CN107052320A - 基于图像检测的自动浇注系统及浇口杯液位识别方法 - Google Patents
基于图像检测的自动浇注系统及浇口杯液位识别方法 Download PDFInfo
- Publication number
- CN107052320A CN107052320A CN201710243562.2A CN201710243562A CN107052320A CN 107052320 A CN107052320 A CN 107052320A CN 201710243562 A CN201710243562 A CN 201710243562A CN 107052320 A CN107052320 A CN 107052320A
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- gray
- casting
- munder
- 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.)
- Pending
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 title claims description 26
- 238000005266 casting Methods 0.000 claims abstract description 73
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 27
- 239000010959 steel Substances 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000000465 moulding Methods 0.000 claims abstract description 16
- 230000002093 peripheral effect Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 239000004576 sand Substances 0.000 claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000003628 erosive effect Effects 0.000 claims description 10
- 230000010339 dilation Effects 0.000 claims description 9
- 239000012530 fluid Substances 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 239000000428 dust Substances 0.000 claims description 4
- 101100175003 Oryza sativa subsp. japonica RGB1 gene Proteins 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 241001270131 Agaricus moelleri Species 0.000 claims 1
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009415 formwork Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 244000309464 bull Species 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D39/00—Equipment for supplying molten metal in rations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D2/00—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass
- B22D2/003—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass for the level of the molten metal
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Image Processing (AREA)
Abstract
基于图像检测的自动浇注系统,包括:工作单元、手动控制台、外围控制电路、图像采集处理监视单元;工作单元包括浇包、铸件模具、造型机和塞杆;造型机用于连续制造所铸零件需要的模具砂型并且可将模具砂型推送到钢水浇包下方,铸件模具上设置有浇口杯,浇包正上方设置有塞杆,浇包的底部设置有出液口,出液口在浇注过程开始之前对准其下方铸件模具的浇口杯确保在正上方;塞杆的上端与外围控制电路相连接,所述造型机的另一端与计算机连接;液位识别与浇包塞杆的启停控制依赖工控机内部图像处理识别系统进行,软件易于依据不同的浇注现场、铸模情况进行参数调整,简单快捷。
Description
技术领域
本发明属于铸造工艺技术领域,尤其涉及一种利用机器视觉的方式,基于图像采集处理识别、决策判断的自动浇注系统及浇口杯液位识别方法。
