CN103357672A

CN103357672A - 一种带钢边界在线检测方法

Info

Publication number: CN103357672A
Application number: CN2012100895826A
Authority: CN
Inventors: 王奎越; 宋宝宇; 杨春雨; 杨东晓; 高冰; 费静
Original assignee: Angang Steel Co Ltd
Current assignee: Angang Steel Co Ltd
Priority date: 2012-03-30
Filing date: 2012-03-30
Publication date: 2013-10-23
Anticipated expiration: 2032-03-30
Also published as: CN103357672B

Abstract

本发明提供了一种带钢边界在线检测方法，包括带钢图像数据采集，带钢图像数据提取，带钢图像数据预处理，灰度图像阈值计算，带钢边界起点和终点确定，带钢边界检测范围确定，带钢边界检测。解决了光电开光设备复杂，对基础自动化要求高、难维护等问题，消除了由于图像采集设备或者现场环境的影响而产生的带钢图像噪声对带钢边界的影响，极大地降低了带钢边界在线检测的复杂程度，提高了检测效率。本发明仅需要摄像头和光源，传输依靠工厂现有局域网，设备简单，成本低，易于实现和维护，适应现场环境，工作可靠，检测结果可被其它系统再利用。

Description

一种带钢边界在线检测方法

技术领域

本发明涉及一种带钢检测方法，尤其是一种带钢边界的在线检测方法。

背景技术

带钢的边界检测是带钢轧制过程中一个关键环节，传统的带钢边界检测方法为机械探测法，极易对带钢的边部造成损失而形成卷边。更先进一些的带钢边界检测方法采用了光电开关进行带钢边部探测。如授权公告号为CN2907940Y的“缝合机侧导板对中装置”实用新型专利中的带钢边界检测采用左右两侧各一个光电开关。授权公告号为CN201871892U的“一种用于带钢自动对中的电动执行装置”实用新型专利中是将光电管安装在该设备的框架上，并通过标尺读数。授权公告号为CN201923691U的“防止硅钢带钢跑偏的控制装置”实用新型专利中的带钢边界检测器由光源、光电池板和与光电池相连的差动放大电路组成。

以上三个专利的共同特点都是非接触式的检测方法，根据光电原理，通过光的透射与反射探测带钢边缘，缺点是需要依赖基础自动化手段，设备相对复杂和昂贵且因为系统组成部分较多，容易出现故障，难维护。

发明内容

本发明提供了一种带钢边界在线检测方法，通过设置在钢板上方的图像采集设备对带钢图像进行实时采集，采集到的图像中包含带钢部分和背景部分，利用计算机对图像特征的提取及分析来检测带钢的边界，解决光电开光设备复杂，对基础自动化要求高、难维护的问题，而且可不依靠其他基础自动化手段，非接触式独立运行。

本发明的目的是这样实现的，一种带钢边界在线检测方法包括以下步骤：

(1)带钢图像数据采集：利用照明设备进行单一明场照明，通过图像采集设备连续采集带钢表面实时图像，其采样周期设置与带钢运行速度匹配，避免带钢图像有所重叠或者使带钢图像信息丢失。采用单一明场照明，使得带钢图像的对比度得到增强，更利于带钢边界检测的准确。

(2)带钢图像数据提取：利用计算设备按图像采集设备的采样周期对采集到的带钢表面实时图像进行提取，然后对每一幅目标图像创建一个独立的分析线程，以进行进一步的分析处理。

(3)带钢图像数据预处理：对采集到的图像进行转灰度处理，并采用中值滤波和均值滤波方法对灰度图像进行降噪处理，避免带钢图像中的噪声对带钢边界的检测造成影响。

(4)灰度图像阈值计算：对灰度图像利用阈值进行分割，灰度图像阈值采用与带钢图像平均灰度相关的自适应阈值，自适应阈值的系数是通过大量现场带钢图像数据试验得到；灰度图像自适应阈值T＝T₀/(1-M/255)，其中，M是图像的平均灰度，T₀为自适应阈值系数。

(6)带钢边界检测范围确定：根据一幅带钢图像中的带钢边界起点和终点的连线与带钢的前进方向的夹角的正切值大小动态确定。

(7)带钢边界检测：利用带钢边界起点，在边界搜索范围内对带钢图像进行逐行扫描，从而确定带钢边界的位置，实现带钢边界的检测。

本发明采用机器视觉的带钢边界检测方法，对灰度图像进行降噪处理消除了由于图像采集设备或者现场环境的影响而产生的带钢图像噪声对带钢边界的影响；带钢边界起点和终点确定通过灰度图像利用阈值进行分割，而阈值采用了与带钢图像平均灰度相关的自适应阈值，并且自适应阈值的系数是通过大量现场带钢图像数据试验得到，能够精确的确定带钢边界的初始起点；带钢边界在线检测是在一个被缩小的范围内进行，极大地降低了带钢边界在线检测的复杂程度，提高了检测效率。本发明采用机器视觉的带钢边界检测方法，仅需要摄像头和光源，传输依靠工厂现有局域网，设备简单，成本低，易于实现和维护，适应现场环境，工作可靠，检测结果可被其它系统再利用。

