D0I:10.13374/i.issnl00113.2009.12.024 第31卷第12期 北京科技大学学报 Vol.31 No.12 2009年12月 Journal of University of Science and Technology Beijing Dee.2009 基于线型激光的连铸板坯表面裂纹在线检测技术 徐科杨朝霖周鹏杨成李希纲 北京科技大学高效轧制国家工程研究中心，北京100083 摘要采用光学检测法对高温铸坯进行表面裂纹在线检测，将高亮度绿色激光线光源照射到铸坯表面，利用激光的单色性 在摄像机镜头前加装窄带滤色镜去除高温铸坯表面辐射光的影响，从而提高图像的对比度.通过非抽样小波对铸坯表面图像 进行分解，计算分解后得到的低频分量和原始图像的尺度共生矩阵，以及高频分量的灰度共生矩阵，作为图像的纹理特征，并 输入基于AdaBoosting算法的分类器进行分类.利用该方法对表面裂纹、水痕，渣痕、氧化铁皮和振痕等五种缺陷和伪缺陷样 本进行识别，表面裂纹的识别率达86.75%，总体识别率达87.16%. 关键词连铸板坯；表面裂纹；在线检测：共生矩阵 分类号TP216 On-line detection technique of surface cracks for continuous casting slabs based on linear lasers XU Ke,YANG Chao-lin,ZHOU Peng,YANG Cheng.LI Xi-gang National Engineering Research Center for Advanced Rolling Technology.University of Science and Technology Beijing.Beijing 100083.Cnina ABSTRACT An optical detection technique was applied to on-line detection of surface defects for continuous casting slabs with high temperature.Green linear lasers with high luminance were projected on the slab surface.According to laser monochromaticity,a nar- rowband color filter was added to lens to prevent slab radiation coming into CCD cameras,and the image contrast was improved.Non- sampling wavelet decomposition was applied to surface images of the slabs,and the scale co-occurrence matrixes of low-pass compo- nents and original images were calculated as textural features of images.as well as the scale co-occurrence matrixes of high-pass com- ponents.A classifier based on AdsBoosting algorithms was developed for classification of defects with textural features.The technique was tested with samples of surface cracks.water marks,slag marks,scales and vibration marks,and the results show that the classi- fication rate of surface cracks is 86.75%and the classification rate of all the samples is 87.16%. KEY WORDS continuous casting slab:surface crack:on-line detection:co-occurrence matrix 表面裂纹是影响连铸坯表面质量的重要因素， 测方式，即使采用非接触检测方式，铸坯表面与传 也是影响连铸坯热送直轧工艺的重要原因，如何在 感器之间距离也不能太近；否则，传感器会在高温金 线检测连铸板坯表面裂纹不仅对于提高连铸板坯质 属长时间烘烤下改变其特性，而且，由于连铸坯表 量具有重要的意义，而且是提高热送直轧比例的前 面非常不光滑，常附有铸瘤、氧化铁皮等小凸出物， 提，目前对金属表面裂纹进行检测的常用方法有超 有可能对传感器造成机械损坏，此外，高温金属导 声波式、磁感应式四和涡流式[等，这些方法对检 磁性大幅度下降，电阻率上升，并且铸坯表面温度受 测常温状态下金属裂纹，可以获得良好的检测结果 金属化学成分、铸坯断面形状、拉坯速度和冷却条件 与精度，但是在对连铸坯表面裂纹缺陷进行在线检 等多方面因素影响，具有很大随机性，这些都会对以 测时，铸坯表面温度高达1000℃以上，在这种温度 电磁感应为基础的检测方式的精度产生不良影响· 下检测，要求既不能采用耦合剂，也不能采用接触检 基于CCD摄像的图像检测技术是一种新型的无损 收稿日期：2009-02-03 基金项目：“十一五”国家科技支撑计划资助项目(No.2006BAE03A06):国家自然科学基金资助项目(N。.60705017):北京市科技新星计划资 助项目(Na.2007B027) 作者简介：徐科(l972一)，男，研究员，E-mail:xuke@usb-cd-cn