背景技术
目前,传统铸造、熔炼行业中的铸造浇注大致有以下几种:1、采取两人抬包,浇包大概能装50-100公斤钢水,浇包边上用两根棒子固定,通过2个人手抬的方式,将钢水倒进浇注模壳,工作时需要第三人在浇包附近将钢水中的炉渣去除,需要劳动力多,劳动强度大。2、采取行车吊包的方式浇注,浇包一般在200-1000公斤左右,浇注时浇包内盛有钢水,通过行车移动,以达到对准模壳的目的,工作时需要2-3人扶住浇包,以免浇包晃动,1人浇注,1人挡渣,钢水从浇包上边缘的水口倒出,此种浇注方式难以对准模壳浇口,钢水易喷溅,危害工人安全,劳动强度大。3、采取行车吊包的方式浇注,浇包一般情况下大于1000公斤,浇注时浇包内盛有钢水,通过行车移动,以达到对准模壳的目的,工作时需要2-3人扶住浇包,使浇包不会左右晃动,1人浇注,钢水从浇包底部流出,以避免炉渣,对准度较好,但此种浇注方式不适合小件产品,劳动强度大,且很不安全,也不便于实现自动化生产。
无论以上哪种浇注方式,均由于浇注设备本身的特点,工人需抵近高温浇包工作,导致工人长期处于高温、高粉尘的恶劣工作环境中,工人的工作强度非常大并且具有很大的安全风险,除此之外仍有许多零件铸造企业采用人工浇注的方式监控浇口杯中的钢水注入量,同时工人手动控制浇口杯上方浇包塞杆启停运动,这种工作方式存在的缺点为:人工浇注方式工作强度大、操作环境高温危险,且老旧设备更换为全新的自动浇注设备需要投入大量财力物力。
因此针对现有技术存在的不足之处提供一种新的注浇系统,来改变现有技术中的问题。
说明书内容
本发明的目的是为了解决目前铸件浇注过程中工人劳动强度大、操作环境高温危险、产品生产效率不高等问题,提供一种基于图像检测的自动浇注系统。
本发明是通过以下技术方案来实现的:基于图像检测的自动浇注系统,包括:工作单元、手动控制台、外围控制电路、图像采集处理监视单元;
所述工作单元包括浇包、铸件模具、造型机和塞杆;所述造型机用于连续制造所铸零件需要的模具砂型并且可将模具砂型推送到钢水浇包下方,所述铸件模具上设置有浇口杯,所述浇包正上方设置有塞杆,浇包的底部设置有出液口,出液口在浇注过程开始之前对准其下方铸件模具的浇口杯确保在正上方;所述塞杆的上端与外围控制电路相连接,所述造型机的另一端与计算机连接;
所述手动控制台上设置有开启按钮和停止按钮,所述手动控制台的另一端与外围控制电路相连接,所述图像采集处理监视单元包括摄像头和计算机,所述计算机上设置有用于采集图像的图像采集板卡、监视器和I/O接口;所述摄像头放置在距离浇包出液口1.5m-3m处,所述摄像头的另一端通过数据线与计算机相连接;所述计算机的另一端与外围控制电路相连接。
作为一种优选的技术方案,所述摄像头的外面设置有保护罩,避免粉尘进入,保证摄像头正常工作。
基于图像检测的自动浇注系统的浇口杯液位识别方法,包括以下几个步骤:
步骤1:造型机将铸件模具推型到位到浇包正下方,通过计算机上的I/O接口上传一个推型到位信号给计算机;
步骤2:计算机收到该信号后,通过I/O接口向外围控制电路发出浇注开始信号,此时浇包塞杆向上运动,浇注开始;
步骤3:浇注开始后,进行图像采集;采用摄像头采集浇注现场实时工作画面,然后将摄像头采集到实时图像通过图像采集卡传输到计算机中,摄像头为模拟摄像头经过图像采集卡后计算机接收到的为数字图像;
步骤4:图像处理;根据步骤1中采集到的数字图像,以RGB彩色数字图像存储于计算机中,并完成以下几个步骤:
步骤4.1:对RGB彩色图像进行灰度化处理;
RGB彩色图像中的每个像素点均是由红、绿、蓝三种颜色分量混合而成,其中R表示红色分量、G表示绿色分量、B表示蓝色分量,每个颜色分量均用8位二进制位存储,各有256级亮度,用数字0~255表示,灰度图像是指图像中像素点的灰度值均由8位二进制位存储,共有0~255级灰度,当RGB图像中每个像素点的R、G、B三个颜色分量值相等时,显示出来的图像样式为灰度图,根据公式(1)将RGB彩色图像转换成灰度图:
Gray=0.299R+0.587G+0.114B (1)
其中,Gray表示灰度值,
通过公式(1)求得Gray后,将原来的RGB(R,G,B)中的R、G、B颜色分量统一用Gray替换,形成新的颜色RGB1(Gray,Gray,Gray),就将RGB图转换为灰度图;
步骤4.2:采用连通区域标注方法去除飞溅小钢水飞溅,即去噪;
在一个二维图像中任取像素点p(x,y),如图1所示,与p点紧邻的上下左右四个方向的像素点坐标分别标记为p1(x,y-1)、p2(x,y+1)、p3(x-1,y)、p4(x+1,y),与p点紧邻的上下左右四个方向的像素点组成的集合称为p的4邻域,当与p点紧邻的上下左右四个方向的像素点的灰度值与p点的灰度值相等时,此时称那么这些灰度值相等的4邻域区域就是4-邻接连通区域;
将二维图像中的连通分量用不同数值标注出来,再过滤掉面积较小的连通区域即可以完成去噪任务;
所述步骤4.2具体包括:
步骤4.2.1:搜索二维图像的像素点,对属于不同4-邻接连通区域的连通分量用1~n标注出来;
步骤4.2.2:分别计算出各个连通分量的面积并标记S1~Sn;
步骤4.2.3:设定一个连通分量的面积阈值Sc,如果面积小于Sc的连通分量被消除,剩下的面积最大连通分量Smax即为浇注图像。
步骤4.3采用形态学算法去除钢水液柱干扰:
去噪后的浇注图像中液柱是浇注图像上凸起的部分,形态学中的开运算算法可以把比结构元素小的凸起过滤掉,因此选用形态学开运算对图像进一步处理,开运算的实质是对图像先腐蚀、再膨胀;
