自动缺陷识别

自动缺陷识别（共7篇）

自动缺陷识别 篇1

0 引言

在现代的工业制造领域中，焊接是一种被广泛应用于的基础工艺方法，而焊缝的质量直接决定了未来工件的使用周期。因此检测工作者最急切关心的问题是如何准确可靠的对焊缝进行检测和评价。目前针对焊缝的常规检测方法中，磁粉检测凭借具有高灵敏度、检验速度快、成本低、工艺简单等诸多优点，在检测焊缝方面起着重要的作用[1]。但是现行使用中仍然采用人工目测进行焊缝的缺陷识别，容易导致工作人员的劳动强度大、漏检率高。为了提高检测结果的可靠性，减少人工评定差异。本文提出了一种焊缝裂纹缺陷的磁粉检测自动识别方法。

在实验室条件下，建立了焊缝的磁痕图像采集系统，应用现代图像处理技术开展了焊缝的磁痕图像复原、裂纹缺陷的筛选和识别的算法研究，理论上可以对焊缝的缺陷位置、数量和长度的可视化，实现焊缝缺陷的自动识别。

1 焊缝磁痕图像采集系统

焊缝的磁痕图像采集系统分别由交叉磁轭、磁悬液喷淋结构、照明和CCD相机构成。图像采集系统流程图，如图1所示。

在实验室的条件下，将试件放入焊缝的磁痕图像采集系统工作台中。焊缝上的缺陷方向常常无规律，为了防止磁化不完整而出现的漏检，我们采用交叉磁轭方法旋转磁场将工件表面的磁化[2]。由于磁场会在工件表面的缺陷处溢出，磁粉会在溢出磁场处形成缺陷状磁痕，所以设计了磁悬液喷淋结构，让缺陷的形态特征在试件上显现出来。通过高分辨率CCD摄像机、图像采集卡等将已经处理的试件摄影拍片，使其转换为数字图像在计算机上存储显示，以方便于更好的数据记录和后期的图像处理[3]。采集后的图片，如图2所示。

2 焊缝磁痕图像复原研究

图像复原是主要目的是改善图像的质量，尽可能提高与真实图像的逼近度。它的中心思想是分析图像退化的原因，根据相应的退化模型修复模糊图像，提高图像的清晰度。在实际检测时，由于工况复杂常常伴随采集系统与焊缝之间的抖动造成了图像模糊，而我们需要较为清晰的、质量高的缺陷图像[4]为后续的缺陷识别研究打下良好的基础。

本文针对焊缝的磁痕模糊图像，建立了图像匀速直线运动退化模型，通过系统的辨识方法对磁痕图像的运动模糊方向和尺度进行鉴别，估计出点扩散函数（点扩散函数的精确度直接影响着图像复原的效果）。然后根据图像退化的逆过程，采取Richardson-Luey迭代非线性恢复算法复原出与原始图像相近的图像，并且随着迭代次数的增多，磁痕图像能够获得相对较好的结果。焊缝的磁痕恢复图像，如图3所示。

3 焊缝的裂纹缺陷提取

形态学主要目的是研究图像形态的几何特征。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的[5]。图像分割是按照一定的原则将一幅图像或景物分为若干个特定的、具有独特性质的部分或子集，依据图像亮度值的不连续性和相似性，将图像中感兴趣的目标提取出来。在本文中，首先要把采集到的裂纹磁痕图像进行图像预处理，然后采用类似形态学梯度运算，能够很好的保留裂纹缺陷基本的形状特性并除去不相干的结构。再利用阈值分割将缺陷与背景区分出来。

本文借鉴了灰度形态学梯度的思想，采用了类似形态学梯度的运算方法，能够把焊缝缺陷的形态特征完整的保留下来。经过形态学的梯度运算，得到运算结果，可以避免整幅图像因灰度不均造成的目标亮暗不均的问题。我们常常把裂纹缺陷作为局部亮灰度值像素聚集成的线条，因此选取合适的结构元素，可以很好的兼顾了裂纹形态特征。实现了将焊缝图片中与裂纹缺陷无关的部分进行消减或去除掉，如图4所示。

为便于分析，将灰度形态学梯度的核心运算记为F:

类似形态学梯度的核心运算记为F':

其中：f为缺陷预处理后的灰度图像；

b为选取的结构元素。

本文采用ostu自适应阈值算法，用于分割裂纹缺陷和背景，采用此方法提取的裂纹缺陷，计算简单，缺陷边缘具有一定的连续性，保存了更多的裂纹缺陷的原始细节，并且可以方便了后续的缺陷特征提取工作[6]，如图5所示。

4 焊缝的裂纹缺陷筛选

本文的裂纹缺陷筛选是根据缺陷的形态特征，提取出一组能够识别裂纹缺陷的特征参数。通过这组参数来对图像区域进行比对筛选，并最终得到裂纹缺陷图像。

观察工件表面图像，裂纹缺陷具有形状如下特点：

1）在局部范围内亮度较高，即灰度值较大；

2）呈细条状，长宽比较大；

3）一般不会表现为直线状，有一定的弯曲度；

4）平滑性较好，具有自然的连续性[7]。

判断一个连通域是否为裂纹缺陷，一般首先从形状做出判断，通过应用不同的特征参数对焊缝上的裂纹的形状特征进行描述区分。本文采用了裂纹的圆形度、长度、长宽比、平均宽度四个特征参数来描述裂纹的形状，统计图像中的所有连通域的这四组特征参数，将不符合裂纹特征的连通域定义为伪裂纹区域，应用这种方式将裂纹和伪裂纹进行区分并将伪裂纹进行清除，如图6所示。

将裂纹的圆形度、长宽比、平均宽度分别记为R、T、D:

式中，S为连通域的面积；

L为连通域的周长；

l为连通域长度；

a为连通域内像素点个数。

5 裂纹缺陷的识别研究

经过前期的图像预处理，图像分割和裂纹筛选等过程，完成了焊缝裂纹的缺陷提取。但在实验中发现，图像在缺陷提取中进行大量的数学运算必然存在信息的损失，并且在数字空间中进行的形态学变换运算与连续空间中的变换处理可能存在着某些图像边缘畸变现象，造成缺陷信息的损失。本文采用形态学修复的方法，先去除可能存在的噪声干扰，再利用区域生长的方法修复裂纹的边缘，使裂纹缺陷图像与焊缝裂纹原始样貌更为贴近，如图7所示。

最后将修复后的缺陷图像送入缺陷识别系统中，系统对焊缝的缺陷进行标记，并且在图像上对每个连通域用红色数字标注并显现出来。针对裂纹的缺陷特点，采用了8连通判别方法对图像中的连通域分配相应标号[8]，这种方法能将所有的缺陷用不同数标标记，并且能够记录下每条裂纹缺陷的所在位置信息，如图8所示。然后统计出每条裂纹相对长度，如表1所示，并进行在线记录存档。通过标记后的裂纹缺陷图像和相应信息表格使工作人员能够快速直观的识别裂纹缺陷、了解工件表面及近表面的缺陷状况，方便了数据的存储和记录，加快检测速度，提高工作效率。

