CN107084677A - 一种基于机器视觉的热处理钢带变形检测方法及装置 - Google Patents
一种基于机器视觉的热处理钢带变形检测方法及装置 Download PDFInfo
- Publication number
- CN107084677A CN107084677A CN201610085913.7A CN201610085913A CN107084677A CN 107084677 A CN107084677 A CN 107084677A CN 201610085913 A CN201610085913 A CN 201610085913A CN 107084677 A CN107084677 A CN 107084677A
- Authority
- CN
- China
- Prior art keywords
- steel band
- mrow
- aligning
- video camera
- image
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的热处理钢带变形检测方法及装置，前置摄像机和后置摄像机分别获取钢带在矫直前和矫直后的图像信息然后将信息传输到处理器处理，处理器将图像信息进行对比分析得出矫直结果，将矫直结果汇报到矫直机，矫直机根据矫直结果自动调整矫直工艺参数。本发明产生的有益效果是，本发明基于机器视觉的热处理钢带变形检测方法及装置，通过采用非接触式检测手段，高效率、高精度、实时地自动完成热处理后的钢带变形的检测。
Description
技术领域
本发明属于机器视觉和图像测量技术领域，尤其涉及一种基于机器视觉的热处理钢带变形检测方法及装置。
背景技术
钢带是各类轧钢企业为了适应不同工业部门工业化生产各类金属或机械产品的需要而生产的一种窄而长的钢板。在以钢带为基体生产带锯的过程中需要对钢带进行相应的热处理。生产实践表明热处理后的钢带在尺寸和形状上与实际要求有一定的误差。这些尺寸和形状误差如果不进行检测及矫正将会影响产品的整体性能。因此检测环节对带锯的生产来说非常必要。传统的检测手段己经不能满足生产的需要，卡尺、量规等检测手段虽然简便，但在特定的设备、特定的环境下进行检测，不但劳动强度大，效率低，数据较少，精度不高而且检测过程同生产过程是分离的，这与现代工业所要求的在线检测、实时控制的要求不符。
发明内容
本发明针对现有技术中的问题，提供一种基于机器视觉的热处理钢带变形检测方法及装置，通过采用非接触式检测手段，高效率、高精度、实时地自动完成热处理后的钢带变形的检测。
本发明解决其技术问题所采用的技术方案是：首先提供一种基于机器视觉的热处理钢带变形检测方法，该方法包括以下步骤，步骤一，钢带通过矫直机进行矫直的过程中，在钢带通过矫直机之前和之后的位置处分别设置前置摄像机和后置摄像机，前置摄像机、后置摄像机设置在钢带的正上方，以俯视角度向下拍摄钢带的上表面的图像，矫直机中固定平直挡板，平直挡板沿钢带的前进方向设置；步骤二，根据待检测的热处理后钢带尺寸的不同，调整前置摄像机、后置摄像机、矫直机的安装位置，计算前置摄像机和后置摄像机针对钢带的放大比例系数，使放大比例系数能满足此时的检测精度要求；步骤三，前置摄像机对钢带上表面拍摄，得到矫直前图像，后置摄像机对钢带上表面拍摄，得到矫直后图像，对矫直前图像、矫直后图像分别进行图像预处理，得到封闭且连续的矫直前钢带边缘轮廓二维曲线、矫直后钢带边缘轮廓二维曲线；步骤四，将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，将该数据传输到矫直机；将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度，并将矫直后的检测数据传输到矫直机，矫直机根据矫直前后数据自动调整矫直工艺参数，判断矫直后的检测数据是否在标准允许范围内，如果超出标准允许范围，则发出报警。
按上述技术方案，所述步骤三中，对矫直前图像、矫直后图像分别进行图像预处理，具体包括对对矫直前图像、矫直后图像分别进行灰度化、中值滤波、自适应二值化、Canny算子边缘检测、多次图像膨胀及腐蚀、提取图像轮廓处理。
按上述技术方案，所述步骤四中，在将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段之前，在保证这m段在前置摄像机和后置摄像机安装高度不变的情况下(此时摄像机拍摄的视野范围不变)每段都能达到检测精度，调整前置摄像机、后置摄像机的分辨率。
