划伤、油污、凹坑、折叠、拱度、边部镰刀弯……有色金属板带和箔材生产中的缺陷类型较多，成因和表现形式也不相同。
划伤、污染和异物通常表现为灰度或纹理变化，凹坑、折叠及板形异常则带有高度和轮廓信息。与此同时，有色金属表面反光明显，轧制纹理、油膜、眩光和光照梯度又会干扰成像，单一的2D成像方案很难覆盖全部检测需求。
连续运行的板带产线还要求检测系统覆盖全幅、上下表面和边部，并将缺陷准确关联到卷号和米标位置。因此，有色金属表面质检要解决的，不只是缺陷能否被发现，还包括材料输送是否稳定、不同缺陷应采用何种检测方式，以及检测结果能否进入后续质量处置流程。
一、高反光与多类型缺陷带来的检测难点
1. 高反光表面干扰缺陷成像
有色金属表面的镜面反射较强。光源角度、材料姿态或表面油膜发生变化，都可能造成局部过曝、亮度不均和背景波动。
正常轧制纹理与细微划伤在图像中可能十分相似，一些污点、氧化或膜层异常与正常区域的灰度差异也很小。单纯提高相机分辨率，并不能有效改善缺陷与背景之间的对比度。相比像素数量，照明方式、成像角度和光学系统的稳定性更值得关注。
2. 2D图像难以稳定描述形貌缺陷
普通2D视觉记录的是表面亮度和纹理，适合识别划伤、污点、异物等外观异常。
凹坑、折叠、拱度和边部镰刀弯则不同。只看明暗变化，很难准确判断凸起、凹陷和整体轮廓。材料反射率或光照条件一旦发生变化，同一种形貌异常也可能呈现出不同的图像特征。
因此，这类检测需要根据缺陷机理补充高度或轮廓信息，不能把所有异常都交给2D图像和同一套识别算法处理。
3. 材料状态影响检测稳定性
带材跑偏、张力波动、表面附着物，以及图像采集与位置编码不同步，都会影响成像质量和定位结果。
带材姿态变化会改变材料与相机、光源之间的相对位置；张力不稳定可能引起局部起伏，干扰平面度和拱度判断；图像采集与位置编码不同步，则会导致缺陷图像与实际米标发生偏差。
对卷材检测来说，稳定输送并不是质检设备之外的辅助功能，而是获得可靠检测结果的前提。
4. 缺陷报警与质量处置容易脱节
部分检测设备能够发现缺陷，却没有将报警结果与卷号、米标、缺陷等级和处置规则关联起来。
现场人员在复判、分切或追溯时，仍可能找不到缺陷位置，难以调取历史图像，也不方便统计整卷材料的质量情况。系统如果只负责报警，就很难继续支撑质量判定、工艺分析和生产改进。
二、分层感知：不同缺陷采用不同成像方式
高反光表面往往同时存在多种缺陷。检测方案需要根据缺陷的成像特征和物理属性，配置相应的感知方式。
1. 线阵视觉完成连续表面成像
对于连续板带、箔材及部分型材外观面，线阵相机是大幅面在线检测的基础配置。
系统可根据材料和缺陷特征选择明场、暗场、偏振或多角度照明。设计重点不是一味增加像素，而是通过合适的光学方案抑制眩光和背景波动，拉开划伤、污点、异物与正常区域之间的差异。
在成像条件稳定后，算法再完成缺陷检出、分类、尺寸测量和等级判断。
2. 2.5D成像增强细微表面特征
方向不同的划伤、弱对比污染和细微表面起伏，很容易成为单一照明方向下的检测盲区。
2.5D成像利用多角度照明，获取表面在不同入射方向下的反射差异，再通过计算增强局部形貌和纹理特征。它的主要作用不是直接输出完整的3D尺寸，而是降低反光、颜色和背景纹理对识别结果的干扰。
在高反光金属表面，这种方式更适合识别划伤、污染、异物及部分细微异常。
3. 线激光3D补充高度和轮廓信息
检测凹坑、折叠、拱度及边部镰刀弯等形貌缺陷，还需要获取材料表面的高度轮廓。
线激光3D测量能够将2D图像难以稳定表达的凹凸变化转化为轮廓数据，用于判断缺陷深度、高度、边缘形状和整体板形。2D或2.5D视觉负责识别表面纹理和反射异常，3D测量负责获取空间形貌，两者分别处理不同类型的质量问题。
以锆带成品检测为例，2.5D视觉可用于识别划伤、污染和表面异物，线激光3D则用于检测折叠、凹坑、拱度和边部镰刀弯。多源信息相互补充，可以减少仅凭表面亮暗变化造成的误判。
4. 光谱成像补充状态类异常识别
油污、氧化、膜层不均等状态类异常，有时很难仅凭可见光灰度加以区分。
多光谱或高光谱技术能够获取不同波段下的反射差异，适合作为高附加值材料或复杂状态识别场景的补充。不过，这类技术的设备成本、数据处理量和现场调试难度通常较高，并不适合作为所有产线的通用配置。
分层感知解决了不同缺陷采用何种成像方式的问题，但在连续生产环境中，仅配置相机和算法仍然不够。材料输送、张力波动、表面附着物和位置编码都会影响最终结果。因此，一些国内项目已开始将机械控制、光学成像、缺陷识别和质量追溯作为一个整体进行设计。