本文研究的识别方法可以直接观测缺陷图像中裂纹形态，并对每条裂纹缺陷的状况和形态等的信息进行记录和存档，方便工作人员统计。

6 结论

本文针对焊缝裂纹缺陷尝试性开展了焊缝裂纹磁粉检测缺陷识别方法研究，得出了以下四个方面的结论：

1）建立了焊缝的磁痕图像采集系统，将焊缝上的磁痕转换为计算机识别的数字图像；

2）针对焊缝的磁痕模糊图像进行了复原研究，为后续的缺陷识别研究打下良好的基础；

3）提出了基于数学形态学的图像分割算法，采用类似形态学梯度的方法和ostu自适应阈值分割提取出焊缝上的裂纹缺陷。同时依据裂纹的缺陷形态特征，对焊缝裂纹缺陷图像进行了比对筛选；

4）采用了8连通判别方法对裂纹缺陷进行标记，记录下每条缺陷的所在位置信息，统计出每个连通域的长度等有效信息并进行在线记录存档。实现了焊缝裂纹缺陷的自动识别。

摘要：磁粉检测的评价依据是缺陷处形成的磁痕。目前的焊缝磁粉检测主要依靠人工目测,因此经常会出现漏检、误检等情况。提出了一种焊缝裂纹缺陷的磁粉检测识别方法。在实验室条件下,建立了焊缝的磁痕图像采集系统,应用现代图像处理技术,分别开展了焊缝的磁痕图像恢复、裂纹缺陷提取和缺陷的识别统计等方面研究,实现了焊缝裂纹缺陷的自动识别。

关键词：磁粉检测,焊缝,图像处理,裂纹提取,识别

参考文献

[1]刘宝君,汪洪九,曾琳.磁粉检测在压力容器检验中的运用特点分析[J].无损检测,2014,10(6):315-317.

[2]孙志勇.低温环境下球罐磁粉检测灵敏度的研究应用[J].石油化工设备,2009,S1:58-60.

[3]曹强.筒形零件内表面圆周方向缺陷的磁粉检测[J].无损检测,2015,07:85-88.

[4]贾宝华.运动模糊图像恢复算法的研究与实现[D].北方工业大学,2010.

[5]ALAKNANDA,ANAND R S,KUMAR P,et al.Flaw detection in radiographic weld images using morphological approach[J].NDT&E International,2006,39:29~33.

[6]L.Dragu,O.Csillik,C.Eisank et al.Automated parameterisation for multi-scale image segmentation on multiple layers[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,88.

[7]李尧.系泊链全环磁粉自动检测装置设计[D].上海:上海交通大学,2010:2-10.

[8]黄涛.全自动荧光磁粉探伤中目标识别图像处理技术研究[D].南京:南京理工大学,2012:245-255.

自动缺陷识别 篇2

1 端面图像预处理

蜂窝陶瓷端面是一个白色蜂窝状的平面图形, 通常以黑色幕为背景, 因此识别算法要处理的是一个平面灰度图像。为消除图像在拍摄和传输中产生的杂质和噪声干扰, 方便后期处理, 需要对原始图像进行预处理。

1.1 图像增强

蜂窝陶瓷生产现场环境复杂, 某些时刻外界光线影响较强, 某些时刻曝光不足, 或者边缘比较暗淡, 拍摄的图像对后续边缘提取和测量存在一定的误差, 因此采用灰度值变换进行图像增强处理。通过增强线性对比度, 边缘清晰度明显增强, 提高了抗干扰能力。本文选择正方形孔型的圆形蜂窝陶瓷进行识别, 图像增强效果如图2所示。

1.2 直方图均衡

直方图均衡化从本质上来说就是构造一个变换函数T, 通过变换函数将原图像的直方图调整为平坦的直方图, 然后用此均衡直方图校正图像, 从而改变图像的特性。直方图均衡化的效果如图3所示。可以看到, 图像直方图均衡方法改变了图像的整体对比度, 较大可能的消除了明暗度对图像的影响, 同时除去了少量的细节部分。

1.3 图像去噪

蜂窝陶瓷端面图像的特征是孔道与孔壁连接部分灰度值变化明显, 因此采用均值滤波算法消除噪声点。采用一个的一个掩码窗口进行遍历, 采用的均值滤波器a.均衡前图像和直方图如式1所示。

与其他滤波方法相似, 滤波时采用了几次平均值, 噪声的方差降低到, 得到了较好的滤波效果, 如图4所示。

2 端面图像的缺陷识别

缺陷识别算法是本系统的关键, 流程如下:对预处理后的图像进行提取边缘, 采用区域生长法求取端面孔道并生成网格图像, 计算网孔面积, 以面积为特征识别缺陷类型。

2.1 边缘提取

通过对多个边缘检测算子进行对比测试, 选择Canny算子作为最适合于蜂窝陶瓷端面图像的边缘检测方法, 将端面图像边缘完整地从背景中区分出来。边缘提取效果如图5所示。

2.2 求取孔道并生成网格图像

经过上述算法的处理, 得到一个已知边缘的灰度图像。在孔道附近的灰度值变化急剧, 灰度值大的像素点是孔道, 灰度值小的是孔壁和边棱。使用区域生长法搜索所有区域, 可以生成一个网格图像。选择某一像素点 (x, y) , 它的像素值G (x, y) 接近黑色点像素值0, 生长准则设计为:

T是一个灰度阀值, 它是根据端面图像灰度直方图中背景区域灰度值与特定区域灰度值之差得到的估值。算法的实现如下:

(1) 从图像的边缘开始进行顺序搜索, 当搜索第一个满足生长准则的像素点, 把该点设置为初始点 (x0, y0) , 创建堆栈, 并将坐标值压入堆栈;

(2) 把 (x0, y0) 当做中心点, 开始第一轮区域生长。搜索其周边4邻域, 当有满足生长准则的点存在时, 将该点坐标 (x, y) 压入堆栈, ;

(3) 从堆栈中取出一个除初始点的像素点作为 (x0, y0) , 执行步骤2;当堆栈为空时, 返回步骤1, 至此, 第一块区域搜索完成。

(4) 重复1-3的步骤, 遍历完图像中的所有像素点, 则生长结束。

最后对网格图像进行二值化, 将已生长区域的像素点灰度值替换为黑色0值, 将非特征区域和边缘外背景像素替换为白色255值。经过区域生长得到了孔道的封闭区域即黑色网孔, 孔壁和边缘变成白色网格, 生成的端面网格图像如图6所示。

2.3 运用网孔面积特征识别缺陷

根据2011年发布的GB/T 25994-2010蜂窝陶瓷国家标准, 端面外观质量缺陷包括表面裂纹、孔道缺陷和边棱缺损, 其中表面裂纹“不允许存在包括端面长度≧8个孔以上的端面裂纹”, 孔道缺陷“在生成过程中引起的产品端面孔道堵塞、并孔及塌陷等缺陷不超过端面总孔数的1%”, 边棱缺损“不允许最大不超过W (50mm) ×r (4mm) ×h (1.5mm) , 每端面不超过3处>1.5mm的缺损”。

分析蜂窝陶瓷端面图像, 发现网格间的独立黑色网孔面积变化明显, 可分为面积偏小黑色网孔、面积规则黑色网孔和面积偏大黑色网孔三类。因此, 选取网孔面积特征进行缺陷分割。设某一独立黑色网孔的面积为, 通过区间判断来定义该网孔的典型特征。面积规则的黑色网孔应该满足:

