CN105469395A - 一种基于扫描式高温计的中厚板头部形状快速识别提取法 - Google Patents
一种基于扫描式高温计的中厚板头部形状快速识别提取法 Download PDFInfo
- Publication number
- CN105469395A CN105469395A CN201510808985.5A CN201510808985A CN105469395A CN 105469395 A CN105469395 A CN 105469395A CN 201510808985 A CN201510808985 A CN 201510808985A CN 105469395 A CN105469395 A CN 105469395A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- cut deal
- pyrometer
- head
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于扫描式高温计的中厚板头部形状快速识别提取法,该识别提取法具体包括以下步骤:1、采用扫描高温计对轧制过程中的中厚板进行拍摄获取图像;2、对图像进行二值化处理;3、对图像的边界进行提取;4、获取图像边界后采用ABC三点式保存法,确定中厚板头部的ABC三个关键点;5、计算出AB与AC的最大值;6、将AB与AC之间的最大值乘以扫描高温计图像的缩小倍数,从而获得中厚板的实际头部缺陷大小;7、结束;本发明以扫描式高温计的图像为基础,依靠图像二值化处理技术及边界提取技术,通过ABC三点式确立头部缺陷的大小,以此获得中厚板头部形状,该识别提取法简单易行,操作成本低廉,效率高,安全性好。
Description
技术领域
本发明涉及一种在中厚板轧制生产过程中,基于扫描式高温计的中厚板头尾形状快速识别提取技术。
背景技术
在现代中厚板及宽厚板轧制过程中,MAS(狗骨轧制法)轧制已经成为一种主流技术,其主要思想即是针对轧制产品存在的头尾形状缺陷(一般呈舌头形状或者鱼尾形状,其中以舌头形状居多),通过在上一阶段轧制中预留一定的突起,从而增大下一阶段轧制轧件两侧的延伸率,以改善头尾缺陷,如附图中的图1(a)和图1(b)分别为成型阶段和展宽阶段MAS轧制原理示意图;对于现代轧机的控制来说,MAS轧制所需要的高精度负载变辊缝技术已经可以轻松实现,真正的难点是图1(a)和图1(b)所示的突起量的预留,由于轧钢所使用的坯料存在各种规格、轧制产品也存在各种规格,从而使得这其中匹配错综复杂,而突起量的预留也成了控制的难点,而且它恰恰是影响MAS轧制控制效果的最关键因素。
目前分析突起量的方法一般有高校科研采用的有限元模拟方法及企业的人工测量方法,由于轧制产品的四个端点属于力学中的奇异变形点,需要作出各种假设才能使得有限元模拟进行下去,这其中不可避免的产生各种偏差,另外有限元模拟耗时较长,一般一个模拟需要模拟几天甚至一个月,而现场的生产,考虑到坯料种类、产品种类、辊径、轧制温度等,其变化数以万计,这样一个天文数字,通过有限元模拟几乎无法完成。
对于生产企业来说,为了提高成材率,只能通过测量产品的头尾形状,来反馈突起量的预留效果,但是这种测量效率极其低下,且很不利于员工的生产安全,因此很少有企业能够坚持下去,基本不了了之,也有的企业与科研单位合作,开发了高速摄像机系统,但是该类系统一般成本较高、维护保养困难,且一般仅仅用于操作人员观察产品形状用,并没有真正实现钢板头尾形状的自动提取。
本专利结合图像处理技术及企业常用的已经存在的扫描式高温计,在不增加企业投入的前提下,尽力开发出一套完善的低成本头尾形状提取系统,有了本系统,企业及各种科研单位将可以方便的将钢板的头尾形状直接转换为具体的数值,技术人员可以参考大量的该类数据,进行MAS轧制控制参数的回归设定,从而实现MAS轧制控制参数的“自学习”,实现MAS轧制控制参数设定的闭环控制,本发明具有比较强的实用价值及可实现性。
发明内容
本发明所要解决的技术问题是,克服现有技术的缺点,提供一种基于扫描式高温计的中厚板头部形状快速识别提取法,该识别提取法以扫描式高温计的图像为基础,依靠图像二值化处理技术及边界提取技术,通过ABC三点式确立头部缺陷的大小,以此获得中厚板头部形状,该识别提取法简单易行,操作成本低廉,效率高,安全性好。
为了解决以上技术问题,本发明提供一种基于扫描式高温计的中厚板头部形状快速识别提取法,该识别提取法具体包括以下步骤:
(1)采用扫描高温计对轧制过程中的中厚板进行拍摄获取图像;
(2)打开步骤(1)中获取的图像并对图像进行二值化处理;
(3)对经二值化处理后的图像的边界进行提取;
(4)获取图像边界后采用ABC三点式保存法,确定中厚板头部的ABC三个关键点;
(5)在步骤(4)ABC三点确定后,计算出AB与AC的最大值;