以某锆带成品检测项目为例，系统将开收卷、衬纸处理、表面吹扫、纠偏、张力检测、2.5D成像、线激光3D测量、缺陷识别和卷级追溯纳入同一套检测流程。该项目的视觉检测及质量数据系统由第六镜科技提供。
这类方案的重点不是简单增加检测模块，而是减少材料状态变化对成像、测量和定位结果的影响，使不同感知数据能够进入统一的识别和处置流程。
三、材料稳定输送是成像与测量的基础
光学和算法路线确定后，材料输送状态往往决定系统能否长期稳定运行。
带材或衬纸发生跑偏时，边缘位置检测装置先获取偏移状态，再由执行机构进行闭环纠偏。张力检测持续感知材料受力状态，为表面成像、平面度和拱度测量提供相对稳定的条件。
表面吹扫可以降低附着物被识别为缺陷的概率。独立开收卷和衬纸处理则能够减少重复穿带、人工搬运以及材料二次划伤的风险。
这些环节看似属于机械和运动控制系统，却会直接改变材料姿态、成像距离和缺陷可见性。传输状态一旦不稳定，缺陷尺寸、位置乃至在图像中的表现都可能发生变化。
因此，输送、成像和检测不能被拆分为彼此独立的设备，而应作为一套系统共同设计。
四、多源数据协同应对复杂缺陷背景
有色金属表面缺陷差异较大。同一类缺陷会因材料批次、表面状态和生产工况不同而改变特征，不同缺陷也可能呈现出相似的亮度或纹理。
检测系统需要协同处理2D图像、2.5D特征和3D轮廓数据，并根据数据类型配置相应的分析任务。
不同算法分别承担图像预处理、异常区域检出、缺陷分类、尺寸测量、位置计算和等级判断。对于容易混淆的缺陷和背景区域，还需要结合多类数据、模型输出与质量规则进行综合判断，而不是只依赖单一模型给出结论。
例如，2D图像中出现的局部亮暗变化，可以结合2.5D反射特征判断其是否属于真实表面异常；疑似凹坑或折叠的区域，则可以进一步调用3D轮廓信息，确认是否存在实际高度变化。
现场复判结果和缺陷图像还可以沉淀为模型优化样本，用于适应材料批次、表面状态和生产工况的变化。但模型迭代并不只是持续增加样本。光学条件是否稳定、缺陷标签是否统一、复判标准是否一致，同样会影响最终效果。
算法、成像系统和质量规则需要同步调整，才能维持检测结果的一致性。
五、卷级追溯连接检测与质量处置
识别出缺陷之后，还要明确缺陷在哪里，以及整卷材料应如何处理。
在数据管理环节，系统需要将2D图像、3D点云、报警信息、缺陷类型、缺陷等级和位置数据关联到具体卷材，支持缺陷回看、米标定位、报告生成和结果追溯。
现场人员可以通过卷号和米标查询缺陷位置，为标记、分切、返修或质量判定提供依据。缺陷数量、等级和分布还可以形成卷级质量记录，用于分析异常是否集中在特定位置、特定长度区间或特定生产阶段。
复判结果也可以与现场图像和模型输出对应起来，既为质量追溯保留依据，也能形成新的训练和验证样本。
由此，视觉系统输出的不再是一次孤立的报警，而是一组可查询、可定位、可复判、可统计、可追溯的质量数据。
六、评价检测系统不能只看检出率
检出率很重要，但不是衡量表面质检系统的唯一指标。
在实际产线上，还需要考察成像稳定性、误报和漏报情况、缺陷定位精度、判级一致性、复判效率、数据可追溯性，以及检测结果能否与现场处置流程顺畅衔接。
对有色金属板带和箔材来说，视觉检测已经不只是识别缺陷，还需要兼顾材料输送控制、多源感知、位置追踪和质量数据管理。
结语
有色金属板带和箔材表面质检是一项涉及材料输送、光学成像、3D测量、智能识别、位置编码及质量管理的系统性工程。受材料高反光特性、缺陷形态差异及生产状态波动影响，单一成像方式或单一识别模型难以覆盖实际产线中的全部检测需求。
从现有应用路径来看，根据缺陷的纹理、反射和形貌特征构建分层感知体系，并将2D视觉、2.5D成像和3D点云进行协同，是提升复杂缺陷识别能力的重要方向。同时，材料输送稳定性、缺陷位置关联和卷级数据追溯，也会直接影响检测结果的准确性与工程应用价值。
因此，有色金属表面质检系统的评价不宜局限于单项检出率，而应综合考察成像稳定性、误报与漏报水平、定位精度、判级一致性、数据完整性及其与现场质量处置流程的衔接能力。
未来，随着多源感知、工业视觉算法和质量数据管理技术的进一步融合，有色金属表面检测将逐步由单点缺陷识别向覆盖感知、分析、定位、复判和处置的全过程质量管理演进。其核心目标，是形成稳定、可解释、可追溯的检测结果，为材料质量判定、生产工艺优化和质量风险控制提供可靠依据。