在网格图像中, 某一独立黑色网孔对应于蜂窝陶瓷端面某一个独立孔道。当孔道堵塞时, 表现出黑色网孔面积偏小;当有并孔或孔壁塌陷时, 表现出黑色网孔面积偏大;当有表面裂纹或边棱缺损时, 表现为黑色网孔严重偏大。因此, 根据式 (3) 对端面所有黑色网孔进行分类, 从而将缺陷识别转化为求取黑色网孔间的数量关系。针对网格图像, 分别统计面积偏小、面积偏大黑色网孔个数, 与面积规则的黑色网孔个数、端面孔道总个数进行比较, 就可以实现端面缺陷的识别, 并直接判断陶瓷端面外观的好坏。缺陷自动识别算法的流程如图7所示。

3 实验效果

针对算法检验的要求, 搭建了端面图像检测装置, 包括工业计算机、面阵CCD相机、图像采集卡、光源和控制器, 如图8所示。图像采集过程为:当待测蜂窝陶瓷到达检测点时, 触发位置传感器, 控制器接收位置信号, 启动位于传送带上方的相机采集一帧顶部图像, 在相机拍摄的同时点亮环形光源。工控机检测软件获得实时图像, 为一张蜂窝陶瓷的端面图。软件运行检测算法进行图像处理运算, 判断当前端面网格图像是否存在缺损, 并在显示器进行结果显示。

以Visual Studio 2010为软件平台进行算法测试。对实际存在端面外观缺陷的蜂窝陶瓷进行识别, 图像处理后的效果如图9所示。图像处理后, 白色网格非常清晰, 网格间黑色封闭区域的面积直接反映了孔道、孔壁和边棱是否完好。从实验可以看出, 基于图像网格特征识别算法的检测系统能有效地识别端面外观缺陷。

4 结论

针对蜂窝陶瓷端面外观缺陷检测要求, 利用面阵CCD相机采集端面图像, 通过图像增强、直方图均衡和均值滤波等处理方法增强图像灰度信息, 采用Canny算子求取图像边缘。在此基础上, 采用区域生长法生成黑色网孔、白色网格的二值化图像, 最后以网孔面积作为特征值对缺陷类型进行判定, 算法取得了良好的识别效果。在图像采集装置的配合下, 可快速、准确进行端面缺陷表面裂纹、孔道缺陷和边棱缺损的缺陷识别, 为蜂窝陶瓷端面外观质量的机器视觉检测打下了基础。

参考文献

[1]刘小云.蜂窝陶瓷载体的孔型结构、性能及其应用[J].佛山陶瓷, 2011 (3) :14-16.

[2]魏泽民, 侯来广.蜂窝陶瓷产品生产过程中废料的产生及再利用[J].陶瓷, 2009 (6) :19-22.

[3]王刚, 谯小华, 杨丽杰.工件偏心距检测方法研究[J].东方电机, 2007[3]:35-38.

[4]刘国栋, 范九伦.一种改进的Canny边缘检测算法[J].微型机与应用, 2011, 32 (22) :32-34.

[5]GB/T 25994-2010.蜂窝陶瓷外观质量标准[Z].中国国家标准化管理委员会, 2011.

自动缺陷识别 篇3

容器类别:Ⅲ;球壳厚度:46mm;球壳材质:Q345R;球罐容积:1000m3;球罐内径:12300mm;坡口形式:不对称X;焊接方法:手工电弧焊。

1 检测时机

检测时机应选在球罐焊后36小时。

2 检测前准备

1) 检测前应清除检测面焊接飞溅、油污以及其它杂质。检验面的粗糙度Ra应小于等于6.3um, 便于探头扫差, 根据检测技术等级B级检测区选择球罐外侧焊缝本身及焊缝两侧各10mm, 探头移动区要大于或等于230mm;

2) 探头K值的选择:K值的选择原则应保证主声束能够扫查到整个焊缝截面, 声束中心线与主要危害性缺陷的夹角尽量接近90°, 尽量使用一次波判别缺陷, 减少误判并保证有足够的灵敏度。条件允许时, 尽量采用较大K值。根据JB/T4730-2005规定的取值范围, 选择为K2;

3) 探头频率选择:JB/T4730-2005中规定承压设备对接焊缝探头的频率一般为2MHz-5MHz, 考虑板厚衰减的影响, 所以选择低频探头2.5MHz;

4) 晶片尺寸的选择:球罐检测工作量大, 为了提高检测速度和效率, 选择较大的晶片尺寸。晶片尺寸选择为13mm×13mm;

5) 耦合剂的选择:耦合剂从耦合效果和经济性考虑选择耦合效果好、成本低的化学糨糊;

6) 试块的选择:根据JB/T 4730-2005选择CSK-ⅠA、CSK-ⅢA标准试块;

7) 探头入射点和折射角的测定:探头在探伤过程中, 由于操作人员在移动探头过程中, 用力不均, 造成探头表面前后磨损程度不同, 当探头楔块前面磨损较大时, 折射角减小, 探头K值减小。当探头楔块后面磨损较大时, 折射角变大, 探头K值增大。这样导致超声波定位不准确。因此, 每次检测检测前必须在试块上实测K值和入射点。并在检测中经常校准;

8) 距离-波幅曲线的制作、扫描比例的调节及耦合补偿:

(1) 曲线按JB/T 4730-2005用CSK-ⅢA试块做;

(2) 扫描比例按深度1:1调节;

(3) 耦合补偿:特种设备焊缝耦合补偿一般为2db-5db, 通常补偿4db。

3 检测过程

3.1 焊缝粗扫查

检测焊缝纵向缺陷时, 探头在检测面上的放置方向应垂直于焊缝中心线, 探头做锯齿形扫查, 探头前后移动的范围应在计算的探头移动区大于等于230mm以保证扫查到全部焊接接头检测面, 扫查中保持探头垂直于焊缝的同时应做10°~15°的摆动, 因为只有摆动才能将与焊缝轴线倾斜一定角度的裂纹或其它缺陷扫查出来。扫查时应注意每次前进的齿距不得超过探头晶片直径的85%, 一般为10mm, 以避免间距过大造成漏检。扫查速度不应大于150mm/s。扫查灵敏度不得低于最大声程处的评定线灵敏度。

3.2 焊缝精检测扫查

在粗检测发现缺陷后, 应进一步观察缺陷动态波型判断是否是伪缺陷。若是缺陷回波应通过前后扫查确定缺陷的埋藏深度、左右扫查确定缺陷的指示长度、转角和环绕扫查确定缺陷的形状及方向。

3.3 斜平行扫查

在焊接接头两侧边缘使探头与焊缝成10°~20°夹角做斜平行扫查, 用于检测焊缝或热影响区的横向缺陷。检测横向缺陷时, 应将评定线、定量线、判废线灵敏度均提高6db。

4 检测结果评定

根据JB/T4730-2005《承压设备无损检测》标准评定。

5 检测过程中伪缺陷的判断

球罐焊接有平、立、横、仰多种焊接位置。除出现一般焊缝常见伪缺陷外, 横向焊接时, 焊缝表面一般呈横向条纹状, 容易在焊缝表面形成一道道的沟槽;立焊焊接时容易产生焊瘤等缺陷;仰焊时容易产生咬边等缺陷。

5.1 焊缝表面沟槽反射波

在球罐横向焊缝多道焊的焊缝表面易形成一道道沟槽, 当超声波扫查到沟槽时, 由于沟槽的存在, 引起沟槽反射回波。其反射波一般出现在一次、二次波处或稍偏后的位置, 这种反射波幅不是太高并且迟钝, 在探伤过程中时有时无, 并且一般同时存在有几个不同高度的反射波。

