利用视觉技术检测热轧钢材的表面，即便钢材的温度超过1000℃，也好像它们是冷的一样。

　　为了生产无缝钢管，需要先将钢坯输送到炉中加热。接着，将坯料穿孔以形成厚壁的中空壳体，之后将芯棒插入壳体中。然后在芯棒式无缝管轧机中进行伸长轧制。在伸长工艺之后，坯料输送到推进台，在那里它被推动穿过一系列轧辊机座。最终形成具有连续更小壁厚的中空长钢管。

　　尽管与热轧工艺一样有效，在轧机台架中的轧辊机座偶尔可以在钢表面上产生标记和缺陷，这些缺陷在热条件下非常难以检测。因此，在质量改进项目中，许多制造商希望尽可能早地识别这些缺陷，以避免以相当大的代价生产出大量有缺陷的材料。

　　视觉系统

　　为了解决这些问题，西班牙Tecnalia公司的工程师开发出了一套称为Surfin'的机器视觉系统，其能使钢铁制造商在钢板从推进台推出时，就检测到这类缺陷（见图1）。检测这种缺陷为制造商提供了生产过程中任何问题的指示，使制造商能在早期阶段对推进台进行预防性维护，防止将任何有缺陷的钢管交付给客户。

　　图1：西班牙Tecnalia公司的工程师开发出了一套称为Surfin'的机器视觉系统，其能使超过1000℃的钢板从推进台推出时，就可检测到钢材上的缺陷。

　　由轧辊机座产生的这种钢管表面上的典型缺陷，通常遵循重复模式持续出现，直到轧机支架改变。这些缺陷包括表面上的裂缝、轧机支架阻挡标记、裂纹以及分离的钢材，其随后会粘贴到钢管表面的另一部分上。

　　开发人员面临严峻的挑战。这种生产环境中的条件可谓极端恶劣：不仅以6~7m/s的相对高速生产钢管（Surfin'可以工作在高达10m/s下），而且钢材从轧辊机座推出时的温度约为1000℃，再加上环境脏、存在水和油蒸汽，从而使缺陷检测更为棘手。

　　由于钢材的热表面辐射的光与IR、红光、橙光和黄光波段的热发射直接相关，因此捕获钢材表面反射的所有光的图像，将使相机中的传感器饱和，因为相机对钢管辐射的所有光都敏感。为了解决这一问题，Surfin'系统（专利号ES2378602和EP2341330）使用的光，其波长远离炽热钢材所发射光谱的波长。

　　然后，系统中相机捕获的图像，通过美国Edmund Optics公司的窄带光学带通滤光片（中心波长为470nm、带宽为10nm）和一个红外（IR）辐射滤光片。这两个滤光片使CCD相机只接收所需波段中的辐射，而加入IR滤光片来保护电子系统免受热辐射。受控照明技术允许系统捕获钢管整个表面的图像，就好像钢管是冷的一样。

　　为了使系统能捕获钢管表面的360°图像，该系统使用了加拿大Teledyne DALSA公司的三套14000 lines/s的Spyder 3线扫描相机，以120°的角度间隔垂直于轧制钢管轴平面、安装在保护性罩壳中，围绕在推进台的输出端。在该系统的前一个版本中，在每台相机的两侧使用加拿大Laserglow Technologies公司的两个200mW 473nm蓝光激光光源，对钢管表面进行暗场照明。由于系统的几何形状，其可以实时地连续捕获钢管的完整图像（见图2a和b）。

　　图2：a）：为了使系统能够精确地捕获钢管表面（3）的360°图像，系统使用三组激光器（1）和14000 lines/s线扫描相机（2）。B）：激光器和相机组以120°角度间隔安装在垂直于滚动轴平面的同一平面内，相机位于推进台输出端周围的保护罩壳中。

　　由于环境的温度很高，保持相机连续冷却至关重要。为此，将压缩冷却空气注入到保护罩壳中，保护相机和激光设备免受热和恶劣环境的影响。空气不仅冷却系统，而且之后过量的空气通过窗口排出，激光器通过该窗口输出光束，相机通过该窗口捕获图像，防止鳞状物、氧化物、灰尘和液体沉积。

　　图像处理

　　一旦捕获了钢材表面的图像，接下来便通过光纤千兆以太网链路将图像传送100m到达控制室中基于PC的服务器上。在这里，首先对图像进行预处理，以利用诸如直方图均衡等定制图像增强算法，来增强图像的对比度。由于原始图像中的可用数据由近对比度值表示，所以该技术增加了图像的全局对比度。

　　图像增强之后，使用定制软件处理，在系统的先前版本中，该软件采用基于支持向量机（SVM）的辅助学习系统。一旦系统被教育通过纹理、对比度和尺寸，识别来自不同样品的缺陷，则算法可以自动检测和分类生产环境中最重要的生产缺陷（见图3）。

图3：钢材中出现的典型缺陷包括（a）材料粘贴（b）材料被去除和（c）辊痕。

　　基于PC的服务器用于存储来自相机的图像、被发现的缺陷数据，以及缺陷在钢管上位置，还将在Oracle数据库中存储压力、温度、速度信号、通信和其他钢管生产数据的报警，用于质量控制和可追溯性。还可以通过在连接到公司局域网（LAN）的计算机上安装客户端应用，对服务器上的数据进行远程检查。