基于线型激光的连铸板坯表面裂纹在线检测技术 徐 科 杨朝霖 周 鹏 杨 成 李希纲 北京科技大学高效轧制国家工程研究中心北京100083 摘 要 采用光学检测法对高温铸坯进行表面裂纹在线检测将高亮度绿色激光线光源照射到铸坯表面利用激光的单色性 在摄像机镜头前加装窄带滤色镜去除高温铸坯表面辐射光的影响从而提高图像的对比度．通过非抽样小波对铸坯表面图像 进行分解计算分解后得到的低频分量和原始图像的尺度共生矩阵以及高频分量的灰度共生矩阵作为图像的纹理特征并 输入基于 AdaBoosting 算法的分类器进行分类．利用该方法对表面裂纹、水痕、渣痕、氧化铁皮和振痕等五种缺陷和伪缺陷样 本进行识别表面裂纹的识别率达86∙75％总体识别率达87∙16％． 关键词 连铸板坯；表面裂纹；在线检测；共生矩阵 分类号 TP216 On-line detection technique of surface cracks for continuous casting slabs based on linear lasers XU KeY A NG Chao-linZHOU PengY A NG ChengLI X-i gang National Engineering Research Center for Advanced Rolling TechnologyUniversity of Science and Technology BeijingBeijing100083Cnina ABSTRACT An optical detection technique was applied to on-line detection of surface defects for continuous casting slabs with high temperature．Green linear lasers with high luminance were projected on the slab surface．According to laser monochromaticitya narrowband color filter was added to lens to prevent slab radiation coming into CCD camerasand the image contrast was improved．Nonsampling wavelet decomposition was applied to surface images of the slabsand the scale co-occurrence matrixes of low-pass components and original images were calculated as textural features of imagesas well as the scale co-occurrence matrixes of high-pass components．A classifier based on AdsBoosting algorithms was developed for classification of defects with textural features．T he technique was tested with samples of surface crackswater marksslag marksscales and vibration marksand the results show that the classification rate of surface cracks is86∙75％ and the classification rate of all the samples is87∙16％． KEY WORDS continuous casting slab；surface crack；on-line detection；co-occurrence matrix 收稿日期：2009-02-03 基金项目：“十一五”国家科技支撑计划资助项目（No．2006BAE03A06）；国家自然科学基金资助项目（No．60705017）；北京市科技新星计划资 助项目（No．2007B027） 作者简介：徐 科（1972—）男研究员E-mail：xuke＠ustb．edu．cn 表面裂纹是影响连铸坯表面质量的重要因素 也是影响连铸坯热送直轧工艺的重要原因如何在 线检测连铸板坯表面裂纹不仅对于提高连铸板坯质 量具有重要的意义而且是提高热送直轧比例的前 提．目前对金属表面裂纹进行检测的常用方法有超 声波式、磁感应式［1］和涡流式［2］等．这些方法对检 测常温状态下金属裂纹可以获得良好的检测结果 与精度．但是在对连铸坯表面裂纹缺陷进行在线检 测时铸坯表面温度高达1000℃以上在这种温度 下检测要求既不能采用耦合剂也不能采用接触检 测方式．即使采用非接触检测方式铸坯表面与传 感器之间距离也不能太近；否则传感器会在高温金 属长时间烘烤下改变其特性．而且由于连铸坯表 面非常不光滑常附有铸瘤、氧化铁皮等小凸出物 有可能对传感器造成机械损坏．此外高温金属导 磁性大幅度下降电阻率上升并且铸坯表面温度受 金属化学成分、铸坯断面形状、拉坯速度和冷却条件 等多方面因素影响具有很大随机性这些都会对以 电磁感应为基础的检测方式的精度产生不良影响． 基于 CCD 摄像的图像检测技术是一种新型的无损 第31卷 第12期 2009年 12月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．31No．12 Dec．2009 DOI:10．13374／j．issn1001－053x．2009．12．024