5.2 咬边反射波

一般情况下, 这种反射波出现在一次与二次波前边。咬边反射波一般较强, 找到反射波最高点后, 测量水平距离, 在焊缝边缘处, 横向移动探头, 反射波消失。

5.3 缺肉 (焊缝边缘未焊满) 反射波

焊缝边缘未焊满, 即坡口边缘对超声波产生很强的端角反射回波, 探头垂直于焊缝前后扫查时, 波形比较稳定, 探头做转角和环绕扫查时, 反射波快速消失, 测量水平距离在焊缝边缘。

5.4 焊瘤反射波

焊瘤反射波反射讯号一般很强, 回波波形比较尖锐、反射波幅较高。因焊瘤表面是弧面对超声波声束有一定的聚集作用, 探头在垂直于焊缝扫查的较大范围内移动均能较好的接收到反射波, 且反射波动态波形包络线较宽, 变化较缓。

6 检测过程中裂纹及未焊透的判断

6.1 裂纹和未焊透的检测

球罐冬季施工按照焊接工艺规程焊接时需预热后热, 如果预热后热不当极易产生冷裂纹。裂纹的反射讯号一般很宽, 波幅很强, 动态波型呈现不规则的起伏状。球罐焊接坡口型式为不对称X型外大内小, 焊缝根部接近内表面, 多数裂纹从根部附近产生。裂纹是压力容器中的危害性缺陷, 在现场检测中对有怀疑的部位应增加K1探头在焊缝双面双侧检测, 若还不能判定应结合焊缝底片综合判断防止漏检。球罐焊接时若坡口面未清理干净, 有油污、铁锈或焊工对焊接电流控制不当, 易产生未融合。未熔合的静态回波波形一般比较尖锐, 直上直下, 底端开口很窄, 根部通常没有杂波, 当量一般都很大。沿焊缝方向水平移动探头时, 一开始波幅平滑地由零上升到峰值, 探头继续移动时, 波幅基本不变, 最后又平滑的下降为零。根据坡口角度, 选择探头入射角度与坡口面夹角接近90°时, 能很好的提高未熔合的检出率。

6.2 防止焊缝丁字接头处缺陷漏检

内部控制缺陷的识别、评价与应对 篇4

内部控制缺陷的识别是内部控制缺陷评价的前提, 内部控制缺陷的评价是内部控制实务中极其重要的一环, 是持续改进企业内部控制、应对内部控制缺陷的基础。然而, 我国的内部控制规范体系在内部控制缺陷的识别与评价方面大都只是做了原则性的规定, 企业在实务中缺乏具体的操作准则。这必将给企业内部控制缺陷的识别、评价带来困难, 使内部控制审计也陷入困境, 进而影响到企业内部控制信息披露的质量, 不利于企业针对内部控制缺陷实施应对措施。

国内外关于内部控制缺陷识别及评价的研究, 集中在内部控制缺陷的分类方面。关于内部控制缺陷评价的研究近几年随着实务的需求虽逐渐增多, 但这些研究也存在一些问题。一方面, 对内控缺陷的认定没有形成系统的研究, 多是从自身研究出发对内部控制缺陷进行分类;另一方面, 关于内部控制缺陷的识别及评价标准的研究还是较少。尤其是非财务报告内部控制缺陷的识别及评价的研究仍待补充完善。

综合目前实务需求的形势及理论研究的现状, 本文将从内部控制缺陷的识别、评价及应对三个方面对内部控制缺陷认定相关问题进行研究。

二、内部控制缺陷的识别

内部控制缺陷的识别要解决的首要问题是清楚界定内部控制缺陷的本质。这就要求必须要厘清内部控制缺陷的内涵, 还要严格区分其与其他反映内部控制不足的概念, 即内部控制局限性及内部控制无效性。

(一) 内部控制缺陷的内涵

根据我国颁布的《企业内部控制基本规范》及《企业内部控制评价指引》的相关内容, 内部控制缺陷是内部控制过程存在的缺点或不足, 这种缺点或不足直接导致了内部控制无法为控制目标的实现提供合理保证。为了更加具体、清楚地阐述内部控制缺陷的内涵, 《企业内部控制评价指引》同时指出内部控制缺陷包括设计缺陷及运行缺陷两个层次。设计缺陷是指企业缺少为实现控制目标所必需的控制, 或者现有控制设计不适当, 即使正常运行也难以实现控制目标, 即设计缺陷要从缺失和设计不当两个方面去识别。例如, 从内部控制缺失角度, 企业未对赊销客户的信用情况评定做出强制性规定;从内部控制设计不当角度, 企业内部控制制度规定更换库房保管员时要盘点、核实库存, 但是没有规定交接双方一同进行。运行缺陷是指内部控制虽然设计合理且有效, 但实际没有按设计意图运行, 或者执行人员缺乏必要的授权或者缺乏专业胜任能力, 从而导致无法有效地实施控制, 即运行缺陷首先满足设计没有缺陷的前提, 然后是实际执行过程中出现了问题。例如, 企业建立了定期的现金盘点程序, 但是却没有严格执行, 表现为出纳员未定期盘点或者盘点程序不符合规定等。

由上可以看出对内部控制缺陷的界定, 无论是设计缺陷还是运行缺陷, 都与内部控制所要达到的目标是相关的, 即缺陷的存在对内部控制目标的实现构成了障碍, 导致了偏离合法合规性、资产安全性、财务报告真实完整性、经营的效率效果性和战略性这五个既独立又相互联系的内部控制目标的可能性。

(二) 内部控制缺陷与内部控制局限性的比较

基于上述分析, 内部控制缺陷会导致控制目标的偏离, 即由于缺陷的存在阻碍了内部控制为控制目标的实现提供合理保证。我国的内部控制规范体系指出, 内部控制无论如何有效, 都只能为企业实现控制目标提供合理保证, 而非绝对保证。内部控制目标的实现还受其固有局限性的影响, 例如, 在决策时人为判断失误、舞弊、人员素质不适合内部控制岗位要求、成本效益问题的考虑、出现了不经常发生或内部控制未预计到的新情况等, 这些局限性都会导致内部控制实现目标的可能性受到影响, 即内部控制无法实现目标的原因有两个方面, 一是内部控制缺陷, 二是内部控制的固有局限性。因此, 要彻底而准确地理解内部控制缺陷, 确保内部控制缺陷识别及评价的科学性, 必须将其与内部控制固有局限性进行区分。

内部控制缺陷和内部控制固有局限性既有本质区别, 又有密切联系。二者的区别:一是内部控制缺陷可以通过合理、科学的设计和持续有效地运行进行预防, 从而控制偏离目标的可能性, 而内部控制局限性往往难以在事前进行有效控制, 即使合理设计、按设计意图运行也还是存在着偏离目标的可能;二是内部控制缺陷的存在使得内部控制无法为控制目标的实现提供合理保证, 而内部控制局限性的存在使得内部控制只能为控制目标的实现提供合理保证, 而不是绝对保证。二者的联系:一是两者都是控制目标无法实现的可能的原因;二是两者在内部控制设计及运行的环节都可能存在, 并可能存在于同一内部控制环节。例如, 管理层或其他员工不恰当地凌驾于内部控制之上而未按制度执行业务, 这既是内部控制存在严重缺陷的表现, 又是内部控制固有局限性的情形之一。

