一种热镀锌产线的康耐视表面质量检测系统的优化方法
【技术领域】
[0001] 本发明涉及炼钢技术领域，特别涉及一种热镀锌产线的康耐视表面质量检测系统 的优化方法。
【背景技术】
[0002] 随着科技的进步和汽车行业的迅猛发展，兼具生产成本低、镀层性能优、耐腐蚀性 能好、使用寿命长等优点的热镀锌板材在汽车外板上的应用越来越广泛，在带来巨大市场 潜力的同时也对热镀锌板的表面质量提出了更高的要求。对热镀锌板表面质量进行实时、 全面的检测和监控一方面有助于提高表面质量和生产水平，降低人工劳动强度，提高生产 效率，另一方面可以加强生产管控，保存完整准确的质量记录，避免问题带钢进入下一工序 或客户带来不必要的损失。
[0003] 与连退或冷硬板相比，热镀锌工序使带钢表面缺陷情况变的更复杂，除常规的卷 渣、翘皮等缺陷外，热镀锌工序会引入锌渣、锌灰、亮斑等细小缺陷，锌层还会使原料缺陷变 得模糊难辨，但这些会影响后续冲压过程。传统的表面质量检测采用人工目视抽检和频闪 光检测的方法进行，这种方法有三个主要弊端：1.抽检率低，只能在带钢低速时进行表面 检测，不能真实可靠地100%反映带钢表面的质量情况；2.实时性差，远不能满足生产线高 速的生产节奏；3.缺乏一致性，检测结果容易受检测人员主观判断的影响，缺乏检测的一 致性和科学性。此外，还有暗点等小缺陷难以检测和对检测人员有危害等弊端。传统的人 工检测往往不能得到满意的检测结果。
【发明内容】
[0004] 本发明提供一种热镀锌产线的康耐视表面质量检测系统的优化方法，解决现有技 术中人工抽检率低，实时性低，可靠性低的技术问题；达到了提升抽检率和效率，通过自动 化操作提升可靠性。
[0005] 为解决上述技术问题，本发明提供了一种热镀锌产线的康耐视表面质量检测系统 的优化方法，包括：
[0006] 在现场工控机采用Smartview构建系统服务器数据库；
[0007] 采用两台CCD行扫描相机同时检测表面；
[0008] 通过特定缺陷过滤操作，过滤尺寸微小的缺陷；
[0009] 通过直接判定操作，直接判定尺寸大的缺陷；
[0010] 采用实时表面检测拍摄的图片与实物形貌比对的方式建立缺陷图库；
[0011] 其中，所述缺陷图库中，每种缺陷收集多张缺陷图片，采用自学习反馈控制算法完 善缺陷图库；将自学习准确率低于90%的图片去除，补充新图片重新进行自学习，直至准 确率尚于90 %。
[0012] 进一步地，所述两台C⑶行扫描相机与入射光线夹角为30°，且相机与水平方向 的夹角为60°。
[0013] 进一步地，两台(XD行扫描相机镜头对齐，两个相机的对齐误差0小于.5mm。
[0014] 进一步地，采用下表参数设定模式；
[0016] 其中，曝光量为7%~10%。
[0017] 进一步地，所述特定缺陷过滤操作以及直接判定操作具体如下表，
[0021] 本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0022] 1、本申请实施例中提供的热镀锌产线的康耐视表面质量检测系统的优化方法，采 用康耐视表面检测系统用于热镀锌钢板表面质量的缺陷检测，利用既成的图像检测系统， 实时拍摄待检钢板的表面图像，并与现场的自学习缺陷图库比对得到缺陷的判断，大大提 升了抽检率和效率，同时自动化的操作也提升可靠性；另一方面，结合待检钢板的特异性， 针对缺陷图像采用自学习反馈控制算法，采用多张实施缺陷图像作为采样区间，进行自学 习过程，确定90%的准确率限定，完善自学习缺陷图库，从而最终得到高可靠性的缺陷图像 数据库。