第12期 徐科等：基于线型激光的连铸板坯表面裂纹在线检测技术 .1621. 检测方法，具有非接触、响应快等优点，在带钢表面 基本为红光或红外光，其光波波段基本都在600nm 检测中得到了广泛应用[3).将图像检测技术应用 以上，与绿色激光处于不同的波段范围.因此，在摄 于连铸板坯表面裂纹检测，可以发挥非接触检测的 像机的镜头前加中心波长为532nm的窄带滤色镜 优点，受高温金属影响较小，具有较高的抗干扰能 就可以滤除铸坯表面辐射的红光及红外光，从而避 力 免背景光的影响 本文采用线型激光作照明，以线阵CCD摄像机 由于铸坯表面粗糙，反射率低，因此本文选用了 为图像采集装置，通过小波分解与纹理分析算法对 两台高功率的激光线光源作为照明设备，保证了采 采集到的板坯表面图像进行处理，用来检测表面裂 集到的图像具有高的对比度，为下一步的裂纹检测 纹缺陷，以此开发一套连铸板坯表面裂纹在线检测 提供了可能，图2是通过本文介绍的检测系统在线 系统，并在国内某连铸生产线上进行应用验证， 采集到的铸坯表面图像，其中白色方框区域为裂纹 所在区域，由图2可以看到，表面裂纹所在的区域 1检测原理与系统设计 与背景存在着灰度上的差异，通过肉眼很容易进行 1.1检测原理 分辨 如图1所示，本文采用CCD摄像技术，将高亮 度激光线光源发出的绿色激光线投射到铸坯表面， 通过线阵CCD摄像机采集铸坯表面反射的光，并转 换成数字图像，通过图像处理算法检测铸坯表面的 裂纹缺陷 图2表面裂纹样本图像 图1检测示意图 Fig-2 Sample image of a surface crack Fig.1 Sketch map of detection 1.3摄像机 1.2光源 由于铸坯表面温度高，生产线环境恶劣，因此摄 采用光学检测法检测表面裂纹缺陷必须去除背 像机数量尽可能少，以利于设备的防护与系统的稳 景光的影响.铸坯表面温度高、辐射光强烈，为了去 定运行.但是，由于铸坯的宽度一般超过2m,为保 除背景光，一般选用亮度非常高的水银灯作照 证检测精度，必须选用高分辨率的摄像机，本文选 明].采用这种照明方式存在着以下问题：由于铸 用了一台4096像素的线阵CCD摄像机作图像采集 坯表面辐射的光过于强烈，即使采用高亮度的水银 设备，最大采集速度为9000行s1,像元尺寸为 灯光源，也无法将背景光完全去除，因此背景光在摄 10m 像机采集到的光线中占据了相当的比重，一旦铸坯 摄像机在铸坯宽度方向上的采集宽度L为： 由于温度变化或钢种变化造成辐射光强度的变化， L=HXUF (1) 摄像机采集到的背景光强度就会造成变化，使得摄 式中，l为线阵CCD传感器长度，等于像元总数 像机采集到的图像出现过饱和或过暗的现象，影响 4096与像元尺寸10m的乘积；H为摄像机距铸坯 缺陷的检测效果，因此，单纯采用高亮度的照明不 表面的高度，实际应用中为3200mm;F为摄像机 能完全去除背景光的影响，激光具有很好的单色 镜头的焦距，本文选用焦距为50mm的镜头 性，本文采用激光线光源作为照明设备，并且选用波 把相应数据带入式(1)，可得到摄像机在铸坯宽 长为532nm的绿色激光.由于铸坯表面的辐射光 度方向上的采集宽度为L=(3200×4096×
检测方法具有非接触、响应快等优点在带钢表面 检测中得到了广泛应用［3—4］．将图像检测技术应用 于连铸板坯表面裂纹检测可以发挥非接触检测的 优点受高温金属影响较小具有较高的抗干扰能 力［5］． 本文采用线型激光作照明以线阵 CCD 摄像机 为图像采集装置通过小波分解与纹理分析算法对 采集到的板坯表面图像进行处理用来检测表面裂 纹缺陷以此开发一套连铸板坯表面裂纹在线检测 系统并在国内某连铸生产线上进行应用验证． 1 检测原理与系统设计 1∙1 检测原理 如图1所示本文采用 CCD 摄像技术将高亮 度激光线光源发出的绿色激光线投射到铸坯表面 通过线阵 CCD 摄像机采集铸坯表面反射的光并转 换成数字图像通过图像处理算法检测铸坯表面的 裂纹缺陷． 图1 检测示意图 Fig．1 Sketch map of detection 1∙2 光源 采用光学检测法检测表面裂纹缺陷必须去除背 景光的影响．铸坯表面温度高、辐射光强烈为了去 除背景光一般选用亮度非常高的水银灯作照 明［6］．采用这种照明方式存在着以下问题：由于铸 坯表面辐射的光过于强烈即使采用高亮度的水银 灯光源也无法将背景光完全去除因此背景光在摄 像机采集到的光线中占据了相当的比重．一旦铸坯 由于温度变化或钢种变化造成辐射光强度的变化 摄像机采集到的背景光强度就会造成变化使得摄 像机采集到的图像出现过饱和或过暗的现象影响 缺陷的检测效果．因此单纯采用高亮度的照明不 能完全去除背景光的影响．激光具有很好的单色 性本文采用激光线光源作为照明设备并且选用波 长为532nm 的绿色激光．由于铸坯表面的辐射光 基本为红光或红外光其光波波段基本都在600nm 以上与绿色激光处于不同的波段范围．因此在摄 像机的镜头前加中心波长为532nm 的窄带滤色镜 就可以滤除铸坯表面辐射的红光及红外光从而避 免背景光的影响． 由于铸坯表面粗糙反射率低因此本文选用了 两台高功率的激光线光源作为照明设备保证了采 集到的图像具有高的对比度为下一步的裂纹检测 提供了可能．图2是通过本文介绍的检测系统在线 采集到的铸坯表面图像其中白色方框区域为裂纹 所在区域．由图2可以看到表面裂纹所在的区域 与背景存在着灰度上的差异通过肉眼很容易进行 分辨． 图2 表面裂纹样本图像 Fig．2 Sample image of a surface crack 1∙3 摄像机 由于铸坯表面温度高生产线环境恶劣因此摄 像机数量尽可能少以利于设备的防护与系统的稳 定运行．但是由于铸坯的宽度一般超过2m为保 证检测精度必须选用高分辨率的摄像机．本文选 用了一台4096像素的线阵 CCD 摄像机作图像采集 设备最大采集速度为9000行·s —1像元尺寸为 10μm． 摄像机在铸坯宽度方向上的采集宽度 L 为： L＝ H× l／F （1） 式中l 为线阵 CCD 传感器长度等于像元总数 4096与像元尺寸10μm 的乘积；H 为摄像机距铸坯 表面的高度实际应用中为3200mm；F 为摄像机 镜头的焦距本文选用焦距为50mm 的镜头． 把相应数据带入式（1）可得到摄像机在铸坯宽 度方 向 上 的 采 集 宽 度 为 L＝ （3200×4096× 第12期 徐 科等： 基于线型激光的连铸板坯表面裂纹在线检测技术 ·1621·