(三) 内部控制有无缺陷和内部控制是否有效的比较

COSO在1992年发布的《内部控制———整合框架》中对内部控制有效性的表述是:如果董事会和管理层能够合理保证经济实体的经营目标得到实现、财务报表的可靠性、法律和规章制度的遵守, 则内部控制系统就是有效的。KPMG在1999年发布的《内部控制:实务指南》中指出内部控制有效性包括设计有效性和执行有效性两个方面, 保证内部控制的有效性则需要一个持续的监督过程。我国的审计准则体系定义了内部控制运行的有效性, 即控制能够在各个不同的时点按照既定设计得以一贯执行。《企业内部控制基本规范》将内部控制定义为:“由企业董事会、监事会、经理层和全体员工实施的, 旨在实现控制目标的过程”。由上可知, 界定内部控制有效与否的标准应该是控制目标的实现与否, 内部控制有效既包括设计有效又包括运行有效, 显然内部控制运行有效的前提是设计有效。

尽管对于内部控制有效性的概念目前尚无统一且权威的定论, 但可以肯定的是内部控制有效与否和内部控制有无缺陷有区别, 也有联系。根据我国的《企业内部控制评价指引》, 对不存在重大缺陷的情形, 出具内部控制有效的结论, 对存在重大缺陷的情形, 不得出具内部控制有效的结论。二者的区别:一是内部控制缺陷不一定说明内部控制无效;二是内部控制有效也不一定说明内部控制不存在缺陷。二者的联系:一是内部控制有无缺陷和内部控制有效与否都以是否偏离控制目标为准绳;二是存在重大缺陷则不能得出内控有效的结论, 即当内部控制存在重大缺陷时, 内部控制无效。

三、内部控制缺陷的评价

(一) 内部控制缺陷的分类

根据需要, 此处将内部控制缺陷分别按缺陷与财务报告错报的关系及缺陷的严重程度进行分类。

1. 按缺陷与财务报告错报的关系划分

内部控制缺陷可划分为财务报告内部控制缺陷与非财务报告内部控制缺陷。其中, 与财务报告相关的内部控制缺陷是指一个或多个控制缺陷的组合, 导致内部控制无法及时地防止、发现或纠正年度或中期财务报告重大错报的可能性, 即这类控制缺陷的存在使得内部控制财务报告及相关信息真实完整的目标有偏离的可能性。非财务报告控制缺陷可能影响的目标是经营效率效果性、资产安全性、合规合法性及战略性, 或间接导致财务报告错报或漏报。

2. 按缺陷的严重程度划分

根据《企业内部控制评价指引》的规定, 按内部控制缺陷的严重程度, 可以将其划分为重大缺陷、重要缺陷及一般缺陷。

(二) 内部控制缺陷的评价

基于以上分类, 对与财务报告相关的内部控制缺陷的评价宜采用定量标准。具体来说, 就是取错报或漏报发生的可能性和错报或漏报金额的大小两个维度去判断控制缺陷的严重程度。“可能性”维度可以借鉴我国《或有事项会计准则》的有关规定, 分为三个等级:大于50%、大于5%且小于等于50%、小于等于5%。“错报或漏报金额的大小”维度则可以参考我国《审计准则》对“重要性”的相关表述, 即对于企业这类营利性组织可以经营性业务税前利润的5%为标准, 当错报或漏报金额大于或等于经营性税前利润的5%时, 则认为内部控制可能存在重大缺陷。基于以上分析, 财务报告内部控制相关缺陷的评价标准及结果如表1所示。

非财务报告相关的内部控制缺陷不直接影响财务报告, 而影响其他控制目标的实现, 宜采用定量和定性双重标准。定量标准是界定缺陷偏离控制目标的可能性, 定性标准是迹象识别, 列举出部分迹象。将内部控制按内部环境、目标设定、事项识别、风险评估、风险反应、控制活动、信息与沟通、监控八个要素细分, 进一步将这八个要素分为关键控制点, 明确各种关键业务。如果这些关键控制点或关键业务出现缺陷迹象, 再考虑偏离控制目标的可能性属于什么区间, 即可综合判断内部控制缺陷的严重程度。基于以上分析, 非财务报告相关的内部控制缺陷的评价标准及结果如表2所示。

四、内部控制缺陷的应对

内部控制缺陷的应对包括的内容是应对机构与应对措施的实施。《企业内部控制评价指引》规定重大缺陷应当由董事会予以最终认定, 对于重大缺陷和重要缺陷的整改方案, 应向董事会 (审计委员会) 、监事会或经理层报告并审定。如果出现不适合向经理层报告的情形, 如经理层舞弊, 整改方案应直接向董事会 (审计委员会) 、监事会报告, 即经理层及董事会等类似权力机构要参与重大缺陷及重要缺陷的应对, 而对于一般缺陷则由内部控制评价部门提出整改方案, 并由其他部门给予常规关注、整改。内部控制缺陷类型与相应的应对部门及人员、应对措施间的关系如表3所示。

摘要：文章从内部控制缺陷的识别、评价及应对三个方面对内部控制缺陷相关问题进行研究。内部控制缺陷的识别首先是界定其内涵, 然后与内部控制局限性及内部控制有效性比较。内部控制缺陷的评价基于与财务报告相关的控制缺陷和非财务报告相关的控制缺陷的分类, 分别用定量标准、定量及定性结合标准判断缺陷的严重程度。最后, 总结不同程度的内部控制缺陷及相应的应对机构、应对措施间的关系。

关键词：内部控制缺陷,缺陷识别,缺陷评价,缺陷应对

参考文献

[1]Weili Ge, Sarah Mc Vay.The Disclosure of Material Weaknesses in Internal Control after the Sarbanes—Oxley Act[J].Accounting Horizons, 2005 (03) .

[2]Bedard, Granham.Detection and S everity Classification of Sarbanes-Oxley Section 404 Internal Control Deficiencies[J].The Accounting Review, 2011 (03) .

[3]Klamm, Kobelsky, Watson.Determinan ts of the Persistence of Internal Control Weakness[J].Accounting Horizons, 2012 (02) .

[4]南京大学会计与财务研究院课题组.论中国企业内部控制评价制度的现实模式[J].会计研究, 2010 (06) .

[5]杨有红, 李宇立.内部控制缺陷的识别、认定与报告[J].会计研究, 2011 (03) .

[6]李宇立.内部控制缺陷识别与认定的技术路线——基于管理层视角的分析[J].中南财经政法大学学报, 2012 (03) .

[7]王惠芳.上市公司内部控制缺陷认定:困境破解及框架构建[J].审计研究, 2011 (02) .

[8]王惠芳.内部控制缺陷认定:现状、困境及基本框架重构[J].会计研究, 2011 (08) .

自动缺陷识别 篇5

内部控制缺陷包括设计缺陷和运行缺陷。按照《企业内部控制评价指引》第十七条的规定,内部控制存在的缺陷,无论设计缺陷还是运行缺陷,按严重程度分为重大缺陷、重要缺陷和一般缺陷三个等级。

为了便于专门对财务报告内部控制缺陷进行评估,内部控制缺陷的定义有必要更接近财务报告控制目标:如果某项控制的设计、实施或运行不能及时防止或发现并纠正财务报表错报,则表明存在内部控制缺陷;如果公司缺少用以及时防止或发现并纠正财务报表错报的必要控制,同样表明存在内部控制缺陷。参考中注协《企业内部控制审计指引实施意见》控制缺陷的分类具体如下:

重大缺陷:内部控制中存在的、可能导致不能及时防止或发现并纠正财务报表出现重大错报的一项或多项内部控制缺陷的组合。

重要缺陷:内部控制中存在的、其严重程度低于重大缺陷,但仍足以引起负责监督被审计单位财务报告的人员,如审计委员会或类似机构,关注的一项或多项内部控制缺陷的组合。

一般缺陷:内部控制中存在的,除重大缺陷、重要缺陷之外的控制缺陷。

以成品油销售公司为例,公司根据发改委油价确定销售价格标准,针对大客户制定有标准的销售合同,但是销售人员未经许可对合同条款进行改动,在未告知会计部门且未经授权和记录的情况下给予客户折扣。客户在支付时扣减了这些折扣金额;同时,会计部门将这些金额记为应收账款中的未清偿余额。尽管单项金额并不重大,但是总额是重大的,并且经常发生,可合理预测该控制缺陷导致的财务报表错报的水平将达到重大,可判断该控制缺陷符合重大缺陷的定义。

二、内部控制缺陷认定方法及标准

内部控制缺陷认定是一项需要大量职业判断的工作。我们根据所发现的内部控制问题的性质,使用合适的认定方法,对导致控制问题的核心原因进行评价。

缺陷认定的方法包括定量和定性两个方面。尽管财务报告的内部控制问题通常能够被量化,但仍需要考虑定性的方面。至于非财务报告的领域,由于能被量化的程度会根据问题的性质有所区别,从而带来更大挑战。

定量评价是指就控制问题所导致的严重程度进行量化,并与客观、合适的标杆进行比对,同时根据其严重程度来决定缺陷的等级。定量评价的标准或标杆根据相关的控制目标来制定。重大缺陷可能导致公司“严重偏离内部控制目标”的缺陷。就财务报告而言,严重偏离目标是指该缺陷可能或已经导致公司的财务报表出现重大错报。在实务中,笔者认为,公司重大错报的标准可以和财务报表审计中注册会计师设定的重要性水平保持一致,因此公司可以和外部审计师保持沟通。

定性评价是就被评价的控制问题,谨慎考虑与该问题相关的事实依据并结合专业判断来确定其严重程度,从而对缺陷的等级进行判定。财务报告潜在的非量化因素一般包括但不限于:账户、列报和相关认定的性质、相关资产或负债对损失或舞弊的敏感程度、确定涉及金额所需判断的程度及其主观性和复杂性等。此外,《企业内部控制基本规范》及配套指引也列示了一些重大缺陷的迹象:董事、监事和高级管理人员舞弊,无论舞弊是否重大;在审计过程中,审计师发现当期财务报表存在重大错报、而公司内部控制在运行过程中未能发现该错报;公司的审计委员会和内部审计机构对内部控制的监督无效等等。如果公司发现存在相关迹象,需要对相关事项进行深入分析,判断对评价结论的影响。

三、对控制缺陷进行识别、评估的步骤

在进行缺陷评估之前,首先要分析一项内部控制测试发现的成因,初步判断该发现是否构成控制缺陷。如果一个内部控制测试发现经判断是偶然独立的,则可能不构成内部控制缺陷,但必须对判断的依据和相关证据进行记录。一般来说,判断依据主要是:(1)该内部控制发现出现的频率。如果在某个内部控制评价测试中发现类似的两个或两个以上的内部控制发现,则表明该内部控制发现不是偶然独立的;(2)与内部控制执行频率相关的偏差;(3)定性因素,例如能够证明该控制发现是一个特例或者意外情况。

另外,在进行内部控制自我评价时,可能会注意到一些特殊事项,例如:对已经公布的财务报表进行更正或补充说明。但是,这些特殊事项是由特殊背景如会计准则的调整引发的,并存在充分的证据表明该特殊事项不是由控制缺陷导致的。不过,实际工作中这种不是由于控制缺陷造成的特殊事项很少发生,因此,对这些特殊事项的评估必须基于自身特定的环境和时点作出慎重考虑和分析。

步骤一:明确缺陷与内部控制目标的关联程度

由于一项控制可能影响多个方面,往往导致未能针对问题的重点评价缺陷,因此第一个步骤就是要明确所评价的缺陷是否与内部控制目标相关联。控制目标是指财务报告内部控制目标,旨在预防或发现财务报表出现重大错报的情况。

此外,由于一项控制可能与财务报告内部控制目标相关联,又同时影响非财务报告内部控制目标,为了避免重复评价,根据目前的法规,需要首先针对财务报告内部控制目标进行缺陷认定,考虑其对财务报表重大错报方面的影响。

评价的原则是:如果能够量化错报,则以财务报表重要性水平为依据来评估缺陷程度;如果由于缺陷的性质,对量化错报存在困难,则以相关专业负责人或者独立、知情且有足够专业知识的人员的主观判断为依据。

步骤二:评价缺陷导致财务报表错报的合理可能性

判断内部控制缺陷的严重程度取决于该缺陷是否已经导致错报金额,或可能导致潜在的错报金额。在分析财务报告内部控制缺陷的严重程度时需要考虑:(1)内部控制缺陷导致账户余额或列报错报的可能性;(2)一个或多个内部控制缺陷的组合导致潜在错报的金额大小。

需要判断控制缺陷(单独或汇总)导致的财务报表错报的合理可能性,并详细记录分析的过程和判断依据,对合理可能性的判断则可以依据定性分析,不需要使用统计计量等复杂方法定量计算可能性的大小。

在评价一个缺陷或缺陷汇总是否存在合理可能性导致财务报表错报时,需要考虑的因素包括但不限于:账户、列报和相关认定的性质,比如:非常规交易和关联交易可能涉及较大风险,导致错报的可能性较大;相关资产或负债对损失或舞弊的敏感程度,越敏感,风险越大;确定涉及金额所需判断的程度及其主观性和复杂性,即所需判断越多,主观性、复杂性越强,则风险越大;在控制执行有效性测试中发现的控制偏差的产生原因和频率也影响可能性的判断。

步骤三:评价错报对财务报告构成的影响程度

需要对控制缺陷或缺陷汇总可能导致的财务报表错报进行估算,与财务报表重要性水平比较,判断内部控制缺陷导致的错报是否对财务报告构成重大影响,即是否会构成重大错报。

在评估缺陷的重大程度时,必须考虑实际或潜在错报对年度财务报告的影响。在计算错报影响时,应当考虑的因素包括但不限于:受内部控制缺陷影响的账户余额或相关交易发生的总额;本期或预计未来期间受内部控制缺陷影响的账户余额或交易的交易量。

另外,进行缺陷重大程度的评估时,一定要从内部控制缺陷的根源出发,分析缺陷的影响,而不能从结果、事件、损失出发来进行评估。

步骤四:评价是否存在运行有效的补偿性控制

对已经确认的内部控制缺陷或缺陷汇总,应当评估:是否存在补偿性控制;该内部控制缺陷是否按照一定的精确度有效运行,从而降低了该内部控制缺陷或缺陷汇总导致财务报表错报或负面财务影响的可能性和重要性。

为了得出补偿性控制有效运行的结论,应首先分析该补偿性控制是否存在一定程度的精确性。其次,应对补偿性控制开展必要的测试验证工作,获取并记录补偿性控制运行有效的证据。需要注意的是,由于某些控制缺陷发生于公司分子公司层面,而相关的补偿性控制可能存在于集团层面,在对补偿性控制进行测试时,应考虑补偿性控制执行的层面及其对测试的影响。以成品油销售公司为例,公司会不定期对下属各加油站进行内控抽查,该项检查就属于补偿性控制,需判断抽查程序检查项目是否设置合理完整、信息传递是否及时、发现的问题是否及时处置来确认该控制是否运行有效。