按上述技术方案，所述步骤四中，将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段(将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，与将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段的方法相同)，具体为，首先建立坐标系，将坐标原点o0取在平直挡板线L0上，取过原点o0沿钢带前进方向为x轴，取过原点o0垂直平直挡板线L0，即垂直于钢带方向为y轴；在矫直前钢带边缘轮廓二维曲线中，将沿着钢带前进方向的一条边缘曲线S1、沿着钢带前进方向的另一条边缘曲线S2都均分为m段：
S1＝S11+S12+…+S1k+…+S1m；
S2＝S21+S22+…+S2k+…+S2m，其中k＝1、2、3…m；
将m段边缘曲线S1(S2)都存储在相应的二维矩阵序列中，其中k＝1、2、3…m，则每段长度为n个像素单位，S1和S2的边缘曲线总长度均为n*m个像素单位，n为整数,
其中元素值I1(x,y)代表S1上的边缘点的像素值，(x,y)代表S1上的边缘点的坐标，I2(x,γ)代表S2上的边缘点的像素值，(x,γ)代表S2上的边缘点的坐标。
按上述技术方案，所述步骤四中，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度，具体包括，首先计算矫直前钢带边缘轮廓二维曲线每段的变形量、偏移量和矫直后钢带边缘轮廓二维曲线每段的变形量(和矫直前计算的变形量方法一致)，方法如下：
第一步，找出里的y的最小值和最大值找出里的γ的最小值和最大值其中k＝1、2、3…m；
第二步，分别做一条经过点，平行于平直挡板，长度为n个像素单位的线段Lk1，Lk2；
分别做一条经过点，平行于平直挡板，长度为n个像素单位的线段Lk3，Lk4；
第三步，求出由S1上的曲线段S1k，直线x＝(k-1)(n-1)、x＝k(n-1)及x轴所围成的曲边梯形的面积Ak，计算出S1上的曲线S1k的近似上边Y1k，
Y1k＝Ak/n；
第四步，求出由S2上的曲线段S2k，直线x＝(k-1)(n-1)、x＝k(n-1)及x轴所围成的曲边梯形的面积Bk，计算出S2上的曲线S2k的近似下边Y2k，
Y2k＝Bk/n；
第五步，求出钢带偏移量hk，
hk＝Y2k-H标，H标为钢带的标准宽度；
第六步，求出钢带变形量Δk，
Δk＝Y2k-Y1k-H标；
再计算矫直后钢带边缘轮廓二维曲线的边缘曲线S1k(S2k)一段的直线度Z1k(Z2k)即：
Z1k(Z2k)＝ymax-ymin。
本发明还提供一种基于机器视觉的热处理钢带变形检测装置，该装置包括矫直机、处理器、前置摄像机、后置摄像机、平直挡板，在钢带通过矫直机之前和之后的位置处分别设置前置摄像机和后置摄像机，前置摄像机、后置摄像机设置在钢带的正上方，以俯视角度向下拍摄钢带的上表面的图像，矫直机中固定平直挡板，平直挡板沿钢带的前进方向设置，矫直机、前置摄像机、后置摄像机分别与处理器连接，处理器用于处理前置摄像机、后置摄像机所拍摄的钢带上表面的图像；前置摄像机对钢带上表面拍摄，得到矫直前图像，后置摄像机对钢带上表面拍摄，得到矫直后图像；处理器对矫直前图像、矫直后图像分别进行图像预处理，具体包括对对矫直前图像、矫直后图像分别进行灰度化、中值滤波、自适应二值化、Canny算子边缘检测、多次图像膨胀及腐蚀、提取图像轮廓处理。得到封闭且连续的矫直前钢带边缘轮廓二维曲线、矫直后钢带边缘轮廓二维曲线；处理器依据本发明提供的热处理后钢带检测方法提供的算法将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度并将矫直前后的检测数据传输到矫直机，矫直机根据这些数据自动调整矫直工艺参数，处理器还会判断矫直后的检测数据是否在标准允许范围内，如果超出标准允许范围，则发出报警。
按上述技术方案，还包括显示器、打印机，显示器、打印机分别与处理器连接，分别用于显示、打印处理器得到的处理结果。
本发明产生的有益效果是：本发明基于机器视觉的热处理钢带变形检测方法及装置，通过采用非接触式检测手段，高效率、高精度、实时地自动完成热处理后的钢带变形的检测。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例基于机器视觉的热处理钢带变形检测装置的结构示意图；
图2是本发明实施例基于机器视觉的热处理钢带变形检测方法的工作流程图；
图3是本发明实施例基于机器视觉的热处理钢带变形检测方法的拍摄图像处理流程图；
图4是本发明实施例基于机器视觉的热处理钢带变形检测方法的原理示意图；