腐蚀运算是用结构元素B腐蚀A,是B在A上移动,当B完全在A里的时候,B的中心相素位置集合,如公式(2)所示:腐蚀以后比原来的图缩小;
其中,A表示浇铸图像,B表示结构元素,AΘB表示图像形态学运算中的腐蚀运算,x1表示腐蚀运算后构成图像的点的集合;
膨胀运算是用结构元素B膨胀A,是B的映射在A上移动,相交时B的映射的中心相素位置集合,如公式(3)所示,B的映射用表示,且膨胀后比原来的图放大;
其中,x2表示膨胀运算后构成图像的点的集合;表示对浇铸图像A利用结构元素B进行图像形态学运算中的膨胀运算的结果;
对浇注图像进行处理,A表示原始图像,B表示结构元素,C表示原始图像被结构元素B腐蚀后的结果,D表示图像C再被结构元素B膨胀的结果,即图像D为原始图A与结构元素B进行开运算的结果,由图4(a)中可以看出,图像中所有用数字1进行标识的为一个区域,经过开运算后,图4(e)中留下的区域用数字3表示,被开运算过滤掉的区域用数字1表示,表明开运算可以过滤掉图像中的凸起部分,该方法可行;
步骤4.4:将步骤4.1和步骤4.2、4.3处理之后的图像与用4.1、4.2处理后的满液位浇口杯图像计算相关系数,计算出的相关系数值越接近于1,说明两个图像相似度越高,检测出实时的浇口杯中钢水的液位情况,最终使用相关系数匹配法识别出满液位的时刻;利用相关系数的数值判断是否达到满液位标准,最后对浇注停止时刻给出判断;
相关系数匹配算法是通过计算模板图像与待匹配图像的相关系数值来确定图像的匹配程度,具体算法如下;
对于一幅大小为M×N的图像f(i,j),寻找匹配大小为J×K(J≤M且K≤N)的子图w(i,j)的一种方法是计算f(i,j)和w(i,j)间的相关性c(i,j),则有公式(4)所示:
其中,i=0,1,2,…,M-1,j=0,1,2,…,N-1,f(s,t)表示图像f(i,j)在当前坐标(s,t)处的灰度取值,t表示横坐标;s表示纵坐标;
在匹配过程中使用相关系数,其定义γ(i,j)如公式(5)所示
其中,其中,i=0,1,2,…,M-1,j=0,1,2,…,N-1,是图像w(i,j)中像素
灰度平均值,是图像f(i,j)中与图像w(i,j)当前所在位置相重合的区域的灰度平均值,总和的值通常由f(i,j)和w(i,j)两者对应的灰度矩阵代入后求得,相关系数γ(i,j)在-1到1之间取值。
步骤5:根据步骤4.3得出的满液位的时刻,给出浇注停止信号,控制浇口杯上方浇包塞杆向下运动,停止钢水注入。
作为一种优选的技术方案,所述图像采集使用的摄像头与图像采集卡均配置有基于VC++开发环境的SDK软件开发包,即摄像头开发商提供图像原始采集的应用程序接口,采集到计算机中的数字图像会以连续的RGB颜色分量存储于计算机的内存单元中,这部分数据可以在VC++的环境中读取到。
本发明图像采集使用的摄像头与图像采集卡均配置有基于VC++开发环境的SDK软件开发包,即摄像头开发商提供图像原始采集的应用程序接口,采集到计算机中的数字图像会以连续的RGB颜色分量存储于计算机的内存单元中,这部分数据可以在VC++的环境中读取到。
本发明作业现场的实时工作情况采集到计算机中,用以工人对现场进行监视,并将步骤4理后的图像显示在屏幕上,用以对比实时浇注过程与计算机处理后的采集图像,提高工人监视控制质量;
本发明利用计算机的接口单元与外围控制电路进行连接,一是接受浇注机推型到位信号,判断浇注启动时刻,二是当图像处理单元识别出满液位时刻后,给出浇注停止信号,控制浇口杯上方浇包塞杆向下运动,停止钢水注入。
与现有技术相比较,本发明的有益效果在于:(1)设计科学、合理、操作方便;(2)与工浇注方式相比较,提高了产品生产效率,且节省工厂的人力物力;(3)改善工人的工作环境,安装容易,经济适用性强,具有较好的发展前景,易于扩展升级;(4)本发明适用于铸件生产企业和其它浇注相关企业使用;(5)液位识别与浇包塞杆的启停控制依赖工控机内部图像处理识别系统进行,软件易于依据不同的浇注现场、铸模情况进行参数调整,简单快捷。
附图说明
图1为本发明的装置结构示意图;
图2为本发明的点P的4-领域框图;
图3为本发明的连通区域标注算法示意图;
图4为本发明的浇注图像进行处理示意图。
图中序号说明:1计算机、2浇包、3手动控制台、4外围控制电路、8铸件模具、9造型机、10塞杆、11浇口杯、12开启按钮、13停止按钮、14摄像头。
具体实施方式
下面结合实施例对本发明作进一步的说明。
结合图1-图4,基于图像检测的自动浇注系统,包括:工作单元、手动控制台3、外围控制电路4、图像采集处理监视单元;
所述工作单元包括浇包2、铸件模具8、造型机9和塞杆10;所述造型机9用于连续制造所铸零件需要的模具砂型并且可将模具砂型推送到钢水浇包2下方,所述铸件模具8上设置有浇口杯11,所述浇包2正上方设置有塞杆10,浇包2的底部设置有出液口,出液口在浇注过程开始之前对准其下方铸件模具8的浇口杯11确保在正上方;所述塞杆10的上端与外围控制电路4相连接,所述造型机9的另一端与计算机连接;
所述手动控制台3上设置有开启按钮12和停止按钮13,所述手动控制台3的另一端与外围控制电路4相连接,所述图像采集处理监视单元包括摄像头14和计算机,所述计算机上设置有用于采集图像的图像采集板卡、监视器和I/O接口;所述摄像头14放置在距离浇包2出液口1.5m-3m处,所述摄像头14的另一端通过数据线与计算机相连接;所述计算机的另一端与外围控制电路4相连接。
作为一种优选的技术方案,所述摄像头14的外面设置有保护罩,避免粉尘进入,保证摄像头14正常工作。