,1622. 北京科技大学学报 第31卷 10)/50=2621.44mm, 示为[8] 由于铸坯的最大宽度为2500mm,因此用一台 $(f,f+1)={(x,y)lfia(x,y)= 4096像素的摄像机即能够满足检测宽度的要求 i,f+1(x十△x,y+△y)=j: 图像上每个像素代表铸坯宽度方向上实际尺寸 x∈[0，Nx),y∈[O,N)} (3) d=L/4096mm,此即为摄像机在铸坯宽度方向上 式中，H为集合中元素的数目，(i,j)∈[0，G),(x, 的采集精度.相应数据代入上式得d=0.64mm, y)为图像中的像素坐标，G为图像的灰度级数， 铸坯长度方向（即运行方向）的采集精度d,取 Nx、N,分别为图像的行数和列数 决于摄像机的扫描频率和铸坯在辊道上的运行速 度，可用公式表示为： dy=v/f (2) D 式中，V为铸坯在辊道上的运行速度，等于0.5m· s1;∫为摄像机的采集速度，最大采集速度为9000 D 行s1 D 为保证宽度方向上的采集精度与长度方向上的 采集精度一致，取d,=0.64mm,V=500mms1, 图3非抽样小波分解示意图 代入式(2)，得f=781行s1.因此为保证宽度方 Fig.3 Sketch map of non-sampling wavelet decomposition 向与长度方向采集精度都为0.64mm,摄像机的采 虽然尺度共生矩阵在许多方面包含了纹理的统 集速度需设定为781行s1. 计特性，但它并不是直接作为纹理分割或分类的特 2基于共生矩阵的表面裂纹检测算法 征，一般由尺度共生矩阵构造一些统计量，并以此作 为纹理特征，本文中利用常用的由Haralick[8]导出 铸板的表面裂纹与其他缺陷（如疤痕和振痕）或 的八个统计量，作为纹理分析的特征， 伪缺陷（水痕、渣痕和氧化铁皮）组成，它们在各个方 2.3灰度共生矩阵 向上的纹理特征各有不同，可以利用小波的多方向 灰度共生矩阵统计了图像中相距为(a,b)的 性特点对图像进行分解后再作纹理分析，本文首先 两个像素的灰度联合分布概率。其元素可表示 对铸坯表面图像进行小波分解，然后通过低频分量 为9]： 和原图的尺度共生矩阵以及高频分量的灰度共生矩 p(i.j)=(x.y),(x+a.y+b)lf(x,y)=i, 阵提取图像的纹理特征，最后利用基于Boosting算 f(x+a,y+b)=j:x∈[0，Nx),y∈[0，N,)f 法的分类器进行分类. (4) 2.1非抽样小波变换 式中的符号定义与式(3)相同.和尺度共生矩阵一 1995年，Nason和Silverman提出了一种非正交 样，灰度共生矩阵也包含了大量的纹理统计特征，但 的小波变换[]，即非抽样小波或平稳小波变换(dis~ 它本身也不能作为特征进行纹理分类.本文选用灰 crete stationary wavelet transform),与经典的离散 度共生矩阵提取的四个统计量[]一角二阶矩、对 小波变换相比，在非抽样框架中，省略了小波分解的 比度、相关及嫡作为纹理分析的特征， 下抽样和小波重构的上抽样。非抽样小波具有冗余 性和平移不变性，能比抽样小波给出一个更为近似 3实验 的估计， 3.1样本图像 非抽样小波变换算法如图3所示，由图3可以 本文使用的连铸板坯表面图像样本均从笔者开 看出，通过非抽样小波分解，可以得到四个子图像 发的铸坯表面在线检测系统在线采集的，图像中包 P+1、D+1、D+1和D+1,其中P+1为低频部分， 含有裂纹、水痕、渣痕、氧化铁皮和振痕等，其中裂纹 D+1、D+1和D+1为高频部分.由于没有下抽样， 是系统所要检测的目标，为了后续的特征提取和分 所有子图像的尺寸都和原图像相同， 类，将每幅图像分成128×128的子图像，对每幅子 2.2尺度共生矩阵 图像进行特征提取和分类 尺度共生矩阵统计了图像中相邻两尺度和 3.2提取尺度和灰度共生矩阵 f+1的共现灰度的频率。尺度共生矩阵的元素可表 对采集到的图像进行分析，发现裂纹、水痕和渣
10）／50＝2621∙44mm． 由于铸坯的最大宽度为2500mm因此用一台 4096像素的摄像机即能够满足检测宽度的要求． 图像上每个像素代表铸坯宽度方向上实际尺寸 dk＝ L／4096mm此即为摄像机在铸坯宽度方向上 的采集精度．相应数据代入上式得 dk＝0∙64mm． 铸坯长度方向（即运行方向）的采集精度 dV 取 决于摄像机的扫描频率和铸坯在辊道上的运行速 度可用公式表示为： dV＝ V／f （2） 式中V 为铸坯在辊道上的运行速度等于0∙5m· s —1 ；f 为摄像机的采集速度最大采集速度为9000 行·s —1． 为保证宽度方向上的采集精度与长度方向上的 采集精度一致取 dV＝0∙64mmV ＝500mm·s —1 代入式（2）得 f ＝781行·s —1．因此为保证宽度方 向与长度方向采集精度都为0∙64mm摄像机的采 集速度需设定为781行·s —1． 2 基于共生矩阵的表面裂纹检测算法 铸板的表面裂纹与其他缺陷（如疤痕和振痕）或 伪缺陷（水痕、渣痕和氧化铁皮）组成它们在各个方 向上的纹理特征各有不同可以利用小波的多方向 性特点对图像进行分解后再作纹理分析．本文首先 对铸坯表面图像进行小波分解然后通过低频分量 和原图的尺度共生矩阵以及高频分量的灰度共生矩 阵提取图像的纹理特征最后利用基于 Boosting 算 法的分类器进行分类． 2∙1 非抽样小波变换 1995年Nason 和Silverman 提出了一种非正交 的小波变换［7］即非抽样小波或平稳小波变换（discrete stationary wavelet transform）．与经典的离散 小波变换相比在非抽样框架中省略了小波分解的 下抽样和小波重构的上抽样．非抽样小波具有冗余 性和平移不变性能比抽样小波给出一个更为近似 的估计． 非抽样小波变换算法如图3所示．由图3可以 看出通过非抽样小波分解可以得到四个子图像 Pj＋1、D 1 j＋1、D 2 j＋1和 D 3 j＋1其中 Pj＋1为低频部分 D 1 j＋1、D 2 j＋1和 D 3 j＋1为高频部分．由于没有下抽样 所有子图像的尺寸都和原图像相同． 2∙2 尺度共生矩阵 尺度共生矩阵统计了图像中相邻两尺度 f k 和 f k＋1的共现灰度的频率．尺度共生矩阵的元素可表 示为［8］： ●ij（ f kf k＋1）＝∀｛（ xy）｜f k（ xy）＝ if k＋1（ x＋Δxy＋Δy）＝ j； x∈［0Nx）y∈［0Ny）｝ （3） 式中∀为集合中元素的数目（ ij）∈［0G）（ x y）为图像中的像素坐标G 为图像的灰度级数 Nx、Ny 分别为图像的行数和列数． 