其中：1-打印机，2-处理器，3-显示器，4-信号线，5-前置摄像机，6-平直挡板，7-钢带，8-矫直机，9-后置摄像机。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明实施例中，首先提供一种基于机器视觉的热处理钢带变形检测方法，该方法包括以下步骤，步骤一，钢带通过矫直机进行矫直的过程中，在钢带通过矫直机之前和之后的位置处分别设置前置摄像机和后置摄像机，前置摄像机、后置摄像机设置在钢带的正上方，以俯视角度向下拍摄钢带的上表面的图像，矫直机中固定平直挡板，平直挡板沿钢带的前进方向设置；步骤二，根据待检测的热处理后钢带尺寸的不同，调整前置摄像机、后置摄像机、矫直机的安装位置，计算前置摄像机和后置摄像机针对钢带的放大比例系数，使放大比例系数能满足此时的检测精度要求；步骤三，前置摄像机对钢带上表面拍摄，得到矫直前图像，后置摄像机对钢带上表面拍摄，得到矫直后图像，对矫直前图像、矫直后图像分别进行图像预处理，得到封闭且连续的矫直前钢带边缘轮廓二维曲线、矫直后钢带边缘轮廓二维曲线；步骤四，将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，将该数据传输到矫直机；将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度，处理器判断其是否在标准允许范围内，如果超出标准允许范围，则发出报警。步骤如图2所示。如图1所示，所述处理器2和打印机1之间,处理器2和前置摄像机5之间,处理器2和矫直机8之间,处理器2和后置摄像机9之间均用信号线4联接。
进一步地，所述步骤三中，对矫直前图像、矫直后图像分别进行图像预处理，具体包括对对矫直前图像、矫直后图像分别进行灰度化、中值滤波、自适应二值化、Canny算子边缘检测、多次图像膨胀及腐蚀、提取图像轮廓处理，如图3所示。
进一步地，所述步骤四中，在将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段之前，在保证这m段在前置摄像机和后置摄像机安装高度不变的情况下(此时摄像机拍摄的视野范围不变)每段都能达到检测精度，调整前置摄像机、后置摄像机的分辨率。
进一步地，所述步骤四中，将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段(将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，与将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段的方法相同)，具体为，首先建立坐标系，如图4所示，将坐标原点o0取在平直挡板线L0上，取过原点o0沿钢带前进方向为x轴，取过原点o0垂直平直挡板线L0，即垂直于钢带方向为y轴；在矫直前钢带边缘轮廓二维曲线中，将沿着钢带前进方向的一条边缘曲线S1、沿着钢带前进方向的另一条边缘曲线S2都均分为m段：
S1＝S11+S12+…+S1k+…+S1m；
S2＝S21+S22+…+S2k+…+S2m，其中k＝1、2、3…m；
将m段边缘曲线S1(S2)都存储在相应的二维矩阵序列中，其中k＝1、2、3…m，则每段长度为n个像素单位，S1和S2的边缘曲线总长度均为n*m个像素单位，n为整数，
其中元素值I1(x,y)代表S1上的边缘点的像素值，(x,y)代表S1上的边缘点的坐标，I2(x,γ)代表S2上的边缘点的像素值，(x,γ)代表S2上的边缘点的坐标。
进一步地，所述步骤四中，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度，具体包括，首先计算矫直前钢带边缘轮廓二维曲线每段的变形量、偏移量和矫直后钢带边缘轮廓二维曲线每段的变形量(和矫直前计算的变形量方法一致)，方法如下：
第一步，找出里的y的最小值和最大值找出里的γ的最小值和最大值其中k＝1、2、3…m；
第二步，分别做一条经过点，平行于平直挡板，长度为n个像素单位的线段Lk1，Lk2；
分别做一条经过点，平行于平直挡板，长度为n个像素单位的线段Lk3，Lk4；
第三步，求出由S1上的曲线段S1k，直线x＝(k-1)(n-1)、x＝k(n-1)及x轴所围成的曲边梯形的面积Ak，计算出S1上的曲线S1k的近似上边Y1k，
Y1k＝Ak/n；
第四步，求出由S2上的曲线段S2k，直线x＝(k-1)(n-1)、x＝k(n-1)及x轴所围成的曲边梯形的面积Bk，计算出S2上的曲线S2k的近似下边Y2k，
Y2k＝Bk/n；
第五步，求出钢带偏移量hk，
hk＝Y2k-H标，H标为钢带的标准宽度；
第六步，求出钢带变形量Δk，
Δk＝Y2k-Y1k-H标；
