций, в котором ограничения-равенства (3.17) учитывать с помощью квадратичного штрафа вида: П = /( ), (3.22) здесь Q- штраф, R- набор штрафных параметров (весовой коэффициент), К- количество ограничений, hk2(x) - ограничение-равенство.
Для перехода к безусловной оптимизации определим новую целевую функцию hQVj,R\e Wj+]) введя две штрафные функции следующим образом: (3.24) і где //,=0, и Sj = Pj{m) j2Lm - ожидаемое значение среднего и m=0 дисперсии, определяемые параметрами модели в, Де, и Де2 ошибки между полученными значениями среднего и дисперсии Ж, и ожидаемыми. Таким образом, задача условной оптимизации (3.16) преобразуется в задачу безусловной оптимизации вида: W = m \h{WJ,R\e,Wj ) (3.25) Для поиска максимума целевой функции (3.25) с помощью метода штрафных функций в работе использовался следующий алгоритм [35]: Шаг 1. Задать єі}є2і WJ0)tRm;el - параметр окончания линейного поиска; е2 - параметр окончания процедуры безусловной оптимизации. Шаг 2. Используя градиентный метод наискорейшего подъема при фиксированном R{!), найти Wj +l), доставляющие максимум функции h(Wj,R\$,Wj+]). В качестве начальной точки использовать Wj, а в качестве параметра окончания шага єг. Шаг 3. Проверка условия останова. Если условие выполняется, то переход к шагу 5, иначе к шагу 4. Шаг 4. Л(Ы) = Д(,) + AR!0, перейти к шагу 2, где AR(,) - приращение соответствующего знака. Шаг 5. Останов. В качестве условия останова, возможно применение одного из следующих условий: 1. Разность между соседними значениями целевой функции; А(0Т\Д " WWj -hQVJ KRWWWj e,, (3.26) где еъ - параметр окончания работы алгоритма; 2. Количество итераций превышает заданное: и и„ max (3.27) где птлк - максимальное количество итерации. 3. Размер шага меньше заданного: № Кь (3-28) где Amin - минимальный размер шага. Использование метода наискорейшего подъема, предполагает изменение величины Wj в направлении градиента Vh(Wj,R\6JV x) B соответствии со следующим рекуррентным соотношением:
Опытный прибор оптоэлектронного контроля качества поверхности листового металлопроката
В рамках выполнения диссертационной работы для ООО «Малленом» разработан опытный прибор контроля качества поверхности стальной холоднокатаной полосы на выходе агрегата продольной резки-9 цеха отделки металлопроката (ЦОМ) производства холоднокатаного листа (ПХЛ) ОАО «Северсталь». Прибор предназначен для проверки метода и средств оптоэлектронного контроля качества в условиях производства. Структурная схема прибора ОЭКК представлена на рис. 4.2.
Сканирование осуществляется поперек движения полосы металла (П). Скорость полосы может достигать б м/с. Поверхность полосы освещается источником света (И) на базе ртутной лампы. При помощи автотрансформатора (AT) регулируется интенсивность падающего света. Отраженный световой сигнал принимают три ПЗС-камеры чересстрочного сканирования (К). Область контроля разбита на три непересекающиеся зоны (3), в каждой из которых ведется наблюдение одной камерой. Видеодатчики и источник света крепятся на двух парах направляющих (Н). Изменение угла наклона направляющих может выполнятся в диапазоне от 10- 90. Направляющие оборудованы несущими штангами (Ш), позволяющими изменять расстояние до объекта контроля от 1 до 2 м. Полученный при помощи ПЗС-камеры телевизионный сигнал подается на плату видеоввода, которая производит его оцифровку. Плата видеоввода позволяет вводить до 50 полукадров в секунду. На выходе платы формируется полутоновое изображение размером 384x288, соответствующее одному полукадру, содержащее 256 градаций серого. Далее оцифрованное изображение обрабатывается на рабочих станциях (PC) при помощи специально разработанного комплекса программных средств.
Возможность изменения угла наклона несущих и высоты несущей штанги позволяет выбрать оптимальную оптическую схему, которая позволит производить надежное выявление дефектов. Источник освещения представлен дуговой ртутной лампой ДРЛ 250. Выбор ее обусловлен необходимой мощностью. Видеодатчики представлены камерами KPS-383C со следующими характеристиками: - ПЗС-матрица 1/2", формат 795(H)x596(V); - разрешение 560 ТВЛ; - чувствительность 0,02 лк; - отношение сигнал/шум 48 дБ; - электронный затвор 1/50 (1/60 с) - 1/100000 с; - температурный режим -10С - +50С. Все камеры оборудованы трансфокаторами с дистанционным управлением AVENIR SL08551A.
Количество используемых датчиков выбрано таким образом, чтобы получить разрешающую способность 1 1 мм по горизонтали и вертикали (см. п. 1.4). Ширина полосы находится в диапазоне 780 2000 мм.
На каждой рабочей станции и сервере установлены процессоры Intel Pentium 4 2,8 ГГц и ОЗУ типа SDRAM объемом 512 Мб.
Программное обеспечение, установленное на сервере и рабочих станциях, представлено операционной системой WINDOWS 2000 Professional.
Передача данных выполняется по протоколу TCP/IP. Непосредственно передача реализуется на прикладном уровне, используя интерфейс доступа к сервисам TCP/IP - сокеты Windows (WinSock).
При выборе параметров оптической схемы использовались методика, описанная в п.3.4. Комплекс программных средств АСОИ предполагает функционирование системы в двух режимах; режиме обучения и режиме контроля. Режим обучения предназначен для синтеза алгоритмов выявления поверхностных дефектов, выбора оптимальных параметров оптической схемы. Режим контроля предназначен для экспериментальной проверки синтезированных алгоритмов. На рис. 4.3, 4.4 представлены обобщенные блок-схемы работы t, программных средств ПЭВМ, осуществляющей непосредственный контроль и ПЭВМ - накопителя статистической информации в режиме контроля. На рис. 4.5 представлена схема информационных потоков.
Программные средства создавались в среде программирования Delphi 7.0 под управлением операционной системы Windows 2000. Адекватность предложенной модели оптоэлектронного сигнала проверялась с использованием следующей методики: 1. Синтез образцов, содержащих различные типы дефектов и общий фон. 2. Определение параметров модели для каждого класса по синтезированным образцам: 1 N где i = \,.,.,Nc, Nc - количество синтезированных образцов і-то класса, с є (1,..., N), N - количество классов. 3. Определение параметров модели для каждого класса по реальным образцам:
