彭鐵根,陸東升,何永輝
(寶山鋼鐵股份有限公司 1.中央研究院,上海 201999; 2.厚板廠,上海 200941)
厚板產(chǎn)品廣泛應用于管線、結構、容器、海洋工程及“大國重器”等項目中,是一種用途極為重要的鋼鐵產(chǎn)品。厚板產(chǎn)品表面質(zhì)量是影響厚板產(chǎn)品品質(zhì)最為重要的因素之一,但表面缺陷檢測仍面臨不少的挑戰(zhàn)。目前,國內(nèi)大部分厚板廠厚板成品的表面質(zhì)量檢查仍采用人工目視檢查的方法。對生產(chǎn)線輥道上行進中的鋼板進行表面質(zhì)量檢查是人工目視檢查難以完成的任務,且下表面需通過鏡面反射觀察鋼板表面,這大大增加了檢查的難度?;诖?質(zhì)檢人員難以在短時間內(nèi)快速準確完成鋼板表面一些影響質(zhì)量的缺陷的判定和檢出,容易造成批量缺陷的漏檢。針對成品厚板表面缺陷的檢測,傳統(tǒng)的人工目視檢測方式導致整個質(zhì)量判斷周期較長,信息獲取不及時,對質(zhì)量控制、生產(chǎn)節(jié)奏和庫存控制都存在較大的影響。當前,基于視覺檢測技術的厚板檢測系統(tǒng)開始得到應用,但受到鋼板跳動、高溫、噪聲、粉塵、水汽、油污等多種因素的影響,在復雜背景中實現(xiàn)厚板真實缺陷的檢測和識別存在一定的難度,相關技術還在持續(xù)探索中[1-3]。
在厚板表面質(zhì)量檢測方面,寶鋼BaoVision項目團隊在2015年底成功完成熱態(tài)厚板外形尺寸測量及表面缺陷檢測系統(tǒng)研發(fā),并應用到寶鋼股份厚板5 m產(chǎn)線,該系統(tǒng)在完成熱態(tài)厚板產(chǎn)品表面缺陷檢測的同時,實現(xiàn)了厚板平面尺寸測量[4]。2019年,BaoVision項目團隊啟動了1JC厚板表面質(zhì)量在線檢測系統(tǒng)的研發(fā),2021年上半年完成檢測設備上線,2021年下半年進行了檢測性能的優(yōu)化和改進,系統(tǒng)于2022年年初在現(xiàn)場正式投入使用。
厚板廠約15%左右的缺陷為精整剪切線產(chǎn)生的表面類缺陷。另外,厚板在高成材率要求條件下既要保證較少的切邊余量,又要保證剪切線將邊、角部的缺陷完全切除。因此,在進行1JC厚板表面質(zhì)量智能檢測方案設計時,除了上下表面缺陷的在線檢測和識別,還需要重點關注厚板頭尾部及邊部的缺陷發(fā)生情況。
厚板表面因氧化鐵皮及粉塵,輥道擦傷等干擾因素的影響,采用傳統(tǒng)的2D成像技術獲得的圖像,因背景復雜而較難識別出真實缺陷。應用深度學習算法需要的學習樣本較多,導致調(diào)試周期延長。相較于邊線邊裂折疊類缺陷,壓痕、劃傷類缺陷均存在深度變化,此時可采用3D成像技術進行缺陷檢測。因此可考慮采用2D/3D復合成像技術實現(xiàn)缺陷的檢測。
1JC厚板表面檢測系統(tǒng)采用2D/3D成像技術進行表面缺陷的在線檢測,2D/3D信息相互融合,實現(xiàn)邊線、邊裂及壓痕、廢邊、異物壓入等缺陷的有效檢測??紤]到便于現(xiàn)場用戶對全板圖的缺陷查看,2D系統(tǒng)為上下表面分別增加了全幅面成像單元。2D成像單元布置如圖1、圖2所示。
圖1 1JC厚板2D成像單元布置示意圖