再计算矫直后钢带边缘轮廓二维曲线的边缘曲线S1k(S2k)一段的直线度Z1k(Z2k)即：
Z1k(Z2k)＝ymax-ymin。
本发明实施例还提供一种基于机器视觉的热处理钢带变形检测装置，如图1所示，该装置包括矫直机8、处理器2、前置摄像机5、后置摄像机9、平直挡板6，在钢带7通过矫直机之前和之后的位置处分别设置前置摄像机和后置摄像机，前置摄像机、后置摄像机设置在钢带的正上方，以俯视角度向下拍摄钢带的上表面的图像，矫直机中固定平直挡板，平直挡板沿钢带的前进方向设置，矫直机、前置摄像机、后置摄像机分别与处理器连接，处理器用于处理前置摄像机、后置摄像机所拍摄的钢带上表面的图像；前置摄像机对钢带上表面拍摄，得到矫直前图像，后置摄像机对钢带上表面拍摄，得到矫直后图像；处理器对矫直前图像、矫直后图像分别进行图像预处理，具体包括对对矫直前图像、矫直后图像分别进行灰度化、中值滤波、自适应二值化、Canny算子边缘检测、多次图像膨胀及腐蚀、提取图像轮廓处理。得到封闭且连续的矫直前钢带边缘轮廓二维曲线、矫直后钢带边缘轮廓二维曲线；处理器依据本发明提供的热处理后钢带检测方法提供的算法将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度并将矫直前后的检测数据传输到矫直机，矫直机根据这些数据自动调整矫直工艺参数，处理器还会判断矫直后的检测数据是否在标准允许范围内，如果超出标准允许范围，则发出报警。
进一步地，还包括显示器3、打印机1。显示器、打印机分别与处理器2连接，分别用于显示、打印处理器得到的处理结果。
本发明根据实际钢带热处理后的特点，设计了其变形检测系统，前置摄像机和后置摄像机分别获取钢带在矫直前和矫直后的图像信息然后将信息传输到处理器处理，处理器处理这些图像信息后得出矫直结果，并且将这些图像信息和检测结果实时显示在显示器上，之后将矫直结果汇报到矫直机，矫直机根据矫直结果自动调整矫直工艺参数，处理器还可以将整条钢带矫直后合格的段的数据收集然后用打印机以报表的形式打印出。这样可以得到的这些钢带段的品质。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于机器视觉的热处理钢带变形检测方法，其特征在于，该方法包括以下步骤，步骤一，钢带通过矫直机进行矫直的过程中，在钢带通过矫直机之前和之后的位置处分别设置前置摄像机和后置摄像机，前置摄像机、后置摄像机设置在钢带的正上方，以俯视角度向下拍摄钢带的上表面的图像，矫直机中固定平直挡板，平直挡板沿钢带的前进方向设置；步骤二，根据待检测的热处理后钢带尺寸的不同，调整前置摄像机、后置摄像机、矫直机的安装位置，计算前置摄像机和后置摄像机针对钢带的放大比例系数，使放大比例系数能满足此时的检测精度要求；步骤三，前置摄像机对钢带上表面拍摄，得到矫直前图像，后置摄像机对钢带上表面拍摄，得到矫直后图像，对矫直前图像、矫直后图像分别进行图像预处理，得到封闭且连续的矫直前钢带边缘轮廓二维曲线、矫直后钢带边缘轮廓二维曲线；步骤四，将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，将该数据传输到矫直机；将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度，处理器判断其是否在标准允许范围内，如果超出标准允许范围，则发出报警。
2.根据权利要求1所述的基于机器视觉的热处理钢带变形检测方法，其特征在于，所述步骤三中，对矫直前图像、矫直后图像分别进行图像预处理，具体包括对对矫直前图像、矫直后图像分别进行灰度化、中值滤波、自适应二值化、Canny算子边缘检测、多次图像膨胀及腐蚀、提取图像轮廓处理。
3.根据权利要求1或2所述的基于机器视觉的热处理钢带变形检测方法，其特征在于，所述步骤四中，在将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段之前，在保证这m段在前置摄像机和后置摄像机安装高度不变的情况下每段都能达到检测精度，调整前置摄像机、后置摄像机的分辨率。
4.根据权利要求1或2所述的基于机器视觉的热处理钢带变形检测方法，其特征在于，所述步骤四中，将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，具体为，首先建立坐标系，将坐标原点o0取在平直挡板线L0上，取过原点o0沿钢带前进方向为x轴，取过原点o0垂直平直挡板线L0，即垂直于钢带方向为y轴；在矫直前钢带边缘轮廓二维曲线中，将沿着钢带前进方向的一条边缘曲线S1、沿着钢带前进方向的另一条边缘曲线S2都均分为m段：
S1＝S11+S12+…+S1k+…+S1m；