附图说明

图1为本发明设备构成图；

图2为带钢边界在线检测流程图；

图3为带钢边界在线检测试验效果图。

具体实施方式

本方法的设备构成如图1所示，在运行中的带钢上方安装图像采集设备和照明设备，图像采集设备可以是摄像机、具有摄像功能的照相机等摄像设备。图像采集设备与计算设备相连，计算设备负责对采集到的图像进行提取，预处理和分析，计算设备可以是计算机、单片机、DSP以及FPGA等具有编程能力的运算处理设备。存储设备负责存储带钢的历史图像，并采用数据库记录带钢边界位置数据等信息，以便进一步为其他系统所利用。

如图2所示，本发明带钢边界在线检测的流程如下：

步骤1：图像采集通过图像采集设备，连续采集运行中带钢实时图像。这里需要调整光源和图像采集设备的位置，使得光源照到钢板上的光正好反射到图像采集设备的镜头范围内，形成明场照明。明场照明的好处是明暗对比强烈，更利于带钢边界的检测。

步骤2：图像数据提取

通过图像采集设备自带图像数据流传输与编码协议，由计算设备提取图像数据，或者采用图像采集卡的图像存取接口进行图像的存储并提取。第一种方式效率高，建议采用第一种方式，利用计算设备按图像采集设备的采样周期对采集到的带钢表面实时图像进行提取，然后对每一幅目标图像创建一个独立的分析线程，以进行进一步的分析处理。

步骤3：图像数据预处理

对于提取到计算设备中的图像，首先要进行预处理，是指消除图像噪声的处理，本发明采用中值滤波和均值滤波叠加处理。

步骤4：灰度图像阈值(T)计算

本方法中灰度图像阈值的选取采用了与平均灰度相关的自适应阈值的方法，带钢位置的变化、现场环境的影响导致照明的变化能够得到平均灰度不同的图像，自适应阈值的系数是通过大量现场带钢图像数据试验得到的。灰度图像自适应阈值T＝T₀/(1-M/255)，其中，M是图像的平均灰度，T₀为自适应阈值系数，T₀随M的大小自适应调整。

T_{0} = \{\begin{matrix} 50 & M \leq 70 \\ 25 & M > 70 \end{matrix}

步骤5：带钢边界起点和终点确定与位置保存

对带钢图像的第一行进行行扫描，根据步骤4中计算所得的阈值T进行判断，如果相邻像素灰度之差的绝对值大于T，即|Gray(i)-Gray(i+1)|＞T，则记录相邻左侧点的坐标L(0)为带钢的第一条边界起点，继续扫描，如果相邻像素灰度之差的绝对值大于T，即|Gray(i)-Gray(i+1)|＞T，则记录相邻左侧点的坐标R(0)为带钢的第二条边界起点，这样带钢的左右边界起点就已经被确定。并将确定的左右起点位置保存在左右边界位置数组中。同样，对带钢图像的最后一行进行行扫描，如果相邻像素灰度之差的绝对值大于T，即|Gray(i)-Gray(i+1)|＞T，则记录相邻左侧点的坐标L(H-1)为带钢的第一条边界终点，其中H为图像的高度，即垂直方向上的像素个数，继续扫描，如果相邻像素灰度之差的绝对值大于T，即|Gray(i)-Gray(i+1)|＞T，则记录相邻左侧点的坐标R(H-1)为带钢的第二条边界终点，这样带钢的左右边界终点就已经被确定。并将确定的左右终点位置保存在左右边界位置数组中。

步骤6：带钢边界检测范围确定

带钢边界检测范围是在边界的起点被确定之后，从图像第二行开始进行边界搜索，第一条与第二条边界上的点与上一行边界点的偏移值分别记为S_L和S_R，那么第二行第一条边界的搜索范围为[L(0)-S_L，L(0)+S_L]，第二条边界的搜索范围为[R(0)-S_R，R(0)+S_R]，第i+1行第一条边界的搜索范围为[L(i-1)-S_L，L(i-1)+S_L]，第二条边界的搜索范围为[R(i-1)-S_R，R(i-1)+S_R]。S_L和S_R值的准确与否直接影响是否能够检测到真实的带钢边界。S_L和S_R值大小的调整是与带钢边界的倾斜程度有关的，因为图像采集设备是固定的，带钢是运动的，所以会在图像采集设备中有细微的倾斜或者跑偏等。

