基于机器视觉的『钢轨表面』缺陷检测

https://m.toutiao.com/is/STMkEc6/ 

随着铁道技术的不断发展，我国铁路运输凭着在运输速度、输送能力及输送成本等方面不可比拟的优势在我国交通运输行业中占着举足轻重的地位。

而随着国家铁路输送往运载速度快速化、承载货物重载化目标迈进的同时，为保证乘客旅行的绝对安全，其对铁路运输组件的质量要求也越来越高。近年来，为进一步保证铁路运输的安全，铁道部对钢轨的表面质量提出 了 更加严苛的要求，其中表面缺陷是衡量钢轨表面质量的一个重要技术指标。

钢轨表面缺陷检测难点

目前钢轨表面缺陷检测存在的问题有：

（1） 智能化程度低

通过实地参观考察发现，现有的大型钢铁轨梁厂如攀钢、包钢等仍采用人工目测法对钢轨表面质量进行监控，生产效率低，对后续的工艺改进参考价值不大。

（2） 钢轨缺陷检测研究较少

通过调研国内外文献可知，目前比较成熟的钢类产品缺陷检测技术主要集中于钢板，对冷态钢轨的研究甚少。

（3） 钢轨表面材质特殊，处理难度大

钢轨是一种高反光性材质，其表面灰度变化不大，因此钢轨缺陷检测对成像质量以及缺陷分割算法有更高的要求。

钢轨表面典型缺陷分析

通过分析国内某钢铁企业在生产过程中的实际情况以及钢轨缺陷形成机理，冷态钢轨表面缺陷可分为表面夹杂、 轧疤、 轧痕三种典型缺陷，此外，还有一种类似于缺陷但不属于缺陷的伪缺陷。

这几种类别缺陷外观如图：

这几种缺陷的形成原因及特点如表所示：

系统硬件结构设计

光源选择

钢轨具有如下性质：反光性强、材质均匀、生产现场光照时常变化。因此，选择一款光照度可调、照射均匀的光源对于钢轨成像至关重要。

两种不同照明方式下的钢轨表面图像如图：

明场照明方式下，钢轨表面均匀处反射光线大部分进入相机，而缺陷处由于漫反射使得光线未按原路返回，因此相对背景较暗，且钢轨表面材料的反射性使得所成图像容易过曝光；

暗场照明方式下，缺陷位置由于漫反射使得部分光线进入相机，因而相对背景较亮，实现突出缺陷的目的。

考虑到钢轨表面常见缺陷多为裂纹、轧疤、夹杂等凹陷形状， 因此采用暗场照明。

系统采用的照明方案如图示，其中，线阵相机垂直放置于钢轨上方，光源倾斜照射于钢轨表面。

相机选型

在实际生产线上，被测钢轨以 1.5m/s 的速度运动，运行速度相对较快，面阵相机帧率达不到要求， 易冗余成像。此外，CMOS 相机的图像采集速度快，更适合于拍摄运动物体，因此更适合本系统。

钢轨表面缺陷检测系统

检测系统的目的是实现钢轨表面缺陷的检出及识别， 因此本检测系统的设计应该满足以下要求：

（1）保证钢轨表面完整成像。由于钢轨在实际运行过程中存在左右波动情况，为了确保将钢轨表面完整成像，我们必须预留足够的成像宽度以满足需求。

（2）保证钢轨缺陷能正常显示。在实际生产线上，冷态钢轨运行速度为1.5m/s，因此搭建的成像系统成像速度应与钢轨运行速度一致。

（3）缺陷检出类别：可自动检出钢轨表面缺陷，实现轧疤、轧痕、夹杂以及伪缺陷的识别和分类。

（4）缺陷的检出率和识别率：高于90%。缺陷检出率指检出的缺陷数量与缺陷总量的百分比，识别准确率指正确识别的缺陷数量与缺陷总体数量的百分比。

设计的检测系统主要由图像采集、图像处理和运动控制三个模块组成。

其中，图像采集模块和运动控制模块属于硬件系统，图像处理模块属于软件系统。

在该检测系统中， 图像采集模块由相机、镜头以及光源组成，安放在被测钢轨的上方，安装高度和角度可调；运动控制模块用于输送钢轨和控制相机采样频率；图像处理模块主要用于处理相机采集钢轨表面图像，实现钢轨表面缺陷检测与识别。

矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念。

平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、视频流等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台。

如果你的工业生产线中需要用到类似的机器视觉：视觉检测、视觉识别、视觉定位等技术，那么不妨和我们聊聊，我们会先根据你的需求分析，从专业的角度来给你一个合适的方案！

本站是提供个人知识管理的网络存储空间，所有内容均由用户发布，不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息，谨防诈骗。如发现有害或侵权内容，请点击一键举报。