S2＝S21+S22+…+S2k+…+S2m，其中k＝1、2、3…m；
将m段边缘曲线S1、S2都存储在相应的二维矩阵序列中，其中k＝1、2、3…m，则每段长度为n个像素单位，S1和S2的边缘曲线总长度均为n*m个像素单位，n为整数，
<mrow>
<msubsup>
<mi>A</mi>
<mrow>
<mn>1</mn>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>+</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
<mrow>
<msubsup>
<mi>B</mi>
<mrow>
<mn>1</mn>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>+</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>&gamma;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>&gamma;</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
其中元素值I1(x,y)代表S1上的边缘点的像素值，(x,y)代表S1上的边缘点的坐标，I2(x,γ)代表S2上的边缘点的像素值，(x,γ)代表S2上的边缘点的坐标。
5.根据权利要求4所述的基于机器视觉的热处理钢带变形检测方法，其特征在于，所述步骤四中，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度，具体包括，首先计算矫直前钢带边缘轮廓二维曲线每段的变形量、偏移量和矫直后钢带边缘轮廓二维曲线每段的变形量，方法如下：
第一步，找出里的y的最小值和最大值找出里的γ的最小值和最大值其中k＝1、2、3…m；
第二步，分别做一条经过点，平行于平直挡板，长度为n个像素单位的线段Lk1，Lk2；
分别做一条经过点，平行于平直挡板，长度为n个像素单位的线段Lk3，Lk4；
第三步，求出由S1上的曲线段S1k，直线x＝(k-1)(n-1)、x＝k(n-1)及x轴所围成的曲边梯形的面积Ak，计算出S1上的曲线S1k的近似上边Y1k：
Y1k＝Ak/n；
第四步，求出由S2上的曲线段S2k，直线x＝(k-1)(n-1)、x＝k(n-1)及x轴所围成的曲边梯形的面积Bk，计算出S2上的曲线S2k的近似下边Y2k：
Y2k＝Bk/n；
第五步，求出钢带偏移量hk：
hk＝Y2k-H标，H标为钢带的标准宽度；
第六步，求出钢带变形量Δk：
Δk＝Y2k-Y1k-H标；
再计算矫直后钢带边缘轮廓二维曲线的边缘曲线S1k、S2k一段的直线度Z1k、Z2k即：
Z1k(Z2k)＝ymax-ymin。
6.一种基于机器视觉的热处理钢带变形检测装置，其特征在于，该装置包括矫直机、处理器、前置摄像机、后置摄像机、平直挡板，在钢带通过矫直机之前和之后的位置处分别设置前置摄像机和后置摄像机，前置摄像机、后置摄像机设置在钢带的正上方，矫直机中固定平直挡板，平直挡板沿钢带的前进方向设置，矫直机、前置摄像机、后置摄像机分别与处理器连接，处理器用于处理前置摄像机、后置摄像机所拍摄的钢带上表面的图像；前置摄像机对钢带上表面拍摄，得到矫直前图像，后置摄像机对钢带上表面拍摄，得到矫直后图像，处理器对矫直前图像、矫直后图像分别进行图像预处理，具体包括对对矫直前图像、矫直后图像分别进行灰度化、中值滤波、自适应二值化、Canny算子边缘检测、多次图像膨胀及腐蚀、提取图像轮廓处理，得到封闭且连续的矫直前钢带边缘轮廓二维曲线、矫直后钢带边缘轮廓二维曲线；处理器依据本发明提供的热处理后钢带检测方法提供的算法将矫直前钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直前钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和偏移量，将矫直后钢带边缘轮廓二维曲线沿钢带前进方向均分为m段，对于矫直后钢带边缘轮廓二维曲线的每段边缘曲线，计算该段钢带的变形量和直线度并将矫直前后的检测数据传输到矫直机，矫直机根据这些数据自动调整矫直工艺参数，处理器判断矫直后的检测数据是否在标准允许范围内，如果超出标准允许范围，则发出报警。