[0023] 2、本申请实施例中提供的热镀锌产线的康耐视表面质量检测系统的优化方法，采 用两个相机相对拍摄的方式，拍摄位于带钢中心的缺陷，进行合并分析，提升数据分析的可 靠性。
[0024] 3、本申请实施例中提供的热镀锌产线的康耐视表面质量检测系统的优化方法，通 过限定系统参数配合模式，大大提升了康耐视表面检测系统与热镀锌产线的兼容性能，大 大提升工作效率。
【具体实施方式】
[0025] 本申请实施例通过提供一种热镀锌产线的康耐视表面质量检测系统的优化方法， 解决现有技术中人工抽检率低，实时性低，可靠性低的技术问题；达到了提升抽检率和效 率，通过自动化操作提升可靠性。
[0026] 为解决上述技术问题，本申请实施例提供技术方案的总体思路如下：
[0027] 一种热镀锌产线的康耐视表面质量检测系统的优化方法，包括：
[0028] 在现场工控机采用Smartview构建系统服务器数据库；
[0029] 采用两台CCD行扫描相机同时检测表面；
[0030] 通过特定缺陷过滤操作，过滤尺寸微小的缺陷；
[0031] 通过直接判定操作，直接判定尺寸大的缺陷；
[0032] 采用实时表面检测拍摄的图片与实物形貌比对的方式建立缺陷图库；
[0033] 其中，所述缺陷图库中，每种缺陷收集多张缺陷图片，采用自学习反馈控制算法完 善缺陷图库；将自学习准确率低于90%的图片去除，补充新图片重新进行自学习，直至准 确率尚于90 %。
[0034] 通过上述内容可以看出，采用康耐视表面检测系统用于热镀锌钢板表面质量的缺 陷检测，利用既成的图像检测系统，实时拍摄待检钢板的表面图像，并与现场的自学习缺陷 图库比对得到缺陷的判断，大大提升了抽检率和效率，同时自动化的操作也提升可靠性；另 一方面，结合待检钢板的特异性，针对缺陷图像采用自学习反馈控制算法，采用多张实施缺 陷图像作为采样区间，进行自学习过程，确定90%的准确率限定，完善自学习缺陷图库，从 而最终得到高可靠性的缺陷图像数据库。
[0035] 一种热镀锌产线的康耐视表面质量检测系统的优化方法，包括：
[0036] 在现场工控机采用Smartview构建系统服务器数据库；
[0037] 采用两台CCD行扫描相机同时检测表面；
[0038] 通过特定缺陷过滤操作，过滤尺寸微小的缺陷；
[0039] 通过直接判定操作，直接判定尺寸大的缺陷；
[0040] 采用实时表面检测拍摄的图片与实物形貌比对的方式建立缺陷图库；
[0041] 其中，所述缺陷图库中，每种缺陷收集多张缺陷图片，采用自学习反馈控制算法完 善缺陷图库；将自学习准确率低于90%的图片去除，补充新图片重新进行自学习，直至准 确率尚于90 %。
[0042] 所述两台CCD行扫描相机与入射光线夹角为30°，且相机与水平方向的夹角为 60。。
[0043] 两台(XD行扫描相机镜头对齐，两个相机的对齐误差0小于.5mm。
[0044] 采用下表参数设定模式；
[0045]
[0046] 其中，曝光量为7%~10%。
[0047] 所述特定缺陷过滤操作以及直接判定操作具体如下表，
[0050] 下面通过具体的实施例分别就偏移量调整和缺陷判定详细说明。
[0051] 相机偏移量的调整
[0052] 表检系统每个表面的检测画面由两个相机组成，当缺陷位于带钢中心位置时，两 个相机分别检测到缺陷的一部分，这时系统便要将两个照相机的数据进行合并分析，从而 得出完整的缺陷信息。
[0053] 如果相机水平没有对齐，那么必然会使系统得到的数据产生偏差，这就是由于两 个相机水平偏差造成的。经过调整相机偏移量参