基于图像检测的自动浇注系统的浇口杯液位识别方法,包括以下几个步骤:
步骤1:造型机将铸件模具推型到位到浇包正下方,通过计算机上的I/O接口上传一个推型到位信号给计算机;
步骤2:计算机收到该信号后,通过I/O接口向外围控制电路发出浇注开始信号,此时浇包塞杆向上运动,浇注开始;
步骤3:浇注开始后,进行图像采集;采用摄像头采集浇注现场实时工作画面,然后将摄像头采集到实时图像通过图像采集卡传输到计算机中,摄像头为模拟摄像头经过图像采集卡后计算机接收到的为数字图像;
步骤4:图像处理;根据步骤1中采集到的数字图像,以RGB彩色数字图像存储于计算机中,并完成以下几个步骤:
步骤4.1:对RGB彩色图像进行灰度化处理;
RGB彩色图像中的每个像素点均是由红、绿、蓝三种颜色分量混合而成,其中R表示红色分量、G表示绿色分量、B表示蓝色分量,每个颜色分量均用8位二进制位存储,各有256级亮度,用数字0~255表示,灰度图像是指图像中像素点的灰度值均由8位二进制位存储,共有0~255级灰度,当RGB图像中每个像素点的R、G、B三个颜色分量值相等时,显示出来的图像样式为灰度图,根据公式(1)将RGB彩色图像转换成灰度图:
Gray=0.299R+0.587G+0.114B (2)
其中,Gray表示灰度值,
通过公式(1)求得Gray后,将原来的RGB(R,G,B)中的R、G、B颜色分量统一用Gray替换,形成新的颜色RGB1(Gray,Gray,Gray),就将RGB图转换为灰度图;
步骤4.2:采用连通区域标注方法去除飞溅小钢水飞溅,即去噪;
在一个二维图像中任取像素点p(x,y),如图1所示,与p点紧邻的上下左右四个方向的像素点坐标分别标记为p1(x,y-1)、p2(x,y+1)、p3(x-1,y)、p4(x+1,y),与p点紧邻的上下左右四个方向的像素点组成的集合称为p的4邻域,当与p点紧邻的上下左右四个方向的像素点的灰度值与p点的灰度值相等时,此时称那么这些灰度值相等的4邻域区域就是4-邻接连通区域;
将二维图像中的连通分量用不同数值标注出来,再过滤掉面积较小的连通区域即可以完成去噪任务;
所述步骤4.2具体包括:
步骤4.2.1:搜索二维图像的像素点,对属于不同4-邻接连通区域的连通分量用1~n标注出来;
步骤4.2.2:分别计算出各个连通分量的面积并标记S1~Sn;
步骤4.2.3:设定一个连通分量的面积阈值Sc,如果面积小于Sc的连通分量被消除,剩下的面积最大连通分量Smax即为浇注图像。
步骤4.3采用形态学算法去除钢水液柱干扰:
去噪后的浇注图像中液柱是浇注图像上凸起的部分,形态学中的开运算算法可以把比结构元素小的凸起过滤掉,因此选用形态学开运算对图像进一步处理,开运算的实质是对图像先腐蚀、再膨胀;
腐蚀运算是用结构元素B腐蚀A,是B在A上移动,当B完全在A里的时候,B的中心相素位置集合,如公式(2)所示:腐蚀以后比原来的图缩小;
其中,A表示浇铸图像,B表示结构元素,AΘB表示图像形态学运算中的腐蚀运算,x1表示腐蚀运算后构成图像的点的集合;
膨胀运算是用结构元素B膨胀A,是B的映射在A上移动,相交时B的映射的中心相素位置集合,如公式(3)所示,B的映射用表示,且膨胀后比原来的图放大;
其中,x2表示膨胀运算后构成图像的点的集合;表示对浇铸图像A利用结构元素B进行图像形态学运算中的膨胀运算的结果;
对浇注图像进行处理,A表示原始图像,B表示结构元素,C表示原始图像被结构元素B腐蚀后的结果,D表示图像C再被结构元素B膨胀的结果,即图像D为原始图A与结构元素B进行开运算的结果,由图4(a)中可以看出,图像中所有用数字1进行标识的为一个区域,经过开运算后,图4(e)中留下的区域用数字3表示,被开运算过滤掉的区域用数字1表示,表明开运算可以过滤掉图像中的凸起部分,该方法可行。
步骤4.4:将步骤4.1和步骤4.2、4.3处理之后的图像与用4.1、4.2处理后的满液位浇口杯图像计算相关系数,计算出的相关系数值越接近于1,说明两个图像相似度越高,检测出实时的浇口杯中钢水的液位情况,最终使用相关系数匹配法识别出满液位的时刻;利用相关系数的数值判断是否达到满液位标准,最后对浇注停止时刻给出判断;
相关系数匹配算法是通过计算模板图像与待匹配图像的相关系数值来确定图像的匹配程度,具体算法如下;
对于一幅大小为M×N的图像f(i,j),寻找匹配大小为J×K(J≤M且K≤N)的子图w(i,j)的一种方法是计算f(i,j)和w(i,j)间的相关性c(i,j),则有公式(4)所示:
其中,i=0,1,2,…,M-1,j=0,1,2,…,N-1,f(s,t)表示图像f(i,j)在当前坐标(s,t)处的灰度取值,t表示横坐标;s表示纵坐标;
在匹配过程中使用相关系数,其定义γ(i,j)如下公式所示:
其中,其中,i=0,1,2,…,M-1,j=0,1,2,…,N-1,是图像w(i,j)中像素
灰度平均值,是图像f(i,j)中与图像w(i,j)当前所在位置相重合的区域的灰度平均值,总和的值通常由f(i,j)和w(i,j)两者对应的灰度矩阵代入后求得,相关系数γ(i,j)在-1到1之间取值。
步骤5:根据步骤4.3得出的满液位的时刻,给出浇注停止信号,控制浇口杯上方浇包塞杆向下运动,停止钢水注入。
所述图像采集使用的摄像头与图像采集卡均配置有基于VC++开发环境的SDK软件开发包,即摄像头开发商提供图像原始采集的应用程序接口,采集到计算机中的数字图像会以连续的RGB颜色分量存储于计算机的内存单元中,这部分数据可以在VC++的环境中读取到。
