A surface defect detection method for rolling magnesium alloy sheet based on computer vision

Método de detección de defectos superficiales en chapas de aleación de magnesio laminadas basado en visión por ordenador

En el proceso de laminado de chapas de aleación de magnesio, es fácil que aparezcan defectos como grietas en los bordes, pliegues y ondulaciones en la superficie de la chapa. Estos defectos afectarán al rendimiento y la calidad del producto, y provocarán un desperdicio de recursos. En este trabajo, se utiliza tecnología de visión por ordenador para analizar la imagen de la chapa de aleación de magnesio laminada en tiempo real, extraer sus características defectuosas y utilizar el clasificador bayesiano y el clasificador Random Forest (RF) para identificar los defectos. Los resultados experimentales muestran que la tasa global de reconocimiento de defectos del algoritmo RF es de hasta el 92,4 %, muy superior a la precisión del clasificador bayesiano, y es más adecuado para el reconocimiento de defectos superficiales de la chapa de magnesio.

INTRODUCCIÓN

En el proceso de laminación de chapas de aleación de magnesio, la mala calidad de los desbastes a procesar, la baja precisión del equipo principal del tren de laminación y los parámetros de control inadecuados, como la velocidad de laminación y la fuerza de prensado, provocan directamente una baja calidad superficial de la chapa y reducen seriamente el rendimiento de la chapa laminada. Por lo tanto, la detección no destructiva, precisa y en tiempo real de los defectos superficiales de la chapa laminada de aleación de magnesio tiene una gran importancia práctica.

En la fase inicial de la detección de defectos superficiales en chapas finas, se suele utilizar el método de muestreo visual manual, que es lento en cuanto a la velocidad de detección y alto en cuanto a la tasa de fallos. Este método ya no satisface los requisitos de la producción industrial. Por lo tanto, algunos expertos y estudiosos han propuesto sucesivamente pruebas de corrientes de Foucault, pruebas de infrarrojos, pruebas de fugas de flujo magnético y otros métodos de detección de defectos superficiales, pero todavía hay muchas limitaciones, como la baja precisión de detección, pocos tipos de defectos detectables, etc. Con el desarrollo de la tecnología de visión por ordenador, el método de detección de defectos superficiales en chapas finas basado en el procesamiento digital de imágenes se ha convertido en un punto caliente de la investigación. El núcleo de este método es cómo elegir un algoritmo de procesamiento de imágenes de alta velocidad y un algoritmo de reconocimiento de alta precisión. En los últimos años, de acuerdo con las características de los defectos superficiales de la chapa, varios estudiosos han propuesto muchos métodos de reconocimiento de defectos, como la red neuronal artificial, la máquina de vectores de soporte y el método de máxima varianza entre clases [1]. Sin embargo, la mayoría de estos algoritmos se basan en imágenes estáticas de defectos de la chapa de magnesio, y no tienen en cuenta los problemas de la luz, la velocidad de producción y el muestreo repetido en la producción real de chapa de magnesio, por lo que no pueden aplicarse a la línea de producción real de chapa de magnesio para la detección de defectos.