本发明通过对现场大量的实际采集的带钢图像进行试验，可根据带钢边界的倾角的正切值大小对应的范围，调整S_L和S_R值。

设θ_L为带钢第一条边界的倾角，θ_R为带钢第二条边界的倾角，那么其正切值为：

\tan θ_{L} = \frac{| L (H - 1) - L (0) |}{H},

\tan θ_{R} = \frac{| R (H - 1) - R (0) |}{H}

那么经过大量对现场带钢图像进行带钢的边界提取试验，确定了带钢的边界检测范围的偏移值为：

S_{L} = \{\begin{matrix} 3 & 0 < \tan θ_{L} < 0.1 \\ 4 & 0.1 \leq \tan θ_{L} < \infty \end{matrix}

S_{R} = \{\begin{matrix} 3 & 0 < \tan θ_{R} < 0.1 \\ 4 & 0.1 \leq \tan θ_{R} < \infty \end{matrix}

其中S_L为第一条边界的检测范围偏移值，S_R为第二条边界的检测范围偏移值。那么带钢的第i+1行左右边界检测范围就分别被确定为[L(i-1)-S_L，L(i-1)+S_L]，[R(i-1)-S_R，R(i-1)+S_R]。

步骤7：带钢边界检测

在经过步骤5和步骤6确定了带钢边界的起点和边界检索范围之后，带钢边界的在线检测从带钢图像第二行开始依次扫描，循环确定带钢的边界位置为：

L (i) = \{\begin{matrix} L (i) & L (i - 1) - S_{L} \leq j \leq L (i - 1) + S_{L} \\ L (i - 1) & j > L (i - 1) + S_{L} \end{matrix}

R (i) = \{\begin{matrix} R (i) & R (i - 1) - S_{R} \leq j \leq R (i - 1) + S_{R} \\ R (i - 1) & j > R (i - 1) + S_{R} \end{matrix}

其中L(i)和R(i)为带钢图像第i行的边界位置变量，j为在带钢图像中带钢边界检测范围内的列位置变量，如果j在带钢边界检测范围内根据阈值T可以确定带钢的左右边界的话，直接保存其值，并且作为确定下一行边界检测范围计算式中的常量。如果j超出了带钢边界检测范围仍没有检测到边界，则取上一次的边界位置作为该次的边界位置。重复以上步骤直至边界检测结束。

如图3所示为带钢边界在线检测的试验效果图，图片是在现场采集的带钢图像，图中是倾角不同的两幅图像，检测的边界用白线显示，可以看出，该方法能够很好的检测出带钢的边界。

Claims

1.一种带钢边界在线检测方法，其特征在于包括以下步骤：

(1)带钢图像数据采集：利用照明设备进行单一明场照明，通过图像采集设备连续采集带钢表面实时图像，其采样周期设置与带钢运行速度匹配；

(2)带钢图像数据提取：利用计算设备按图像采集设备的采样周期对采集到的带钢表面实时图像进行提取，然后对每一幅目标图像创建一个独立的分析线程；

(3)带钢图像数据预处理：对采集到的图像进行转灰度处理，并采用中值滤波和均值滤波方法对灰度图像进行降噪处理；

(4)灰度图像阈值计算：对灰度图像利用阈值进行分割，灰度图像阈值采用与带钢图像平均灰度相关的自适应阈值，自适应阈值的系数是通过大量现场带钢图像数据试验得到，灰度图像自适应阈值T＝T₀/(1-M/255)，其中，M是图像的平均灰度，T₀为自适应阈值系数；

(6)带钢边界检测范围确定：根据一幅带钢图像中的带钢边界起点和终点的连线与带钢的前进方向的夹角的正切值大小动态确定；

2.根据权利要求1所述一种带钢边界在线检测方法，其特征在于T₀随M的大小自适应调整：

。

3.根据权利要求1所述一种带钢边界在线检测方法，其特征在于所述的带钢边界检测范围确定是在边界的起点被确定之后，从图像第二行开始进行的，第一条和第二条边界上的点与上一行边界点的偏移值分别记为S_L和S_R，那么第二行第一条边界的搜索范围为[L(0)-S_L，L(0)+S_L]，第二条边界的搜索范围为[R(0)-S_R，R(0)+S_R]，第i+1行第一条边界的搜索范围为[L(i-1)-S_L，L(i-1)+S_L]，第二条边界的搜索范围为[R(i-1)-S_R，R(i-1)+S_R]，S_L和S_R值根据带钢边界的倾角的正切值大小对应的范围调整，设θ_L为带钢第一条边界的倾角，θ_R为带钢第二条边界的倾角，那么其正切值为：

带钢的边界检测范围的偏移值为：

。

4.根据权利要求1～3任意项所述一种带钢边界在线检测方法，其特征在于带钢边界的在线检测从带钢图像第二行开始依次扫描，循环确定带钢的边界位置为：

其中L(i)和R(i)为带钢图像第i行的边界位置变量，j为在带钢图像中带钢边界检测范围内的列位置变量，如果j在带钢边界检测范围内根据阈值T可以确定带钢的左右边界的话，直接保存其值，并且作为确定下一行边界检测范围计算式中的常量；如果j超出了带钢边界检测范围仍没有检测到边界，则取上一次的边界位置作为该次的边界位置，重复以上步骤直至边界检测结束。