本发明图像采集使用的摄像头与图像采集卡均配置有基于VC++开发环境的SDK软件开发包,即摄像头开发商提供图像原始采集的应用程序接口,采集到计算机中的数字图像会以连续的RGB颜色分量存储于计算机的内存单元中,这部分数据可以在VC++的环境中读取到。
本发明作业现场的实时工作情况采集到计算机中,用以工人对现场进行监视,并将步骤4理后的图像显示在屏幕上,用以对比实时浇注过程与计算机处理后的采集图像,提高工人监视控制质量;
本发明利用计算机的接口单元与外围控制电路进行连接,一是接受浇注机推型到位信号,判断浇注启动时刻,二是当图像处理单元识别出满液位时刻后,给出浇注停止信号,控制浇口杯上方浇包塞杆向下运动,停止钢水注入。
上述实施例仅仅是对本发明构思实现形式的列举,本发明的保护范围不仅限于上述实施例,本发明的保护范围可延伸至本领域技术人员依据本发明的技术构思所能想到的等同技术手段。
Claims (4)
1.基于图像检测的自动浇注系统,其特征在于,包括:工作单元、手动控制台(3)、外围控制电路(4)和图像采集处理监视单元;
所述工作单元包括浇包(2)、铸件模具(8)、造型机(9)和塞杆(10);所述造型机(9)用于连续制造所铸零件需要的模具砂型并且可将模具砂型推送到钢水浇包下方,所述铸件模具(8)上设置有浇口杯(11),所述浇包(2)正上方设置有塞杆(10),浇包(2)的底部设置有出液口,出液口在浇注过程开始之前对准其下方铸件模具(8)的浇口杯(11)确保在正上方;所述塞杆(10)的上端与外围控制电路(4)相连接,所述造型机(9)的另一端与计算机(1)连接;
所述手动控制台(3)上设置有开启按钮(12)和停止按钮(13),所述手动控制台(3)的另一端与外围控制电路(4)相连接,所述图像采集处理监视单元包括摄像头(14)和计算机(1),所述计算机(1)上设置有用于采集图像的图像采集板卡、监视器和I/0接口;所述摄像头(14)放置在距离浇包(2)出液口1.5m-3m处,所述摄像头(14)的另一端通过数据线与计算机(1)相连接;所述计算机(1)的另一端与外围控制电路(4)相连接。
2.根据权利要求1所述的基于图像检测的自动浇注系统,其特征在于,所述摄像头(14)的外面设置有保护罩,避免粉尘进入,保证摄像头正常工作。
3.根据权利要求1所述的基于图像检测的自动浇注系统的浇口杯液位识别方法,其特征在于,包括以下几个步骤:
步骤1:造型机将铸件模具推型到位到浇包正下方,通过计算机上的I/0接口上传一个推型到位信号给计算机;
步骤2:计算机收到该信号后,通过I/0接口向外围控制电路发出浇注开始信号,此时浇包塞杆向上运动,浇注开始;
步骤3:浇注开始后,进行图像采集;采用摄像头采集浇注现场实时工作画面,然后将摄像头采集到实时图像通过图像采集卡传输到计算机中,摄像头为模拟摄像头经过图像采集卡后计算机接收到的为数字图像;
步骤4:图像处理;根据步骤1中采集到的数字图像,以RGB彩色数字图像存储于计算机中,并完成以下几个步骤:
步骤4.1:对RGB彩色图像进行灰度化处理;
RGB彩色图像中的每个像素点均是由红、绿、蓝三种颜色分量混合而成,其中R表示红色分量、G表示绿色分量、B表示蓝色分量,每个颜色分量均用8位二进制位存储,各有256级亮度,用数字0~255表示,灰度图像是指图像中像素点的灰度值均由8位二进制位存储,共有0~255级灰度,当RGB图像中每个像素点的R、G、B三个颜色分量值相等时,显示出来的图像样式为灰度图,根据公式(1)将RGB彩色图像转换成灰度图:
Gray=0.299R+0.587G+0.114B (1)
其中,Gray表示灰度值,
通过公式(1)求得Gray后,将原来的RGB(R,G,B)中的R、G、B颜色分量统一用Gray替换,形成新的颜色RGB1(Gray,Gray,Gray),就将RGB图转换为灰度图;
步骤4.2:采用连通区域标注方法去除飞溅小钢水飞溅,即去噪;
在一个二维图像中任取像素点p(x,y),与p点紧邻的上下左右四个方向的像素点坐标分别标记为p1(x,y-1)、p2(x,y+1)、p3(x-l,y)、p4(x+1,y),与p
点紧邻的上下左右四个方向的像素点组成的集合称为p的4邻域,当与p点紧邻的上下左右四个方向的像素点的灰度值与p点的灰度值相等时,此时称这些灰度值相等的4邻域区域就是4-邻接连通区域;
将二维图像中的连通分量用不同数值标注出来,再过滤掉面积较小的连通区域即可以完成去噪任务;
步骤4.3采用形态学算法去除钢水液柱干扰:
去噪后的浇注图像中液柱是浇注图像上凸起的部分,形态学中的开运算算法可以把比结构元素小的凸起过滤掉,因此选用形态学开运算对图像进一步处理,开运算的实质是对图像先腐蚀、再膨胀;
腐蚀运算是用结构元素B腐蚀A,是B在A上移动,当B完全在A里的时候,B的中心相素位置集合,如公式(2)所示:腐蚀以后比原来的图缩小;
<mrow>
<mi>A</mi>
<mi>&Theta;</mi>
<mi>B</mi>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>|</mo>
<msub>
<mrow>
<mo>(</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</msub>
<mo>&SubsetEqual;</mo>
<mi>A</mi>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,A表示浇铸图像,B表示结构元素,AΘB表示图像形态学运算中的腐蚀运算,x1表示腐蚀运算后构成图像的点的集合;