(6)将AB与AC之间的最大值乘以扫描高温计图像的缩小倍数,从而获得中厚板的实际头部缺陷大小;
(7)将获取的中厚板头部缺陷数据保存,结束。
本发明进一步限定的技术方案为:;
前述基于扫描式高温计的中厚板头部形状快速识别提取法中,步骤(3)中图像边界的提取,具体提取方法如下:
先在对图像进行二值化处理时,确定好阈值,对获取的图像在其高度方向上,对于每一行的像素点集,从左往右搜索并判断,当像素点的灰度值小于阈值时,则置该点为黑色;当像素点的灰度值大于阈值时,则置为白色,当该行搜索到第一个白色点时,停止该行的搜索,该行的其它点置为黑色,转而移动到下一行进行同样的搜索;
对该图像的长度方向上,对于每一列的纵向像素点集,从下往上搜索并判断,当像素点的灰度值小于阈值时,则置该点为黑色;当像素点的灰度值大于阈值,则置该点为白色,当该列搜索到第一个白色点时,停止该列的搜索,该列的其它点置为黑色,转而移动到下一列进行同样的搜索;
根据图像高度和长度方向上像素点集,得到中厚板边界的形状。
前述基于扫描式高温计的中厚板头部形状快速识别提取法中,步骤(4)中获取图像边界后采用ABC三点式保存法,中厚板头部的ABC三个关键点的确定方式如下:
令A点为中厚板宽度方向即图像的高度方向上的中线L1与头部轮廓的交点,分别在距离A点两边大小为k毫米的位置,作中线L1的平行线,分别为L2和L3,平行线L2与头部轮廓的交点为B点,平行线L3与头部轮廓的交点为C点;
在距离A点两边k毫米的地方取B、C两点时,中厚板存在切边量,取单侧切边量为40mm,k的具体计算公式如下:
式中:J为扫描高温计的图像缩小倍数,所述图像缩小倍数通过实验卡量中厚板实际宽度与扫描高温计的图像高度得到。
本发明的有益效果是:
相对于现有技术中在MAS轧制中预留凸起量时高校采用的几乎无法完成的有限元模拟方法活企业的仅仅用于人员观察产品形状的人工测量方法,本发明以扫描式高温计的图像为基础,依靠图像二值化处理技术及边界提取技术,通过ABC三点式确立头部缺陷的大小,以此获得中厚板头部形状,该识别提取法简单易行,操作成本低廉,效率高,安全性好,有了该方法提取中厚板头部形状的方法后,企业及各种科研单位可以方便的将中厚板的头尾形状直接转换为具体的数值,技术人员可以参考大量的该类数据,进行MAS轧制控制参数的回归设定,从而实现MAS轧制控制参数的“自学习”,实现MAS轧制控制参数设定的闭环控制,本发明具有比较强的实用价值及可实现性。
附图说明
图1(a)为现有技术中成型阶段MAS轧制原理示意图;
图1(b)为现有技术中展宽阶段MAS轧制原理示意图;
图2为本发明实施例中中厚板头部及边界形状提取示意图;
图3为本发明实施例中中厚板头部缺陷的三点式保存法示意图;
图4为本发明实施例中厚板头部缺陷计算的流程图。
具体实施方式
实施例1
本实施例提供的一种基于扫描式高温计的中厚板头部形状快速识别提取法,流程示意图如图4所示,该识别提取法具体包括以下步骤:
(1)采用扫描高温计对轧制过程中的中厚板进行拍摄获取图像;
(2)打开步骤(1)中获取的图像并对图像进行二值化处理;
(3)对经二值化处理后的图像的边界进行提取,具体提取方法如下:
先在对图像进行二值化处理时,确定阈值为常数76,对获取的图像在其高度方向上,对于每一行的像素点集,从左往右搜索并判断,当像素点的灰度值小于阈值时,则置该点为黑色;当像素点的灰度值大于阈值时,则置为白色,当该行搜索到第一个白色点时,停止该行的搜索,该行的其它点置为黑色,转而移动到下一行进行同样的搜索;
对该图像的长度方向上,对于每一列的纵向像素点集,从下往上搜索并判断,当像素点的灰度值小于阈值时,则置该点为黑色;当像素点的灰度值大于阈值,则置该点为白色,当该列搜索到第一个白色点时,停止该列的搜索,该列的其它点置为黑色,转而移动到下一列进行同样的搜索;
根据图像高度和长度方向上像素点集,得到中厚板边界的形状,如图2所示;
(4)获取图像边界后采用ABC三点式保存法,确定中厚板头部的ABC三个关键点,中厚板头部的ABC三个关键点的确定方式如下:
令A点为中厚板宽度方向即图像的高度方向上的中线L1与头部轮廓的交点,分别在距离A点两边大小为k毫米的位置,作中线L1的平行线,分别为L2和L3,平行线L2与头部轮廓的交点为B点,平行线L3与头部轮廓的交点为C点,如图3所示;
在距离A点两边k毫米的地方取B、C两点时,中厚板存在切边量,取单侧切边量为40mm,k的具体计算公式如下:
式中:J为扫描高温计的图像缩小倍数,所述图像缩小倍数通过实验卡量中厚板实际宽度与扫描高温计的图像高度得到;
(5)在步骤(4)ABC三点确定后,计算出AB与AC的最大值;
(6)将AB与AC之间的最大值乘以扫描高温计图像的缩小倍数,从而获得中厚板的实际头部缺陷大小;
