CN100398675C - 自动识别连续退火炉内带钢跑偏的方法 - Google Patents

自动识别连续退火炉内带钢跑偏的方法 Download PDF

Info

Publication number
CN100398675C
CN100398675C CNB2005100283209A CN200510028320A CN100398675C CN 100398675 C CN100398675 C CN 100398675C CN B2005100283209 A CNB2005100283209 A CN B2005100283209A CN 200510028320 A CN200510028320 A CN 200510028320A CN 100398675 C CN100398675 C CN 100398675C
Authority
CN
China
Prior art keywords
image
gravity
grey scale
area
scale centre
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CNB2005100283209A
Other languages
English (en)
Other versions
CN1904090A (zh
Inventor
黄夏兰
彭俊
宋利明
吴彬
高祥福
荣军
陈锐
刘锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baoshan Iron and Steel Co Ltd
Original Assignee
Baoshan Iron and Steel Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baoshan Iron and Steel Co Ltd filed Critical Baoshan Iron and Steel Co Ltd
Priority to CNB2005100283209A priority Critical patent/CN100398675C/zh
Publication of CN1904090A publication Critical patent/CN1904090A/zh
Application granted granted Critical
Publication of CN100398675C publication Critical patent/CN100398675C/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及图像识别技术,尤其涉及连续退火炉内带钢跑偏的图像识别方法。本发明对装在连退炉内的工业电视摄取的图像,将其转换为数字信号后,计算采样图像灰度重心的横向位移变化,根据图像重心偏移的多少来自动判断连续退火炉内带钢是否产生跑偏。在判断为发生跑偏时系统会自动报警并存储事故录像,为操作及时采取措施和事故分析提供依据。本发明是将现有的对生产过程的监视由人工判断提升为计算机自动判断,一方面提高监视系统的自动化程度,解放劳动生产力;另一方面大大提高故障的判断速度,为及时采取应对措施提供时间,防止大的故障的发生。

Description

自动识别连续退火炉内带钢跑偏的方法
(一)技术领域
本发明涉及图像识别技术,尤其涉及连续退火炉内带钢跑偏的图像识别方法。
(二)背景技术
连续退火炉内带钢以高速运行,常常由于某种原因造成带钢跑偏而影响通板的稳定性,在极端的情况下带钢跑偏后擦到炉墙面断裂,造成生产事故。对于事故原因的分析,最有力的证据是事故发生前后的监视录像,但目前连退炉内的工业摄像监视系统只具有对工业生产过程的实时摄像功能,而不具备图像分析判断及存储的功能,需要操作人员随时察看监视画面,所以常常由于操作人员观察不及时或来不及判断而造成重大生产事故,事故发生前后的录像也没有存储,为事故分析带来不便。美国专利US4476430公开了一种非接触式带钢平直度检测装置,该装置是在带钢表面附近安装一块平板,连续检测带钢和该平板间的电容,当带钢跑偏时,带钢和平板间距离的变化将导致电容的变化,由此可以反映跑偏量的大小。
(三)发明内容
本发明的目的在于提供一种自动识别连续退火炉内带钢跑偏的方法,该识别方法将现有的对生产过程的监视由人工判断提升为计算机自动判断,一方面提高监视系统的自动化程度,解放劳动生产力;另一方面大大提高故障的判断速度,为及时采取应对措施提供时间,防止大的故障的发生。
本发明是这样实现的:一种自动识别连续退火炉内带钢跑偏的方法,其特征是将安装在连退炉内的工业摄像机摄取的图像光信号通过信号电缆送到控制室,再通过一个带信号放大功能的分频器进行信号放大后分别送往监视器、第一工控机和第二工控机;第一工控机内装有图像采集卡,用于将工业摄像机的模拟信号转换为计算机可以识别的数字信号,然后对数字图像进行分析计算,第二工控机在接到第一工控机的报警信号时进行事故录像;其对图像处理的步骤是:
第一步,在工业摄像机摄取的图像上选取参照区域和采样区域,在图像上选取一基本不动的参照物,作一参照区域,在带钢区域选取一采样区域;
第二步,在监控系统刚启动时,计算出起始图像参照区域的灰度重心Xqz和起始图像采样区域的灰度重心Xqy
第三步,每个周期计算当前图像参照区域的灰度重心Xdz和当前图像采样区域的灰度重心Xdy,通过当前图像参照区域的灰度重心Xdz和起始图像参照区域灰度重心Xqz的比较,计算出当前图像的参照区域灰度重心的平移量;
第四步,运用坐标变换运算,计算出当前图像采样区域相对于起始图像参照区域的灰度重心Xdyqz,将Xdyqz和Xqy进行比较,计算出当前图像的采样区域的灰度重心绝对平移量c,并以此值作为跑偏的特征值;
第五步,当采样区域的重心偏移特征值c大于某一阈值时,即认为炉内带钢发生了跑偏现象,系统发出声音报警,同时通过局域网通知第二工控机进行事故录像。
本发明是利用装在连退炉内的工业电视摄取的图像,将其转换为数字信号后,计算采样图像灰度重心的横向位移变化,根据图像重心偏移的多少来自动判断连续退火炉内带钢是否产生跑偏。在正常生产时,工业电视图像的灰度重心基本不变或在很小的范围内波动,当炉内带钢发生跑偏时,工业电视图像的灰度重心将发生较大偏移,因此可根据图像重心偏移的多少来自动判断连续退火炉内带钢是否产生跑偏。在判断为发生跑偏时系统会自动报警并存储事故录像,为操作及时采取措施和事故分析提供依据。本发明在现有的监视系统基础上,使操作人员不需随时察看监视画面而能获得比肉眼监视更加及时、准确的跑偏发生的报警信息,从而及时采取相应的应对措施,防止事故进一步发展,同时,为事故录像提供依据,减少无谓的录像空间和时间。本专利设备投资少,对炉体和生产运行不产生影响。
本发明是将现有的对生产过程的监视由人工判断提升为计算机自动判断,一方面提高监视系统的自动化程度,解放劳动生产力;另一方面大大提高故障的判断速度,为及时采取应对措施提供时间,防止大的故障的发生。
(四)附图说明
下面结合附图和具体实施方式对本发明作进一步说明。
图1为监控系统配置示意图;
图2为图像采样原理图;
图3为采样区域重心偏移计算原理图;
图4为区域灰度重心计算原理图。
图中:1工业摄像机,2监视器,3分频器,4第一工控机,5第二工控机,6摄取图像,7带钢,8炉辊,9参照区域,10采样区域。
(五)具体实施方式
参见图1,自动识别连续退火炉内带钢跑偏的系统由工业摄像机1、监视器2、分频器3、第一工控机4、第二工控机5组成。工业摄像机1安装在连退炉内,用于摄录炉内带钢的运行情况。监视器2、分频器3、第一工控机4、第二工控机5全部安装在控制室内。工业摄像机摄取的图像光信号通过信号电缆送到控制室,再通过一个带信号放大功能的分频器3进行信号放大后分别送往监视器2、第一工控机4和第二工控机5。第一工控机4内装有图像采集卡,用于将工业摄像机的模拟信号转换为计算机可以识别的数字信号,然后对数字图像进行分析计算。第二工控机5在接到第一工控机4的报警信号时进行事故录像。
参见图2,对图像处理的步骤是:
第一步,在工业摄像机摄取的图像上选取参照区域和采样区域。工业摄像机摄取的图像6中,可以清晰地看到带钢7在炉辊8上高速运行的图像。在摄取图像6中,选取一基本不动的参照物,如灯或炉口,并作一参照区域9,在带钢区域选取一采样区域10。
参见图3的采样区域重心偏移计算原理图。第二步,在监控系统刚启动时,计算出起始图像参照区域的灰度重心Xqz和起始图像采样区域的灰度重心Xqy
第三步,每个周期计算当前图像参照区域的灰度重心Xdz和当前图像采样区域的灰度重心Xdy,通过当前图像参照区域的灰度重心Xdz和起始图像参照区域灰度重心Xqz的比较,计算出当前图像的参照区域灰度重心的平移量;
第四步,运用坐标变换运算,计算出当前图像采样区域相对于起始图像参照区域的灰度重心Xdyqz,将Xdyqz和Xqy进行比较,计算出当前图像的采样区域的灰度重心绝对平移量c,并以此值作为跑偏的特征值;
第五步,当采样区域的重心偏移特征值c大于某一阈值时,即认为炉内带钢发生了跑偏现象,系统发出声音报警,同时通过局域网通知第二工控机进行事故录像。特征阈值为经过大量生产试验得出的经验值。
上述计算中考虑当前图像和起始图像坐标变换的原因主要是由于信号干扰、镜头调整等原因而可能引起的参照区域的灰度重心的坐标变化。若当前图像参照区域的灰度重心Xdz和起始图像参照区域的灰度重心Xqz重合,说明镜头位置没有变化;若不重合,说明镜头有偏移或有干扰,其变化值即为新、旧坐标的平移量。
当前图像坐标变换的原理如下:假设参照区域的图像的重心,其在起始图像中的坐标值是(0,0),在当前图像中的坐标值是(a,b),则当前图像与起始图像相比,沿水平方向平移了a,沿垂直方向的平移了b。假设采样区域中有一点K,其在起始图像中的参考坐标值是(x,y);在当前图像中的参考坐标值是(x’,y’);则有:
x=x′+a
y=y′+b
因此,将当前图像的采样区域的重心坐标加上相应偏移量后即可变换为当前图像采样区域相对于起始图像参照区域的重心坐标。
参见图4的区域灰度重心计算原理图。设采样区域为M行N列,其上任意一点灰度值为uij,横坐标为xij,则区域重心
X ‾ = Σ j Σ i u ij x ij Σ j Σ i u ij
本发明采用数学方法对摄取图像进行分析,得出监视对象是否跑偏的判断。该方法适用于任何运动对象的监视,应用前景广阔。