膨胀运算是用结构元素B膨胀A,是B的映射在A上移动,相交时B的映射的中心相素位置集合,如公式(3)所示,B的映射用表示,且膨胀后比原来的图放大;
其中,xz表示膨胀运算后构成图像的点的集合;
表示对浇铸图像A利用结构元素B进行图像形态学运算中的膨胀运算的结果;
对浇注图像进行处理,A表示原始图像,B表示结构元素,C表示原始图像被结构元素B腐蚀后的结果,D表示图像C再被结构元素B膨胀的结果,即图像D为原始图A与结构元素B进行开运算的结果;
步骤4.4:将步骤4.1和步骤4.2、4.3处理之后的图像与用4.1、4.2处理后的满液位浇口杯图像计算相关系数,计算出的相关系数值越接近于1,说明两个图像相似度越高,检测出实时的浇口杯中钢水的液位情况,最终使用相关系数匹配法识别出满液位的时刻;利用相关系数的数值判断是否达到满液位标准,最后对浇注停止时刻给出判断;
相关系数匹配算法是通过计算模板图像与待匹配图像的相关系数值来确定图像的匹配程度,具体算法如下;
对于一幅大小为M×N的图像f(i,j),寻找匹配大小为J×K(J≤M且K≤N)的子图w(i,j)的一种方法是计算f(i,j)和w(i,j)间的相关性c(i,j),则有公式(4)所示:
<mrow>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>s</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>t</mi>
</munder>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>s</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,i=0,1,2,…,M-1,j=0,1,2,…,N-1,f(s,t)表示图像f(i,j)在当前坐标(s,t)处的灰度取值,t表示横坐标;s表示纵坐标;
在匹配过程中使用相关系数,其定义γ(i,j)如下公式所示
其中,其中,i=0,1,2,…,M-1,j=0,1,2,…,N-1,是图像w(i,j)中像素灰度
<mrow>
<mi>&gamma;</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>s</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>t</mi>
</munder>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>s</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>s</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<msup>
<mrow>
<mo>{</mo>
<munder>
<mo>&Sigma;</mo>
<mi>s</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>t</mi>
</munder>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<munder>
<mo>&Sigma;</mo>
<mi>s</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>t</mi>
</munder>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>s</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>s</mi>
<mo>,</mo>
<mi>i</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>}</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
</mfrac>
</mrow>
平均值,是图像f(i,j)中与图像w(i,j)当前所在位置相重合的区域的灰度平均值,总和的值通常由f(i,j)和w(i,j)两者对应的灰度矩阵代入后求得,相关系数γ(i,j)在-1到1之间取值;
步骤5:根据步骤4.3得出的满液位的时刻,给出浇注停止信号,控制浇口杯上方浇包塞杆向下运动,停止钢水注入。
4.根据权利要求3所述的基于图像检测的自动浇注系统的浇口杯液位识别方法,其特征在于,所述步骤4.2具体包括:
步骤4.2.1:搜索二维图像的像素点,对属于不同4-邻接连通区域的连通分量用1~n标注出来;
步骤4.2.2:分别计算出各个连通分量的面积并标记S1~Sn;
步骤4.2.3:设定一个连通分量的面积阈值Sc,如果面积小于Sc的连通分量被消除,剩下的面积最大连通分量Smax即为浇注图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710243562.2A CN107052320A (zh) | 2017-04-12 | 2017-04-12 | 基于图像检测的自动浇注系统及浇口杯液位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710243562.2A CN107052320A (zh) | 2017-04-12 | 2017-04-12 | 基于图像检测的自动浇注系统及浇口杯液位识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107052320A true CN107052320A (zh) | 2017-08-18 |