步骤五:评价缺陷是否足以引起相关负责人的重视

在完成步骤二或步骤三并得出否定答案后或步骤四得到肯定答案,即:控制缺陷不太可能导致财务报表错报,或即使导致财务报表错报,也未对财务报告形成重大影响,公司还需要进一步考虑该缺陷或缺陷汇总的重要程度是否足以引起相关财务主管负责人的重视,包括财务总监或总会计师、董事、监事等。

财务主管负责人以其专业经验判断内部控制缺陷的程度时,应考虑但不限于以下因素:内部控制缺陷在上一年度已存在并被认定为重要缺陷或重大缺陷;内部控制缺陷存在于企业新兴业务或高风险业务中,未来影响是否有放大的趋势;内部控制缺陷存在于董事会、经理层或审计委员会高度关注的领域。内部控制缺陷是否是当年监管的重点,或者相关问题被检查出来以后,是否长期未整改。

在评价财务报告内部控制缺陷的重要程度时,应当确定负责监督企业财务报告的相关人员是否有充分合理的信心认为企业的交易得到适当的记录、财务报告的编制符合企业会计准则的披露要求。如果判断一个谨慎的负责监督财务报告的相关人员在公司存在该内部控制缺陷或多项缺陷组合时,仍然保持对财务报告和相关信息真实准确的信心,且该信心是充分合理的,则可以认为该缺陷是一般缺陷,反之,该缺陷至少构成重要缺陷。

步骤六:评价缺陷是否足以引起知情、有胜任能力及客观人员的关注

知情、有胜任能力及客观人员是指具有一定专业知识和能力的第三方人员,比如独立董事、监管机构人员、外部审计师等,在取得同样的内部控制缺陷相关信息时,判断该缺陷是重大缺陷,则该缺陷构成重大缺陷,反之,则为重要缺陷。作出上述独立判断的人员,应考虑步骤五中的考虑因素,秉持职业谨慎态度,从独立第三方的角度客观审视内部控制缺陷或缺陷汇总的严重性,得出内部控制是否有效的结论。

步骤七:缺陷的汇总评估

自动缺陷识别 篇6

1.疏松。疏松是钢在致密性方面的缺陷。多发生在钢锭的上部及中部, 这些地方集中了较多的杂质和气体造成的孔隙, 切片经酸侵后这些杂质和孔隙为酸液溶解和侵蚀, 扩大成许多洞穴。在横向切片上, 如果疏松分布在整个截面上, 我们称之为一般疏松;如果集中在钢材中心相当于钢锭最后结晶的等轴晶区, 我们称之为中心疏松。

形成疏松的主要原因是钢中的低熔点杂质和气体。在形成钢液过程中, 由于体积收缩和气体析出会形成树枝状的晶间空隙和显微孔隙, 如果钢液中的杂质聚积在其中, 而未被钢液填充, 则造成组织的不致密性。

防止钢材产生严重疏松的办法, 主要是要减少钢中的杂质和气体。冶炼时选用纯净和干燥的炉料, 充分脱氧去气;采用合适的锭模及灌注工艺;出钢时避免钢渣及耐火材料剥离而混入钢液;保持灌注系统的清洁等等。

2.偏析。偏析是钢在均匀性方面的缺陷, 在碳素结构钢和合金钢中均可见到。钢的切片经酸侵后的偏析一般有树枝状、方框型、点状偏析和负偏析, 但随着冶炼技术的提高, 点状和负偏析已极少发现。

树枝状偏析多数情况是浇注温度过高和冷却缓慢所致。在钢液凝固结晶过程中, 首先形成树枝状晶轴。然后在一次晶轴上沿一定角度长出二次晶轴, 再派生出三次、四次形同树枝状的晶轴, 液体逐渐占据枝晶空隙填满到结晶结束就构成了树枝状晶轴与晶之间成分的不均匀性。当树枝状偏析非常严重时, 会恶化钢的机械性能。

方框型偏析与碳的偏析产生铁素体和珠光体多少有关, 由于铸锭结晶时, 在柱状晶的末端与锭心等轴晶区之间聚积较多杂质和孔隙而形成。严重的方框型偏析在机械加工后会使零件的机械物理性能降低。

钢的偏析与钢的成分、钢中气体与杂质含量、浇注温度和冷却速度有关, 消除的方法主要是减少钢中的杂质和气体, 在冶炼和浇注方面采取措施。

3.气泡和缩孔残余。气泡是钢中气体形成的空洞, 分为皮下气泡和蜂窝气泡, 是钢中的气体引起的缺陷。缩孔残余是钢液在凝固过程中, 由于各部分结晶及体积收缩的先后不同, 而形成比较集中的空穴。正常情况下, 钢锭都有冒口切除工艺, 但如果切除不尽或缩孔深及锭中时就会造成缩孔残余。防止气泡产生一是减少钢中气体, 二是不使锭模内壁涂料含水过多和避免浇注时的钢液飞溅。防止缩孔残余则必须正确设计铸锭模具及冒口, 设法增加钢液的流动性等。

4.夹杂物。钢的低倍组织缺陷中的夹杂物分为金属和非金属两类, 金属夹杂物是钢中混入了异型金属, 由于化学成分的不同, 在经侵蚀的低倍切片上很容易将它们与基体金属和其他缺陷加以区别。其产生原因:一是在冶炼高合金钢时, 加入的铁合金数量较多或铁合金块较大时, 会因未被全部熔化而形成金属夹杂物。二是保温帽中铝热剂的过多堆积来不及熔化或其中氧化铁皮离析使局部钢液被氧化而脱碳, 结晶温度升高先行凝固而沉入钢液。三是浇注时飞溅形成的小颗粒, 未能熔化而分散于钢中。四是出钢时落入盛钢桶中的其他金属未能全部熔化和成分均匀化所致。非金属夹杂物是冶炼时钢中的气体与脱氧剂及合金元素反应的产物以及耐火材料碎片。主要是铁与氧、硫、氮所形成的化合物。非金属夹杂物一般不具金属光泽, 很容易发现。其对钢的机械性能影响主要表现在降低疲劳强度, 容易造成产品缺口和应力集中而引起疲劳裂纹导致零件过早作废。另外对钢的热处理性能、焊接性能和耐腐蚀性能均有不利影响。消除夹杂物的措施除了传统的洁净炉料、炉衬和在氧化期加速脱碳、在还原期合理脱氧外, 目前普遍采用的真空熔炼、钢液的真空处理等炉外精炼技术都有显著效果。

5.白点。钢中白点是在试样纵向断口上呈现出银白色的椭圆斑点, 而在被磨光并酸侵的横向切片上则为细长而平直的裂纹。所以白点也称为发裂。白点对钢的性能影响较大, 是热轧合金钢不允许的低倍组织缺陷。各种钢对白点的敏感程度不同, 铬钢、锰钢等合金钢敏感性大, 而碳素钢对白点的敏感性较小。钢的白点敏感性不仅与化学成分有关, 并且与炼钢的方法有关。目前在冶金和机械制造企业, 普遍采用超声波探伤、酸侵、磁粉探伤、着色探伤和断口检验等方法对钢中白点进行检查和判断。

钢液中的含氢量是产生白点的重要条件, 所以防止白点的办法主要是在冶炼浇注时减少钢中的氢气。如使用少锈的生铁和废钢、对合金料彻底烧烤除气以保证炼钢时整个熔池内发生足够强烈的沸腾。真空冶炼和钢液的真空处理已经在各炼钢企业普遍推广, 它不仅可使钢中含氢量降低, 消除了白点等缺陷的发生, 并且能够有效地去除了氧和氮, 减少了钢中夹杂物与偏析, 极大地提高了钢的纯度, 使钢的机械物理性能得到显著改善。