(7)将获取的中厚板头部缺陷数据保存,结束。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (3)
1.一种基于扫描式高温计的中厚板头部形状快速识别提取法,其特征在于,该识别提取法具体包括以下步骤:
(1)采用扫描高温计对轧制过程中的中厚板进行拍摄获取图像;
(2)打开步骤(1)中获取的图像并对图像进行二值化处理;
(3)对经二值化处理后的图像的边界进行提取;
(4)获取图像边界后采用ABC三点式保存法,确定中厚板头部的ABC三个关键点;
(5)在步骤(4)ABC三点确定后,计算出AB与AC的最大值;
(6)将AB与AC之间的最大值乘以扫描高温计图像的缩小倍数,从而获得中厚板的实际头部缺陷大小;
(7)将获取的中厚板头部缺陷数据保存,结束。
2.根据权利要求1所述的基于扫描式高温计的中厚板头部形状快速识别提取法,其特征在于:步骤(3)中图像边界的提取,具体提取方法如下:
先在对图像进行二值化处理时,确定好阈值,对获取的图像在其高度方向上,对于每一行的像素点集,从左往右搜索并判断,当像素点的灰度值小于阈值时,则置该点为黑色;当像素点的灰度值大于阈值时,则置为白色,当该行搜索到第一个白色点时,停止该行的搜索,该行的其它点置为黑色,转而移动到下一行进行同样的搜索;
对该图像的长度方向上,对于每一列的纵向像素点集,从下往上搜索并判断,当像素点的灰度值小于阈值时,则置该点为黑色;当像素点的灰度值大于阈值,则置该点为白色,当该列搜索到第一个白色点时,停止该列的搜索,该列的其它点置为黑色,转而移动到下一列进行同样的搜索;
根据图像高度和长度方向上像素点集,得到中厚板边界的形状。
3.根据权利要求1所述的基于扫描式高温计的中厚板头部形状快速识别提取法,其特征在于:步骤(4)中获取图像边界后采用ABC三点式保存法,中厚板头部的ABC三个关键点的确定方式如下:
令A点为中厚板宽度方向即图像的高度方向上的中线L1与头部轮廓的交点,分别在距离A点两边大小为k毫米的位置,作中线L1的平行线,分别为L2和L3,平行线L2与头部轮廓的交点为B点,平行线L3与头部轮廓的交点为C点;
在距离A点两边k毫米的地方取B、C两点时,中厚板存在切边量,取单侧切边量为40mm,k的具体计算公式如下:
式中:J为扫描高温计的图像缩小倍数,所述图像缩小倍数通过实验卡量中厚板实际宽度与扫描高温计的图像高度得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510808985.5A CN105469395B (zh) | 2015-11-20 | 2015-11-20 | 一种基于扫描式高温计的中厚板头部形状快速识别提取法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510808985.5A CN105469395B (zh) | 2015-11-20 | 2015-11-20 | 一种基于扫描式高温计的中厚板头部形状快速识别提取法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105469395A true CN105469395A (zh) | 2016-04-06 |
CN105469395B CN105469395B (zh) | 2019-01-18 |
Family
ID=55607054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510808985.5A Active CN105469395B (zh) | 2015-11-20 | 2015-11-20 | 一种基于扫描式高温计的中厚板头部形状快速识别提取法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105469395B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112894489A (zh) * | 2021-01-28 | 2021-06-04 | 东北大学 | 一种基于形状识别的宽厚板优化剪切方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103612860A (zh) * | 2013-11-23 | 2014-03-05 | 冶金自动化研究设计院 | 基于机器视觉的宽厚板成品库入库定位与位置识别系统 |
CN104028817A (zh) * | 2014-07-02 | 2014-09-10 | 武汉纳瑞格智能设备有限公司 | 一种不规则中厚板大型结构的焊接坡口整体铣削加工设备 |
-
2015