图3 非抽样小波分解示意图 Fig．3 Sketch map of non-sampling wavelet decomposition 虽然尺度共生矩阵在许多方面包含了纹理的统 计特性但它并不是直接作为纹理分割或分类的特 征一般由尺度共生矩阵构造一些统计量并以此作 为纹理特征．本文中利用常用的由 Haralick ［8］导出 的八个统计量作为纹理分析的特征． 2∙3 灰度共生矩阵 灰度共生矩阵统计了图像中相距为（ ab）的 两个像素的灰度联合分布概率．其元素可表示 为［9］： p（ ij）＝∀｛（ xy）（ x＋ ay＋b）｜f （ xy）＝ i f （ x＋ ay＋b）＝ j；x∈［0Nx）y∈［0Ny）｝ （4） 式中的符号定义与式（3）相同．和尺度共生矩阵一 样灰度共生矩阵也包含了大量的纹理统计特征但 它本身也不能作为特征进行纹理分类．本文选用灰 度共生矩阵提取的四个统计量［10］———角二阶矩、对 比度、相关及熵作为纹理分析的特征． 3 实验 3∙1 样本图像 本文使用的连铸板坯表面图像样本均从笔者开 发的铸坯表面在线检测系统在线采集的图像中包 含有裂纹、水痕、渣痕、氧化铁皮和振痕等其中裂纹 是系统所要检测的目标．为了后续的特征提取和分 类将每幅图像分成128×128的子图像对每幅子 图像进行特征提取和分类． 3∙2 提取尺度和灰度共生矩阵 对采集到的图像进行分析发现裂纹、水痕和渣 ·1622· 北 京 科 技 大 学 学 报 第31卷
第12期 徐科等：基于线型激光的连铸板坯表面裂纹在线检测技术 ,1623 痕在垂直方向上的纹理特性比较明显，振痕在水平 于连铸板坯一次切割后的上表面在线检测，以替代 方向上的纹理特性比较明显，而氧化铁皮在各个方 人工通过肉眼直接观察高温铸坯表面的检测方式， 向上都具有纹理特性，小波分解具有多方向性的特 实际应用表明，该方法在线使用时能满足实时性要 点，因此对铸坯表面图像进行小波分解，将裂纹、水 求.由于本方法存在着对裂纹缺陷的漏检和误识情 痕、渣痕、氧化铁皮和振痕的各个方向上的纹理特征 况，为了降低裂纹的漏检和误识，现场设置了专门的 分解到各个分量中 岗位，由专人使用本系统，通过人工实时观察铸坯表 对每幅图像进行尺度为1的非抽样小波分解， 面图像和系统检测结果，再由人工进行最后的判定 得到一个低频分量和三个高频分量·根据前面介绍 一旦人工判定存在着裂纹缺陷，现场工人再对有裂 的方法求低频分量和原始图像的尺度共生矩阵，对 纹缺陷的铸坯进行处理，这样可以最大程度上避免 高频中的水平细节分量和垂直细节分量分别求灰度 裂纹的漏检，同时也避免由于误识情况造成对铸坯 共生矩阵。尺度共生矩阵反应了图像的动态信息， 不必要的处理， 较全面地描述了图像的纹理信息，而水平细节分量 本方法的使用虽然解决了现场工人直接用肉眼 和垂直细节分量的灰度共生矩阵则反应了图像在水 观察高温铸坯表面带来的漏检以及工人劳动环境恶 平方向和垂直方向上的静态信息，二者结合可以更 劣等问题，但是由于需要人工实时观察铸坯表面图 好的描述图像的纹理信息， 像，以及对系统检测结果进行人工判定，工人的劳动 3.3实验结果 量还是相对较大，因此，降低系统的漏检率和误识 本文对1028幅尺寸为128×128的子图像进行 率是进一步研究的重点，需要在图像采集方法和缺 了特征提取，其中裂纹332幅，水痕153幅，渣痕 陷识别算法上继续加以改进，以提高图像的对比度 238幅，氧化铁皮158幅，振痕147幅，由于本文的 和缺陷的识别率， 主要目的是检测表面裂纹缺陷，样本中的所有裂纹 缺陷都采用肉眼观察铸坯图像与现场工人直接观察 4结论 铸坯表面相比对后确定的，以保证样本库中裂纹缺 (1)采用光学检测方法解决了高温状态下连铸 陷的准确性，其他样本是根据肉眼观察铸坯图像后 板坯表面裂纹的缺陷检测问题， 判定的，选取的裂纹缺陷样本没有与其他缺陷重叠 (2)采用激光线光源解决了高温铸坯表面辐射 的地方，如果裂纹区域与其他缺陷重叠，则只选取没 光的影响，提高了缺陷的对比度， 有重叠的部分作为样本.选取其中一半作为训练样 (3)采用非抽样小波分解、尺度共生矩阵与灰 本，另一半作为测试样本进行测试，选取的分类器为 度共生矩阵相结合的特征提取方法，可以反映表面 Adaboost分类器，得到的结果如表1所示 裂纹与其他缺陷和伪缺陷在不同方向上的纹理差 表1样本图像的识别结果 别，从而得到较高的裂纹识别率. Table 1 Classification results of samples 参考文献 样本类型 样本数 正确数 识别率/% [1]LiS R.The initial exploration of the detection on line of the hot- 裂纹 166 144 86.75 rolled steel billet.Mech Res Appl,2007.20(3):74 水痕 77 71 92.20 (李世蓉.热轧钢坯在线检测初探.机械研究与应用，2007 渣痕 119 106 89.08 20(3):74) 氧化铁皮 79 63 79.75 [2]Jia H M,Fan H,Zhang K,et al.Simulating NDT on line of sur- face defect of hot slabs at temperature over 1100C.JIron Steel 振痕 73 64 87.67 Bes,1994,6(1):81 合计 514 448 87.16 (贾慧明，范弘，张克，等.1100℃高温连铸板坯表面缺陷的 模拟在线无损检测.钢铁研究学报，1994,6(1)：81) 由表1可以看出，本文的提取特征方法取得了 [3]Xu K.Zhou M G.Xu J W,et al.On-line surface inspection sys- 很好的分类效果，裂纹的识别率达到86.75%，总体 tem for hot-rolled strips based on linear laser.J Univ Sci Technol 识别率达到87.16%.由于连俦坯表面状况非常复 Beijing,2008,30(1):77 杂，一些裂纹由于与其他缺陷的形状非常相似，产生 (徐科，周茂贵，徐金梧，等。基于线型激光的热轧带钢表面 在线检测系统.北京科技大学学报，2008,30(1)：77) 了误识，同时，由于一些裂纹非常细小，与背景对比 [4]Sun H.Xu K.Xu J W.Online application of automatic surface 度很低，也会产生漏检的现象 quality inspection system to finishing line of cold rolled strips. 目前，本文提出的方法已经得到了在线应用，用 Univ Sci Technol Beijing.2003.10(4):38
痕在垂直方向上的纹理特性比较明显振痕在水平 方向上的纹理特性比较明显而氧化铁皮在各个方 向上都具有纹理特性．小波分解具有多方向性的特 点因此对铸坯表面图像进行小波分解将裂纹、水 痕、渣痕、氧化铁皮和振痕的各个方向上的纹理特征 分解到各个分量中． 对每幅图像进行尺度为1的非抽样小波分解 得到一个低频分量和三个高频分量．根据前面介绍 的方法求低频分量和原始图像的尺度共生矩阵对 高频中的水平细节分量和垂直细节分量分别求灰度 共生矩阵．尺度共生矩阵反应了图像的动态信息 较全面地描述了图像的纹理信息而水平细节分量 和垂直细节分量的灰度共生矩阵则反应了图像在水 平方向和垂直方向上的静态信息二者结合可以更 好的描述图像的纹理信息． 3∙3 实验结果 本文对1028幅尺寸为128×128的子图像进行 了特征提取其中裂纹332幅水痕153幅渣痕 238幅氧化铁皮158幅振痕147幅．由于本文的 主要目的是检测表面裂纹缺陷样本中的所有裂纹 缺陷都采用肉眼观察铸坯图像与现场工人直接观察 铸坯表面相比对后确定的以保证样本库中裂纹缺 陷的准确性其他样本是根据肉眼观察铸坯图像后 判定的．选取的裂纹缺陷样本没有与其他缺陷重叠 的地方如果裂纹区域与其他缺陷重叠则只选取没 有重叠的部分作为样本．选取其中一半作为训练样 本另一半作为测试样本进行测试选取的分类器为 Adaboost 分类器得到的结果如表1所示． 表1 样本图像的识别结果 Table1 Classification results of samples 样本类型 样本数 正确数 识别率／％ 裂纹 166 144 86∙75 水痕 77 71 92∙20 渣痕 119 106 89∙08 氧化铁皮 79 63 79∙75 振痕 73 64 87∙67 合计 514 448 87∙16 由表1可以看出本文的提取特征方法取得了 很好的分类效果裂纹的识别率达到86∙75％总体 识别率达到87∙16％．由于连铸坯表面状况非常复 杂一些裂纹由于与其他缺陷的形状非常相似产生 了误识．同时由于一些裂纹非常细小与背景对比 度很低也会产生漏检的现象． 目前本文提出的方法已经得到了在线应用用 于连铸板坯一次切割后的上表面在线检测以替代 人工通过肉眼直接观察高温铸坯表面的检测方式． 实际应用表明该方法在线使用时能满足实时性要 求．由于本方法存在着对裂纹缺陷的漏检和误识情 况为了降低裂纹的漏检和误识现场设置了专门的 岗位由专人使用本系统通过人工实时观察铸坯表 面图像和系统检测结果再由人工进行最后的判定． 一旦人工判定存在着裂纹缺陷现场工人再对有裂 纹缺陷的铸坯进行处理．这样可以最大程度上避免 裂纹的漏检同时也避免由于误识情况造成对铸坯 不必要的处理． 本方法的使用虽然解决了现场工人直接用肉眼 观察高温铸坯表面带来的漏检以及工人劳动环境恶 劣等问题但是由于需要人工实时观察铸坯表面图 像以及对系统检测结果进行人工判定工人的劳动 量还是相对较大．因此降低系统的漏检率和误识 率是进一步研究的重点需要在图像采集方法和缺 陷识别算法上继续加以改进以提高图像的对比度 和缺陷的识别率． 4 结论 （1） 采用光学检测方法解决了高温状态下连铸 板坯表面裂纹的缺陷检测问题． （2） 采用激光线光源解决了高温铸坯表面辐射 光的影响提高了缺陷的对比度． （3） 采用非抽样小波分解、尺度共生矩阵与灰 度共生矩阵相结合的特征提取方法可以反映表面 裂纹与其他缺陷和伪缺陷在不同方向上的纹理差 别从而得到较高的裂纹识别率． 参 考 文 献 ［1］ Li S R．The initial exploration of the detection on line of the hotrolled steel billet．Mech Res Appl200720（3）：74 （李世蓉．热轧钢坯在线检测初探．机械研究与应用2007 20（3）：74） ［2］ Jia H MFan HZhang Ket al．Simulating NDT on line of surface defect of hot slabs at temperature over1100℃．J Iron Steel Res19946（1） ：81 （贾慧明范弘张克等．1100℃高温连铸板坯表面缺陷的 模拟在线无损检测．钢铁研究学报19946（1）：81） ［3］ Xu KZhou M GXu J Wet al．On-line surface inspection system for hot-rolled strips based on linear laser．J Univ Sci Technol Beijing200830（1）：77 （徐科周茂贵徐金梧等．基于线型激光的热轧带钢表面 在线检测系统．北京科技大学学报200830（1）：77） ［4］ Sun HXu KXu J W．Online application of automatic surface quality inspection system to finishing line of cold rolled strips．J Univ Sci Technol Beijing200310（4）：38 第12期 徐 科等： 基于线型激光的连铸板坯表面裂纹在线检测技术 ·1623·