7.根据权利要求6所述的基于机器视觉的热处理钢带变形检测装置，其特征在于，还包括显示器、打印机，显示器、打印机分别与处理器连接，分别用于显示、打印处理器得到的处理结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610085913.7A CN107084677B (zh) | 2016-02-15 | 2016-02-15 | 一种基于机器视觉的热处理钢带变形检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610085913.7A CN107084677B (zh) | 2016-02-15 | 2016-02-15 | 一种基于机器视觉的热处理钢带变形检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107084677A true CN107084677A (zh) | 2017-08-22 |
| CN107084677B CN107084677B (zh) | 2019-11-26 |
Family
ID=59614425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610085913.7A Active CN107084677B (zh) | 2016-02-15 | 2016-02-15 | 一种基于机器视觉的热处理钢带变形检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107084677B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112344871A (zh) * | 2020-11-18 | 2021-02-09 | 中冶赛迪工程技术股份有限公司 | 测温取样探头枪的变形检测系统及变形检测方法 |
| CN112556581A (zh) * | 2020-12-04 | 2021-03-26 | 常州市新创智能科技有限公司 | 一种基于机器视觉的碳板检测系统及其检测方法 |
| CN112964201A (zh) * | 2021-02-19 | 2021-06-15 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳板直线度检测方法 |
| CN114543682A (zh) * | 2022-02-24 | 2022-05-27 | 北京工业大学 | 一种压接式igbt功率循环中微动位移测量装置及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0270772A2 (de) * | 1986-12-06 | 1988-06-15 | Hoesch Stahl Aktiengesellschaft | Verfahren und Vorrichtung zur Messung und Regelung des Verformungsgrades |
| CN1900701A (zh) * | 2006-07-19 | 2007-01-24 | 北京科技大学 | 基于激光线光源的热轧带钢表面缺陷在线检测方法和装置 |
| CN101079788A (zh) * | 2006-05-25 | 2007-11-28 | 中国科学院长春光学精密机械与物理研究所 | 基于线阵ccd像机图像处理技术的变形集中测量系统 |
| CN103207185A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 钢卷端部质量检测系统及方法 |
| CN103252358A (zh) * | 2013-05-21 | 2013-08-21 | 东北大学 | 一种宽厚板镰刀弯矫正方法 |
| CN105327950A (zh) * | 2015-11-09 | 2016-02-17 | 北京科技大学 | 考虑厚度变化的热轧中间坯镰刀弯检测装置及检测方法 |
-
2016
- 2016-02-15 CN CN201610085913.7A patent/CN107084677B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0270772A2 (de) * | 1986-12-06 | 1988-06-15 | Hoesch Stahl Aktiengesellschaft | Verfahren und Vorrichtung zur Messung und Regelung des Verformungsgrades |
| CN101079788A (zh) * | 2006-05-25 | 2007-11-28 | 中国科学院长春光学精密机械与物理研究所 | 基于线阵ccd像机图像处理技术的变形集中测量系统 |
