冷轧带钢表面缺陷在线检测技术的研究(2)
本文主要研究内容为带钢表面缺陷的检测和分类。采用BP神经网络作为分类和检测的方法。其主要研究内容如下：
1、在现有的冷轧带钢表面缺陷检测技术的硬件基础上进行选择和改进，从而使得到的新系统满足实时在线功能。
2、研究神经网络在带钢表面缺陷检测方面的应用，给出基于BP神经网络的模式识别方法。
2 冷轧带钢表面缺陷检测系统的设计
冷轧带钢表面缺陷检测系统包括硬件系统和软件系统，整个系统是在生产线正常运行条件下实现钢材表面缺陷的检测和分类。生产部门可以利用该检测系统实时掌控钢材的质量情况，并及时调整生产过程及生产条件，从而达到控制钢材质量的目的。
2.1系统检测的常见缺陷类型
带钢表面缺陷往往具有多样性、复杂性的特点。不同生产线产生的表面缺陷往往会有不同的特点，同一生产线在不同工艺参数，或工艺参数相同而生产条件不同情况下产生的表面缺陷也有区别。
钢材表面的缺陷分为二文缺陷和三文缺陷两大种。二文缺陷通常没有使表面发生形貌变化，多为有色缺陷，如“压入氧化铁皮”、“乳化液斑痕”、“锈痕”等。 三文缺陷，是“划痕”、“折印”等使表面产生形貌变化的缺陷。本文主要针对于三文缺陷的检测。［3］
由于带钢表面缺陷的种类太多，为研究方便，本文特提供带钢表面常见的几种缺陷。［4］
1、压入氧化铁
压入氧化铁的典型形状为:
图2.1压入氧化铁典型形状
特征：一般粘附在钢板表面，分布于板面局部和全部。外观呈现不规则形状。
成因：轧制节奏快，轧辊材质性能差等原因造成的轧辊表面氧化膜脱落。
2、结疤
结疤的典型形状为：
图2.2结疤典型形状
特征：呈现叶状、羽状、条状、鱼鳞状、舌端状等形状。
成因：铸锭条件不佳或飞溅造成的表面缺陷和皮下气泡等。
3、擦伤
擦伤的典型形状为：
图2.3擦伤典型形状
特征：沿轧制方向呈现深浅不一的擦痕。
成因：辊道表面粗糙、磨损、变形或不转动，使钢板与辊道相擦。
4、辊印
辊印的典型形状为：
图4.4辊印典型形状
特征：具有一定间距的凹凸缺陷。
成因：轧辊表面粘有异物压入带钢表面、轧辊材质不佳造成粘辊、带钢焊缝过高而轧制中抬辊不及时引起粘辊造成的。
5、边裂
边裂的典型形状为：
图4.5边裂典型形状
特征：钢板边缘沿长度方向的一侧或两侧出现破裂，严重者呈现锯齿状。
成因：轧辊调整不好或辊型与版型配合不好，使钢带边部延伸不均。
6、划痕
划痕的典型形状为：
图4。6划痕典型形状
特征：平行于轧制方向的较长线状缺陷，有可见深度，零散或成排布。
成因：带钢与其它器物接触或各异导辊的旋转速度与带钢速度不同步，出现打滑后造成的。
2.2.检测方式
光在钢板表面的反射存在两种可能：镜面反射和漫反射。其在光滑表面进行的是镜面反射，而在粗糙表面进行的是漫反射。因此在对钢材表面进行检测时，首先需要考虑在被检测面上发生的是镜面反射还是漫反射。