.1624, 北京科技大学学报 第31卷 [5]Zhai JY,Zhang Y P.Analysis of images in detecting flaws on the and Some Statistical Applications in Wavelet and Statistics. surface of steel slab.Shanxi Metall.2003.89(1):23 Berlin:Springer Verlag.1995 (翟家芸，张榆平，采用图像分析方法检测钢坯表面裂纹.山 [8]Haralick R M.Statistical and structural approaches to texture. 西治金，2003,89(1)：23) Proc1EEE,1979,67(5):786 [6]Ou Yang Q.Zhang X L.Chen D F,et al.Nondestructive test of [9]Lu CS,Chung P C.Chen C F.Unsupervised texture segmenta- surface defect of hot slabs based on machine vision at high temper- tion via wavelet transform.Pattern Recognit.1997.30(5):729 ature state.JChongqing Univ Nat Sci Ed.2007.30(11):27 [10]Feng J H.Yang Y J.Study of texture images extraction based (欧阳奇，张兴兰，陈登福，等，高温连铸坯表面缺陷的机器 on gray level cooccurrence matrix.Beijing Surv Mapp.2007 视觉无损检测.重庆大学学报：自然科学版，2007,30(11)： (3):19 27) (冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图像的研 [7]Nason G.Silverman B W.The Stationary Wavelet Transform 究.北京测绘，2007(3)：19) (上接第1593页) [2]Feng J Q.Du G X.Jia X L.et al.Rheological property of self- concrete:effect of ultrafine particles.Cem Coner Res,1998.28 flowing slurry permeating corundum castables.Refractories, (5).687 2006,40(5):335 [8]Cao X Y.Wang Z M.Li S F.et al.The present situation and (封鉴秋，杜光旭，贾晓林，等.刚玉质自流渗浆浇注料浆体的 application of castable rheometer/The Refractories Branch of 流变特性.耐火材料，2006,40(5)：335) Chinese Society for Metals.Proceedings of China Unshaped Re- [3]Wei J C.Tu J B.Influence of dispersant on fluidity of corundum fractories.Baotou.2007:227 based self-flow castable.J Hebei Inst Technol,2006,28(2):91 (曹喜营，王战民，李少飞，等。全组分流变仪的现状及应用∥ (魏军从，涂军波.减水剂对刚玉质自流浇注料流变性能的影 中国金属学会耐火材料分会.2007年全国不定形耐火材料学 响.河北理工学院学报，2006,28(2)：91) 术会议论文集.包头，2007：227 [4]Ye F B.Rigaud M.Liu X H.et al.Rheological behavior of [9]Han X L.Unshaped Refroctories.2ed.Beijing:Metallurgical bauxite based castable matrix.Bull Chin Ceram Soc.2004.23 Industry Press,2003:180 (1):26 (韩行禄.不定形耐火材料.2版.北京：冶金工业出版社， (叶方保，Rigaud M,刘新红，等.矾土基浇注料基质的流变性， 2003,180) 硅酸盐通报，2004,23(1)：26) [10]Zhang K.Cao X Y,Zhang W T,et al.The development and [5]Hu X F.SuZ X.The method of modified slump cone measuring application of the particle size distribution software for the un- fluidity of fresh concrete.Conerete,2006(8):64 shaped refractories/The Refractories Branch of Chinese Society (胡小芳，苏志学.改进式坍落度筒法测定新拌混凝土流变性 for Metals.Proceedings of China Youth Refractories. 能.混凝土，2006(8)：64) Dengfeng.2004:250 [6]Noor M A,Uomoto T.Rheology of high flowing mortar and con- (张可，曹喜营，张文田，等.不定形耐火材料用粒度分布软件 crete.Mater Struct.2004.37(8):513 的开发与使用∥中国金属学会耐火材料分会，第九届全国耐 [7]Nehdi M,Mindess,Aitcin P C.Rheology of high performance 火材料青年学术报告会论文集。登封，2004：250)