- 2015-11-20 CN CN201510808985.5A patent/CN105469395B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103612860A (zh) * | 2013-11-23 | 2014-03-05 | 冶金自动化研究设计院 | 基于机器视觉的宽厚板成品库入库定位与位置识别系统 |
CN104028817A (zh) * | 2014-07-02 | 2014-09-10 | 武汉纳瑞格智能设备有限公司 | 一种不规则中厚板大型结构的焊接坡口整体铣削加工设备 |
Non-Patent Citations (3)
Title |
---|
田勇: "中厚板轧制轧件头部弯曲及其控制的研究", 《中国博士学位论文全文数据库 工程科技I辑》 * |
祝夫文 等: "中厚板轧件尖角缺陷的分析", 《钢铁研究学报》 * |
祝夫文 等: "中厚板轧件舌形缺陷的分析", 《钢铁》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112894489A (zh) * | 2021-01-28 | 2021-06-04 | 东北大学 | 一种基于形状识别的宽厚板优化剪切方法 |
CN112894489B (zh) * | 2021-01-28 | 2021-12-21 | 东北大学 | 一种基于形状识别的宽厚板优化剪切方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105469395B (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288614B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN105046245B (zh) | 视频人脸检测评价方法 | |
CN103390279B (zh) | 联合显著性检测与判别式学习的目标前景协同分割方法 | |
CN101408985A (zh) | 一种圆形光斑亚像素中心提取方法及装置 | |
CN103793702A (zh) | 基于协同尺度学习的行人重识别方法 | |
CN103743750B (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
CN103955903A (zh) | 一种权值窗口自适应非局部均值图像去噪方法 | |
CN105469397A (zh) | 一种基于系数矩阵分析的目标遮挡检测方法 | |
CN105744356A (zh) | 一种基于内容的视频分段方法 | |
CN110175506A (zh) | 基于并行降维卷积神经网络的行人重识别方法及装置 | |
CN108564621A (zh) | 用于车辙检测的结构光光条中心提取方法及装置 | |
CN104331693A (zh) | 一种印刷品对称性检测方法及系统 | |
CN105760865A (zh) | 一种能够提高比对正确率的人脸图像识别方法 | |
CN105469395A (zh) | 一种基于扫描式高温计的中厚板头部形状快速识别提取法 | |
CN115147347A (zh) | 一种面向边缘计算的玛钢管件表面缺陷检测的方法 | |
CN104268896B (zh) | 基于光谱抽样直方图的超光谱降维匹配方法及系统 | |
Wu et al. | Steel bars counting and splitting method based on machine vision | |
Patki et al. | A review: Cotton leaf disease detection | |
CN103778428A (zh) | 基于块标记的病害感兴趣区域提取方法及系统 | |
Xue et al. | Image edge detection algorithm research based on the CNN's neighborhood radius equals 2 | |
CN102799866A (zh) | 基于细节点偶然匹配概率模型的指纹比对方法 | |
CN103439964B (zh) | 一种ocsvm监控模型的在线更新系统及方法 | |
JP2020140615A (ja) | 生産計画方法及び生産計画システム | |
CN107133634B (zh) | 一种植株水分亏缺程度获取方法及装置 | |
Gao et al. | A framework to identify guano on photovoltaic modules in offshore floating photovoltaic power plants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |