[发明专利]一种用于金属线材生产的在线检测方法和装置

说明书

技术领域

本发明属于机器视觉技术领域，尤其涉及一种用于金属线材生产的在线检测方法和装置。

背景技术

作为金属线材中的一类主要产品，电工扁线大量的用于制造电机、电器设备绕组、安装配电设备等工程，主要材质是铜、铝等电阻率低的有色金属，一般要求表面光亮度较高。由于原材料、生产设备、生产工艺等原因，在线材表面经常出现气泡、氧化皮、划伤等缺陷，降低产品的抗腐蚀性、抗磨性、疲劳极限等使用性能。

传统检测方式为人工目测抽检，效率低、实时性差、置信度低，不能满足实际需求。而一些接触式检测手段又会对金属线材造成损伤，故只能作为抽检手段，而不能作为在线检测手段。

随着图像处理技术的成熟，大家逐渐把注意力放在用机器视觉技术解决金属线材生产过程中的检测问题。但是由于生产速度较快，获取的数据量非常巨大，难以实时处理，往往在检测后需要大量时间对数据进行分析，导致检测结果的滞后，最终难以得到良好的应用。

图形芯片最初用作固定功能图形管线。随着时间的推移，这些图形芯片的可编程性日益增加，在此基础之上NVIDIA推出了第一款GPU(图形处理器)。1999-2000年间，计算机科学家，与诸如医疗成像和电磁等领域的研究人员，开始使用GPU(图形处理器)来运行通用计算应用程序。他们发现GPU(图形处理器)具备的卓越浮点性能可为众多科学应用程序带来显著的性能提升。开发人员需要使其科学应用程序看起来像图形应用程序，并将其关联到需要绘制三角形和多边形的问题上。这一方法限制了GPU(图形处理器)的卓越性能在科学领域的充分发挥。NVIDIA意识到，如果将这种强大的性能运用到更广泛的科学领域中，那么将能够发挥出巨大的潜力。该公司因此投入力量修改GPU，使开发人员能够针对科学应用程序而充分对GPU进行编程。

一颗CPU包含四到八个CPU核心，而一颗GPU却包含数百个尺寸更小的核心，它们在应用程序中共同处理数据。正是这种大规模并行架构让GPU能够拥有极高的计算性能。获得这个计算能力并不是没有代价的，GPU的硬件架构决定了处理算法要是小粒度并行计算模型。本发明以GPU的计算能力为核心，设计了并行化的数据处理方法，并围绕着该方法，设计了整个系统。本发明方法的提出，解决了长期以来金属线材检测存在的难题。本发明能够实时的、直观的、智能的对被测目标进行检测，并自动的对检测结果进行分析，以恰当的方式对用户进行提醒。

发明内容

有鉴于此，本发明的主要目的在于提供一种通过机器视觉技术对金属线材进行在线无损检测的系统和方法。其主要思想是：用定制光源对被测物照明；通过线阵相机采集被测物的图像数据；利用GPU强大的数学计算能力，通过图像分割、模式识别等方法，实时检测目标所存在的缺陷或损伤。

为实现上述目的，本发明提供了一种用于金属线材生产的在线检测系统，该系统包括：光源、恒流控制器、CCD相机、计算机，其中：所述光源是环形LED光源，套在被测金属线材外侧，光线照射角度与被测金属线材运行方向平行，通过对被测金属线材底角度强流明的照明，使缺陷明显显现，该光源与恒流控制器连接，亮度受恒流控制器控制；所述恒流控制器安装在光源边上，与光源相连，通过控制电流来控制亮度和稳定亮度，其同时与计算机相连，接受计算机的亮度控制指令；所述CCD相机是线阵高速CCD相机，与被测金属线材运行方向成一定度数的夹角安装，所述CCD相机与计算机相连，将图像数据传送给计算机；所述计算机与恒流控制器、CCD相机、PLC相连，接收CCD相机传送过来的图像数据，进行识别处理，将处理结果反馈给生产控制PLC。