［5］ Zhai J YZhang Y P．Analysis of images in detecting flaws on the surface of steel slab．Shanxi Metall200389（1）：23 （翟家芸张榆平．采用图像分析方法检测钢坯表面裂纹．山 西冶金200389（1）：23） ［6］ Ou Yang QZhang X LChen D Fet al．Nondestructive test of surface defect of hot slabs based on machine vision at high temperature state．J Chongqing Univ Nat Sci Ed200730（11）：27 （欧阳奇张兴兰陈登福等．高温连铸坯表面缺陷的机器 视觉无损检测．重庆大学学报：自然科学版200730（11）： 27） ［7］ Nason GSilverman B W．The Stationary Wavelet T ransform and Some Statistical Applications in Wavelet and Statistics． Berlin：Springer Verlag1995 ［8］ Haralick R M．Statistical and structural approaches to texture． Proc IEEE197967（5）：786 ［9］ Lu C SChung P CChen C F．Unsupervised texture segmentation via wavelet transform．Pattern Recognit199730（5）：729 ［10］ Feng J HYang Y J．Study of texture images extraction based on gray level co-occurrence matrix．Beijing Surv Mapp2007 （3）：19 （冯建辉杨玉静．基于灰度共生矩阵提取纹理特征图像的研 究．北京测绘2007（3）：19） （上接第1593页） ［2］ Feng J QDu G XJia X Let al．Rheological property of selfflowing slurry-permeating corundum castables． Ref ractories 200640（5）：335 （封鉴秋杜光旭贾晓林等．刚玉质自流渗浆浇注料浆体的 流变特性．耐火材料200640（5）：335） ［3］ Wei J CTu J B．Influence of dispersant on fluidity of corundum based self-flow castable．J Hebei Inst Technol200628（2）：91 （魏军从涂军波．减水剂对刚玉质自流浇注料流变性能的影 响．河北理工学院学报200628（2）：91） ［4］ Ye F BRigaud MLiu X Het al．Rheological behavior of bauxite-based castable matrix．Bull Chin Ceram Soc200423 （1）：26 （叶方保Rigaud M刘新红等．矾土基浇注料基质的流变性． 硅酸盐通报200423（1）：26） ［5］ Hu X FSu Z X．The method of modified slump cone measuring fluidity of fresh concrete．Concrete2006（8）：64 （胡小芳苏志学．改进式坍落度筒法测定新拌混凝土流变性 能．混凝土2006（8）：64） ［6］ Noor M AUomoto T．Rheology of high flowing mortar and concrete．Mater Struct200437（8）：513 ［7］ Nehdi MMindessAïtcin P C．Rheology of high-performance concrete：effect of ultrafine particles．Cem Concr Res199828 （5）：687 ［8］ Cao X YWang Z MLi S Fet al．The present situation and application of castable rheometer ∥ The Refractories Branch of Chinese Society for Metals．Proceedings of China Unshaped Ref ractories．Baotou2007：227 （曹喜营王战民李少飞等．全组分流变仪的现状及应用∥ 中国金属学会耐火材料分会．2007年全国不定形耐火材料学 术会议论文集．包头2007：227 ［9］ Han X L． Unshaped Ref ractories．2ed．Beijing：Metallurgical Industry Press2003：180 （韩行禄．不定形耐火材料．2版．北京：冶金工业出版社 2003：180） ［10］ Zhang KCao X YZhang W Tet al．The development and application of the particle-size-distribution software for the unshaped refractories∥The Refractories Branch of Chinese Society for Metals． Proceedings of China Youth Ref ractories． Dengfeng2004：250 （张珂曹喜营张文田等．不定形耐火材料用粒度分布软件 的开发与使用∥中国金属学会耐火材料分会．第九届全国耐 火材料青年学术报告会论文集．登封2004：250） ·1624· 北 京 科 技 大 学 学 报 第31卷