當單板通過時,3D成像部分上下表面相機布置在厚板兩側。當剖分板通過時,四臺成像單元分別布置在兩塊厚板的兩側。如圖3所示。
圖3 3D檢測裝置現(xiàn)場安裝位置圖示
剖分板中間線所在的位置離基準側(傳動側)的距離為D,大板邊部離基準側的距離為L。根據(jù)現(xiàn)場提供的板寬數(shù)據(jù),按照剖分線離基準側的距離D為900~2 400 mm,大板邊部離基準側的距離L為2 400~4 800 mm進行3D成像單元移動距離的設計。檢測裝置分布如圖4所示。
圖4 剖分板通過時3D成像單元布置示意圖(單位:mm)
2021年4月初,基于2D/3D復合成像技術的厚板表面質(zhì)量檢測系統(tǒng)主體設備運送到厚板1JC現(xiàn)場。4月下旬,利用現(xiàn)場年修時間進行了設備安裝,完成所有主體機械結構、電氣柜落位、氣路管件安裝、橋架敷設、檢測系統(tǒng)線纜放線、接線等一系列工作。檢測系統(tǒng)主體安裝狀況如圖5所示。
設備安裝到厚板現(xiàn)場后,2021年下半年進行了缺陷樣本收集及檢測性能優(yōu)化,2022年年初正式投入現(xiàn)場使用,總體效果達到預期目標。在缺陷識別算法方面實現(xiàn)多項技術創(chuàng)新:
(1)不同機組缺陷樣本移植。移植熱矯直機后表面檢測系統(tǒng)的邊線邊裂缺陷樣本,應用深度學習技術快速實現(xiàn)了這類缺陷在1JC厚板產(chǎn)線缺陷在線識別。
(2)針對大數(shù)據(jù),小樣本缺陷。翹皮、折疊類缺陷及1JC出現(xiàn)的小樣本缺陷類別,應用樣本擴增技術,加快訓練過程。
(3)組合模型實現(xiàn)缺陷的有效分類。應用多種深度學習模型與傳統(tǒng)算法模型(決策樹),通過組合的方式進行檢測性能的評價,并擇優(yōu)選取最佳分類模型。
(4)2D+3D互為補充。無深度變化的邊線邊裂等缺陷沿用2D缺陷識別技術,有深度變化缺陷采用3D技術進行檢測。深度變化缺陷的識別和分類同樣采用深度學習模型進行訓練,以過濾厚板表面因油斑,擦劃傷等引起的缺陷誤檢。
以下列舉了兩個2022年下半年現(xiàn)場應用案例:
(1)應用2D檢測系統(tǒng)實現(xiàn)邊線類缺陷的有效檢出。
2022年8月26日,板號2826142300發(fā)現(xiàn)未切除干凈的邊線缺陷,現(xiàn)場手工修磨處置。2D檢測系統(tǒng)識別出缺陷的界面如圖6所示。
圖6 2D檢測系統(tǒng)缺陷檢出案例
(2)應用3D檢測系統(tǒng)實現(xiàn)異物壓入類缺陷的有效檢測。
2022年10月9日上午10:34,板號2A06146200上表面發(fā)現(xiàn)異物壓入,現(xiàn)場火焰切割處置。缺陷檢測結果如圖7所示。
圖7 3D檢測系統(tǒng)缺陷檢出案例
針對1JC厚板表面質(zhì)量在線檢測,BaoVision項目團隊基于2D/3D復合成像技術實現(xiàn)了厚板復雜背景下缺陷的自動檢測和識別。該系統(tǒng)在現(xiàn)場應用一年多來,有效實現(xiàn)邊線、邊裂、折疊、壓痕等缺陷的檢測和識別,大幅提高了成品鋼板的檢查效率,減少了厚板表面缺陷漏檢而導致缺陷產(chǎn)品流向用戶的概率,降低了現(xiàn)場質(zhì)檢人員的勞動強度,為厚板表面質(zhì)量控制提供了強有力支撐。