　　自从该系统最初开发以来，已经经历了几次增强，系统的结构现在已经过重新设计，能够更容易地对准和调整相机和调节照明。

　　较新版本的系统还采用了液体而非空气制冷技术，使照明和传感器能够更靠近钢管放置，从而实现更热或更大面积的钢管成像。美国Metaphase Technologies公司的LED光源也已经替代了早期的激光器，使光源的寿命从2000小时增加到了50000小时，并且消除了诸如散斑之类可能破坏相机捕获的图像的因素。

　　软件用户界面也得到了改进，现在工厂操作员能在钢材上出现缺陷时，看到它们的位置和特定属性（见图4）。现在还可以在数据库上存储几个月的生产数据，这样工厂经理就能查看可能发生的任何错误的周期性，并安排定期预防性维护操作。该系统还可以支持多用户，这些用户不仅可以本地访问系统，还可以通过互联网访问系统。

图3：钢材中出现的典型缺陷包括（a）材料粘贴（b）材料被去除和（c）辊痕。

　　基于PC的服务器用于存储来自相机的图像、被发现的缺陷数据，以及缺陷在钢管上位置，还将在Oracle数据库中存储压力、温度、速度信号、通信和其他钢管生产数据的报警，用于质量控制和可追溯性。还可以通过在连接到公司局域网（LAN）的计算机上安装客户端应用，对服务器上的数据进行远程检查。

　　自从该系统最初开发以来，已经经历了几次增强，系统的结构现在已经过重新设计，能够更容易地对准和调整相机和调节照明。

　　较新版本的系统还采用了液体而非空气制冷技术，使照明和传感器能够更靠近钢管放置，从而实现更热或更大面积的钢管成像。美国Metaphase Technologies公司的LED光源也已经替代了早期的激光器，使光源的寿命从2000小时增加到了50000小时，并且消除了诸如散斑之类可能破坏相机捕获的图像的因素。

　　软件用户界面也得到了改进，现在工厂操作员能在钢材上出现缺陷时，看到它们的位置和特定属性（见图4）。现在还可以在数据库上存储几个月的生产数据，这样工厂经理就能查看可能发生的任何错误的周期性，并安排定期预防性维护操作。该系统还可以支持多用户，这些用户不仅可以本地访问系统，还可以通过互联网访问系统。

　　图5：在执行两类分类（如有缺陷与无缺陷）时，最相关的性能指标是AUC或ROC（接收器工作特征）曲线下的面积。模型越好，AUC越接近1。采用这种方式，当比较几种模型时，可以通过选择最高的AUC来选出最佳模型。虽然SVM分类器的AUC值为0.88，但是对于两类分类情况，CNN-Surfin'分类器的AUC值为0.997。

　　理想情况下，该函数的值对于x轴上的每个值都为1.00，因此模型越好，其AUC越接近1。以这种方式，当比较几种模型时，可以通过取最高AUC值来选择最佳模型。虽然SVM分类器的AUC值为0.88，但是对于两类分类情况，CNN-Surfin'分类器的AUC值为0.997。

　　此外，对于给定的模型，可以选择阈值以使系统能够决定样品是否有缺陷。由于模型的输出通常是0和1之间的概率值，如果概率值大于阈值，则样本将被标记为NOK，否则标记为OK。

　　通过将阈值移向1.0，能以“增加假阴性的数量”为代价来减少假阳性的数量，反之亦然。然后可以通过在x轴上绘制阈值，以及在y轴上绘制特异性或真阴性率（= 1-假阳性率）和灵敏度或真阳性率（= 1-假阴性率），来可视化检查系统工作在何处。

　　对应于阈值的垂直线切割两条曲线的点，产生假阳性率和假阴性率。阈值的常见选择是产生近似相等的假阳性率和假阴性率。对于CNN-Surfin'，得到1.58%的假阳性率和1.49%的假阴性率（见图6）。与之相比，SVM版本的Surfin'的假阳性率为17.98%，假阴性率为18.00%，由Surfin'做出的分类错误数量减少了12倍。

　　6：对应于阈值的垂直线切割两条曲线的点，产生假阳性率和假阴性率。阈值的常见选择是产生近似相等的假阳性和假阴性率。对于CNN-Surfin'，假阳性率为1.58%，假阴性率为1.49%。

　　现在，新的分类器准备在生产环境中运行。此外，Tecnalia公司的工程师们正在努力继续改进系统，目的是使钢铁生产商能够生产零缺陷钢材。例如，已经使用CNN-Surfin'评估了4类问题（OK以及3种类型的缺陷），通过AUC（平均延伸）进行归类，得到AUC = 0.9956。但目前正在收集更多的样本，以使结果更具统计学意义。

　　Surfin'系统自推出以来，已经交付到诸如西班牙Tubos Reunidos和Aceros Inoxidables Olarra等公司，其能够在热工艺生产的早期阶段检测到生产问题。Tecnalia公司正与其他钢铁生产公司合作部署该系统，以检测形状更复杂的钢材，例如用于建筑和土木工程的U型或H型截面钢梁。