Family
ID=59601159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710243562.2A Pending CN107052320A (zh) | 2017-04-12 | 2017-04-12 | 基于图像检测的自动浇注系统及浇口杯液位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107052320A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830824A (zh) * | 2018-04-16 | 2018-11-16 | 中北大学 | 输液液面视觉检测报警系统及其检测方法 |
CN111266551A (zh) * | 2020-02-04 | 2020-06-12 | 西安交通大学 | 一种钢平法兰半固态短流程智造系统及其方法 |
CN111801134A (zh) * | 2018-03-30 | 2020-10-20 | 富士胶片株式会社 | 经皮吸收片制造用模具、具有针状凸部的经皮吸收片的制造装置及方法 |
CN113522802A (zh) * | 2021-06-16 | 2021-10-22 | 无锡胜鼎智能科技有限公司 | 一种智能型浇口监测方法及系统 |
CN117636354A (zh) * | 2024-01-25 | 2024-03-01 | 内蒙古鑫元硅材料科技有限公司 | 一种用于硅水浇铸过程中的硅渣智能化识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR880002594A (ko) * | 1986-08-13 | 1988-05-10 | 이와하시 아키라 | 전자펌프식 자동급탕기 |
CN1306095A (zh) * | 1999-10-08 | 2001-08-01 | 贝瑟尔荷姆钢铁公司 | 炼钢中减少炉渣带入的系统和方法 |
US20030123749A1 (en) * | 2002-01-02 | 2003-07-03 | Xerox Corporation | Grayscale image de-speckle algorithm |
JP2005028381A (ja) * | 2003-07-09 | 2005-02-03 | Nippon Steel Corp | 鋳型内湯面レベル検出装置 |
CN101251368A (zh) * | 2008-03-26 | 2008-08-27 | 浙江大学 | 基于图像识别的轮毂安装孔形位参数的检测方法 |
CN102921915A (zh) * | 2012-10-23 | 2013-02-13 | 杭州谱诚泰迪实业有限公司 | 基于钢水表面旋涡图像识别的下渣检测方法及装置 |
CN104384460A (zh) * | 2014-11-11 | 2015-03-04 | 武汉钢铁(集团)公司 | 光谱标样用钢生产工艺及其浇注装置 |
CN104730091A (zh) * | 2015-02-10 | 2015-06-24 | 西安交通大学 | 基于区域分割探测的燃气轮机叶片缺陷提取与分析方法 |
CN105562630A (zh) * | 2016-02-29 | 2016-05-11 | 宝钢工程技术集团有限公司 | 结晶器保护渣熔融状况检测装置和检测方法 |
CN105654495A (zh) * | 2016-01-07 | 2016-06-08 | 太原工业学院 | 汽车刹车盘内部缺陷的检测方法 |
-
2017
- 2017-04-12 CN CN201710243562.2A patent/CN107052320A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR880002594A (ko) * | 1986-08-13 | 1988-05-10 | 이와하시 아키라 | 전자펌프식 자동급탕기 |
CN1306095A (zh) * | 1999-10-08 | 2001-08-01 | 贝瑟尔荷姆钢铁公司 | 炼钢中减少炉渣带入的系统和方法 |
US20030123749A1 (en) * | 2002-01-02 | 2003-07-03 | Xerox Corporation | Grayscale image de-speckle algorithm |
JP2005028381A (ja) * | 2003-07-09 | 2005-02-03 | Nippon Steel Corp | 鋳型内湯面レベル検出装置 |
CN101251368A (zh) * | 2008-03-26 | 2008-08-27 | 浙江大学 | 基于图像识别的轮毂安装孔形位参数的检测方法 |
CN102921915A (zh) * | 2012-10-23 | 2013-02-13 | 杭州谱诚泰迪实业有限公司 | 基于钢水表面旋涡图像识别的下渣检测方法及装置 |