Claims (1)

1.一种自动识别连续退火炉内带钢跑偏的方法,其特征是将安装在连退炉内的工业摄像机摄取的图像光信号通过信号电缆送到控制室,再通过一个带信号放大功能的分频器进行信号放大后分别送往监视器、第一工控机和第二工控机;第一工控机内装有图像采集卡,用于将工业摄像机的模拟信号转换为计算机可以识别的数字信号,然后对数字图像进行分析计算,第二工控机在接到第一工控机的报警信号时进行事故录像;其对图像处理的步骤是:
第一步,在工业摄像机摄取的图像上选取参照区域和采样区域,在图像上选取一基本不动的参照物,作一参照区域,在带钢区域选取一采样区域;
第二步,在监控系统刚启动时,计算出起始图像参照区域的灰度重心Xqz和起始图像采样区域的灰度重心Xqy
第三步,每个周期计算当前图像参照区域的灰度重心Xdz和当前图像采样区域的灰度重心Xdy,通过当前图像参照区域的灰度重心Xdz和起始图像参照区域灰度重心Xqz的比较,计算出当前图像的参照区域灰度重心的平移量;
第四步,运用坐标变换运算,计算出当前图像采样区域相对于起始图像参照区域的灰度重心Xdyqz,将Xdyqz和Xqy进行比较,计算出当前图像的采样区域的灰度重心绝对平移量c,并以此值作为跑偏的特征值;
第五步,当采样区域的重心偏移特征值c大于某一阈值时,即认为炉内带钢发生了跑偏现象,系统发出声音报警,同时通过局域网通知第二工控机进行事故录像。
CNB2005100283209A 2005-07-29 2005-07-29 自动识别连续退火炉内带钢跑偏的方法 Active CN100398675C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNB2005100283209A CN100398675C (zh) 2005-07-29 2005-07-29 自动识别连续退火炉内带钢跑偏的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNB2005100283209A CN100398675C (zh) 2005-07-29 2005-07-29 自动识别连续退火炉内带钢跑偏的方法

Publications (2)

Publication Number Publication Date
CN1904090A CN1904090A (zh) 2007-01-31
CN100398675C true CN100398675C (zh) 2008-07-02

Family

ID=37673454

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005100283209A Active CN100398675C (zh) 2005-07-29 2005-07-29 自动识别连续退火炉内带钢跑偏的方法

Country Status (1)

Country Link
CN (1) CN100398675C (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230067A (zh) * 2011-03-30 2011-11-02 北京首钢自动化信息技术有限公司 一种实现加热炉入炉钢坯精确定位方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102773265B (zh) * 2012-07-10 2015-02-25 首钢总公司 一种带钢跑偏的控制系统
CN107101568A (zh) * 2017-04-27 2017-08-29 山东钢铁集团日照有限公司 一种冷轧连续退火炉及带钢边部检测方法
CN107944342A (zh) * 2017-10-27 2018-04-20 天津美腾科技有限公司 一种基于机器视觉的刮板机异常状态检测系统
CN110207583A (zh) * 2019-07-02 2019-09-06 唐山迪安自动化设备有限公司 酸槽内钢带位置测量传感器
CN113538320A (zh) * 2020-03-31 2021-10-22 宝山钢铁股份有限公司 一种用于热轧带钢跑偏量检测的灰度自适应方法
CN111717616A (zh) * 2020-07-02 2020-09-29 徐州宏远通信科技有限公司 一种基于图像识别的刮板输送机斜链检测方法及控制系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4476430A (en) * 1982-04-05 1984-10-09 Wright Wade S Non-contact sensor for determining moving flat steel strip shape profile
CN1447282A (zh) * 2002-03-27 2003-10-08 富士通株式会社 手指移动检测方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4476430A (en) * 1982-04-05 1984-10-09 Wright Wade S Non-contact sensor for determining moving flat steel strip shape profile
CN1447282A (zh) * 2002-03-27 2003-10-08 富士通株式会社 手指移动检测方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230067A (zh) * 2011-03-30 2011-11-02 北京首钢自动化信息技术有限公司 一种实现加热炉入炉钢坯精确定位方法

Also Published As

Publication number Publication date
CN1904090A (zh) 2007-01-31

Similar Documents

Publication Publication Date Title
CN100398675C (zh) 自动识别连续退火炉内带钢跑偏的方法
CN101299275B (zh) 一种目标检测方法、装置
CN106593534B (zh) 一种智能隧道施工安全监控系统
CN101916447B (zh) 一种鲁棒的运动目标检测与跟踪图像处理方法
CN101576952B (zh) 一种检测静止目标的方法和装置
CA2795896A1 (en) Method and system for security system tampering detection
CN101441712A (zh) 一种火焰的视频识别方法和一种火灾监控方法及其系统
CN109850711B (zh) 一种基于3d测量技术的电梯门状态检测方法及系统
CN107679471A (zh) 基于视频监控平台的室内人员空岗检测方法
CN101022505A (zh) 复杂背景下运动目标自动检测方法和装置
Memarzadeh et al. Real-time and automated recognition and 2D tracking of construction workers and equipment from site video streams
CN110867046A (zh) 一种基于云计算的智能洗车机视频监控预警系统
CN112184773A (zh) 一种基于深度学习的安全帽佩戴检测方法及系统
CN115953719A (zh) 一种多目标识别的计算机图像处理系统
CN110390288B (zh) 基于计算机视觉的目标智能搜索、定位和跟踪系统及方法
CN101877132A (zh) 用于运动跟踪的交互事件处理方法和装置
CN104392201A (zh) 一种基于全向视觉的人体跌倒识别方法
CN111291728A (zh) 违规翻越传输带行为的检测系统及检测设备、检测方法
CN103974028A (zh) 人员激烈行为侦测方法
CN101469987B (zh) 移动物体侦测装置与方法
CN102928093A (zh) 一种基于红外的钢坯表面温度检测装置
KR101830331B1 (ko) 기계 이상 동작 검출 장치 및 방법
JPWO2020044797A1 (ja) 情報処理装置、情報処理システム、及び情報処理方法
CN112291282B (zh) 一种动检告警方法及装置
CN111551196B (zh) 一种检修工位上是否有车辆的检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant