基于机器视觉的带钢表面缺陷检测研究进展

• 作者: 米春风 卢琨 汪文艳 王兵
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 热轧带钢 表面缺陷 检测方法 机器视觉
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 机械、电气与控制
• 页码范围: 180-188
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2022.02.009

摘要

热轧带钢是钢铁行业的主要原材料之一，其表面质量控制一直是生产过程智能检测的重点任务。针对带钢表面缺陷自动在线检测逐步取代人工检测的现状，概述带钢表面缺陷检测方法，着重阐述基于机器视觉的表面缺陷检测方法，比较分析传统机器视觉、深度学习方法在带钢表面缺陷检测的应用，探讨带钢表面缺陷检测中存在的关键技术问题，并对其未来发展趋势做展望。传统机器视觉的带钢缺陷检测方法检测速度较高，但精度较低；主流深度学习的缺陷检测方法检测精度高，但速度较慢。如何在保证检测实时性的前提下提高算法的准确性和鲁棒性，不仅是自动化和智能化检测的发展趋势，也是基于机器视觉部署在实际工业现场的关键所在。