钢铁等金属材料产生缺陷的原因是多方面的。要做好缺陷的分析检验和判定, 除了学习冶金方面的经典理论著作之外, 必须深入生产第一线, 在实践中摸索破解的方法, 促进企业产品质量的提高。

参考文献

自动缺陷识别 篇7

轴承滚动体表面缺陷对轴承的精度、运转性能和使用寿命等都有极为重要的影响作用[1,2]。钢球表面缺陷的分类识别是保证钢球性能的关键,随着各类机电设备对轴承质量要求的不断提高,对轴承零部件的表面和内部缺陷标准要求也变得日趋严格[3]。

图1是钢球生产中常见的5种缺陷类型:点子、群点、凹坑、划痕和擦伤,相应的图像如图1(a)、1(b)、1(c)、1(d)和1(e)所示。

对于钢球表面缺陷的形状特征参数,不仅同一类的缺陷图像可能存在较大的差异,而且不同类缺陷图像之间的差异也不是很明显。因此,采用线性模式识别方法对缺陷图像进行识别,会有很大的局限性,从而出现较大的错识率[4]。本文运用神经网络处理非线性问题的优势,通过提取钢球表面缺陷图像的特征参数,得到其灰度共轭矩阵,以该矩阵作为分类识别的输入特征向量,应用基于BP神经网络的模式识别方法对钢球表面缺陷进行识别。

2 钢球表面缺陷图像的特征提取

首先对钢球表面图像进行分割和边缘检测分析,从图像中提取出能够反映缺陷性质且相对稳定的特征,并赋予其对应的参数,从而实现定量化表达,为运用神经网络进行钢球表面图像缺陷的识别提供准确输入特征量。

图像纹理特征能够有效的实现图像区域特征地辨识[5]。灰度共轭矩阵作为区域纹理特征的一种有效的描述方法,反映了关于图像灰度的方向、相邻间隔、变化幅度等综合信息[6]。文中在对灰度共生矩阵首先进行了归一化处理后,选取典型的计算特征量:二阶距、对比度、熵、局部平稳性和相关度,来描述图像纹理特征,并将其作为钢球表面缺陷分类识别的特征向量。

二阶距是对图像灰度分布均匀性的度量。图像的纹理特征越粗,其二阶距值也越大。

对比度反映纹理的清晰程度。纹理的沟纹越深,则对比度值越大,进而图像也就越清晰。

熵是图像所具有的信息量的度量,表征了图像中纹理的复杂程度。图像越不均匀,则熵值越小,反之熵值越大。

局部平稳性是图像局部灰度均匀性的表达。如果图像局部灰度具有良好的均匀性,其局部平稳性的取相对较大的值。

相关度反映矩阵中行间和列间的相关程度。如果在某一方向的线性结构少,那么该方向的相关值就小。

在以上的五个式子中,p(i,j)为灰度共生矩阵,L为灰度级的数目,μx和δx分别是px(i,j)的均值和均方差,μy和δy分别是py(i,j)的均值和均方差。

3 基于BP神经网络的钢球表面缺陷识别分类器设计

3.1 钢球表面缺陷识别网络模型的建立

本文分类器设计是采用基于BP神经网络的模式识别方法对钢球表面缺陷进行分类识别。神经网络的训练状况及其性能与分类器参数的选择有着密切的关联,理想的初始参数往往能够有效地减少学习迭代次数,提高其收敛速度,进而有效提高神经网络的性能。

首先对BP神经网络的输入和输出值分别进行归一化及还原处理。以灰度共生矩阵提取的二阶距、对比度、熵、局部平稳性和相关度5个特征参数作为网络模型的输入,对应输入向量为X=(x1,x2,x3,x4,x5);输出层单元个数只设计为1个,即向量Y=(y1),将y1值进行编码处理(如点子的编码为1、群点的编码为2、凹坑的编码为3、划痕的编码为4、擦伤的编码为5)。

BP神经网络的输入层和输出层单元个数通常由需解决的问题本身所决定,其网络建立的关键在于隐层中的单元个数的如何选取。隐层中的单元个数过多,会产生“过拟合”现象,导致误识而降低了泛化能力。隐层中的单元个数过少,又会出现“欠拟合”现象,达不到逼近精度,导致学习过程不能收敛。通过表1中不同神经网络层次结构平均识别准确率对比可得:最优的隐层单元个数取8。

图2为钢球表面缺陷识别BP神经网络的5_8_1型模型结构。其中Vi,j是输入层神经元和隐层神经元之间的权值,Wj,k是隐层神经元和输出层神经元之间的权值。

3.2 钢球表面缺陷识别网络模型的训练与性能分析

图3为钢球表面缺陷识别预测模型的误差、权值和有效参数随训练次数的变化曲线。由图3可知:当训练迭代至205步时,其网络达到收敛,此时网络的误差平方和与网络权值的平方和均为恒值,满足网络模型的预测误差要求。

4 钢球表面缺陷识别实验验证

本文所采用的实验样本来源于5种基本的钢球表面缺陷图像,样本数量为100个。其中,80个样本用来训练神经网络,余下20个作为测试样本。经过对钢球表面图像去噪声、纹理增强、图像分割及边缘检测后,采用基于灰度共生矩阵的纹理特征计算法来提取各类型缺陷的一组特征量,包括二阶距、对比度、熵、局部平稳性和相关度。最后,运用BP神经网络分类器对钢球表面缺陷图像进行分类。实验结果如表2所示。

由表2的实验结果表明:运用基于BP神经网络的识别系统对钢球缺陷(点子、群点、凹坑、划痕和擦伤等形式)进行识别,其准确率分别为93.5%、92%、95%、97.5%和92.5%,由此可见该系统具有一定的识别精度。

5 结论

针对钢球表面缺陷的特点,将钢球表面缺陷划分为点子、群点、凹坑、划痕和擦伤5种类型,通过采用基于灰度共生矩阵的纹理特征计算法对钢球表面缺陷进行特征提取,构造了基于BP神经网络的钢球表面缺陷分类器,实现了钢球表面缺陷的准确的分类识别。实验验证结果表明,该分类器具有良好的识别精度。

摘要：采用灰度共生矩阵为基础的纹理特征计算方法,对钢球表面图像进行特征参数提取,应用基于BP神经网络的图像特征模式识别方法,实现了对钢球表面不同种类缺陷的准确识别,实验结果表明,该方法能够对钢球表面缺陷进行有效地分类识别。

关键词：钢球,表面缺陷,灰度共生矩阵,BP神经网络

参考文献

[1]杨阳,蒋先刚.基于图像分析的滚动轴承表面缺陷识别技术研究[J].华东交通大学学报,2008,25(6):41-45.

[2]赵彦玲,顾玉武,刘献礼.基于小波变换的钢球图像边缘检测[J].哈尔滨理工大学学报,2007,12(5):32-34.

[3]李萍,曾令可,税安泽,等.基于MATLAB的BP神经网络预测系统的设计[J].计算机应用与软件,2008,25(4):149-151.

[4]刘海涛,田雪虹.磨损磨粒的BP神经网络识别[J].机械制造与研究,2008,37(1):104-106.

[5]刘红冰,康戈文.基于神经网络的冷轧带钢表面缺陷检测[J].中国图象图形学报,2005,10(10):1310-1313.