CN104384460A (zh) * | 2014-11-11 | 2015-03-04 | 武汉钢铁(集团)公司 | 光谱标样用钢生产工艺及其浇注装置 |
CN104730091A (zh) * | 2015-02-10 | 2015-06-24 | 西安交通大学 | 基于区域分割探测的燃气轮机叶片缺陷提取与分析方法 |
CN105654495A (zh) * | 2016-01-07 | 2016-06-08 | 太原工业学院 | 汽车刹车盘内部缺陷的检测方法 |
CN105562630A (zh) * | 2016-02-29 | 2016-05-11 | 宝钢工程技术集团有限公司 | 结晶器保护渣熔融状况检测装置和检测方法 |
Non-Patent Citations (1)
Title |
---|
杨慧英: "《百度,https://www.docin.com/p-1448747454.html》", 5 February 2016 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111801134A (zh) * | 2018-03-30 | 2020-10-20 | 富士胶片株式会社 | 经皮吸收片制造用模具、具有针状凸部的经皮吸收片的制造装置及方法 |
CN108830824A (zh) * | 2018-04-16 | 2018-11-16 | 中北大学 | 输液液面视觉检测报警系统及其检测方法 |
CN111266551A (zh) * | 2020-02-04 | 2020-06-12 | 西安交通大学 | 一种钢平法兰半固态短流程智造系统及其方法 |
CN113522802A (zh) * | 2021-06-16 | 2021-10-22 | 无锡胜鼎智能科技有限公司 | 一种智能型浇口监测方法及系统 |
CN117636354A (zh) * | 2024-01-25 | 2024-03-01 | 内蒙古鑫元硅材料科技有限公司 | 一种用于硅水浇铸过程中的硅渣智能化识别方法 |
CN117636354B (zh) * | 2024-01-25 | 2024-04-09 | 内蒙古鑫元硅材料科技有限公司 | 一种用于硅水浇铸过程中的硅渣智能化识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107052320A (zh) | 基于图像检测的自动浇注系统及浇口杯液位识别方法 | |
KR102648199B1 (ko) | 용철 전처리를 위한 고효율 자동 슬래그 스키밍 방법 및 시스템 | |
CN110184401B (zh) | 高炉出渣铁状态在线检测方法 | |
CN104156704A (zh) | 一种新的车牌识别方法及系统 | |
CN105160682B (zh) | 图像边缘检测方法及装置 | |
CN104392213B (zh) | 一种适用于熔炼过程中的图像信息状态识别系统 | |
CN111522294A (zh) | 一种扒渣机的自动控制系统及方法 | |
CN207026465U (zh) | 基于图像检测的自动浇注系统 | |
CN109635799A (zh) | 一种燃气表字轮数字的识别方法 | |
TWI787943B (zh) | 廢料判別系統及廢料判別方法 | |
CN113063474A (zh) | 一种渣液面实时检测方法、装置、设备及存储介质 | |
CN112828275A (zh) | 一种自动扒渣方法、装置及系统 | |
CN116206155A (zh) | 基于YOLOv5网络的废钢分类识别方法 | |
CN114623935A (zh) | 基于红外热成像仪成像数据的钢包准投准停模型应用方法 | |
CN111753597A (zh) | 基于图像识别的喷溅预警系统 | |
CN112296297B (zh) | 一种控制水口堵塞的方法及电子设备 | |
CN116543327A (zh) | 作业人员工种识别的方法、装置、计算机设备及存储介质 | |
CN114559177A (zh) | 基于影像数据分析的焊接评估方法、装置及存储介质 | |
CN113077443A (zh) | 一种基于人工智能的钢包喷溅检测方法及系统 | |
JP2021157725A (ja) | スクラップ等級判定システム、スクラップ等級判定方法、推定装置、学習装置、学習済みモデルの生成方法、及びプログラム | |
CN111050117A (zh) | 一种脱硫铁水除渣效果分析系统及分析方法 | |
KR100705660B1 (ko) | 컬러영상의 위치 추정 방법 및 그 방법에 따른 차량 번호판번호 인식 및 위치추정 장치 | |
CN108067599B (zh) | 基于炼钢连铸全过程数据的板坯质量分析方法 | |
CN117611579B (zh) | 一种钢包内衬在线检测方法及在线检测系统 | |
CN117636354B (zh) | 一种用于硅水浇铸过程中的硅渣智能化识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |
|
RJ01 | Rejection of invention patent application after publication |