| CN1900701A (zh) * | 2006-07-19 | 2007-01-24 | 北京科技大学 | 基于激光线光源的热轧带钢表面缺陷在线检测方法和装置 |
| CN103207185A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 钢卷端部质量检测系统及方法 |
| CN103252358A (zh) * | 2013-05-21 | 2013-08-21 | 东北大学 | 一种宽厚板镰刀弯矫正方法 |
| CN105327950A (zh) * | 2015-11-09 | 2016-02-17 | 北京科技大学 | 考虑厚度变化的热轧中间坯镰刀弯检测装置及检测方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112344871A (zh) * | 2020-11-18 | 2021-02-09 | 中冶赛迪工程技术股份有限公司 | 测温取样探头枪的变形检测系统及变形检测方法 |
| CN112556581A (zh) * | 2020-12-04 | 2021-03-26 | 常州市新创智能科技有限公司 | 一种基于机器视觉的碳板检测系统及其检测方法 |
| CN112556581B (zh) * | 2020-12-04 | 2021-09-10 | 常州市新创智能科技有限公司 | 一种基于机器视觉的碳板检测系统及其检测方法 |
| CN112964201A (zh) * | 2021-02-19 | 2021-06-15 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳板直线度检测方法 |
| CN114543682A (zh) * | 2022-02-24 | 2022-05-27 | 北京工业大学 | 一种压接式igbt功率循环中微动位移测量装置及方法 |
| US11698248B1 (en) | 2022-02-24 | 2023-07-11 | Beijing University Of Technology | Device and method for measuring fretting displacement in power cycle of press-pack IGBT |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107084677B (zh) | 2019-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107084677A (zh) | 一种基于机器视觉的热处理钢带变形检测方法及装置 | |
| CN103954213B (zh) | 一种分析零件的实测图的方法 | |
| CN102829735B (zh) | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 | |
| CN105574845B (zh) | 一种多相机阵列烟标叠层数量测量方法及装置 | |
| CN102428341A (zh) | 受电弓位移测定装置以及滑触线硬点检测方法 | |
| CN103208117A (zh) | 一种多功能智能皮带表面斑块边缘检测方法 | |
| CN104215179B (zh) | 使用激光位移传感器动态测量钢坯宽度的方法 | |
| CN107464240A (zh) | 一种基于模板匹配的带矩形引脚芯片的定位算法 | |
| CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
| CN110263795B (zh) | 一种基于隐式形状模型与图匹配的目标检测方法 | |
| CN106290394A (zh) | 一种cpu散热器铝挤成型缺陷检测系统及检测方法 | |
| CN105083912A (zh) | 一种基于图像识别的输送带跑偏检测方法 | |
| CN102175172B (zh) | 一种基于图像识别的机动车辆外形尺寸检测系统 | |
| CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
| CN114581368B (zh) | 一种基于双目视觉的棒材焊牌方法及装置 | |
| CN103834796B (zh) | 一种在线识别炉内带钢跑偏的方法 | |
| CN116993804B (zh) | 一种基于lsm算法的箍筋尺寸检测方法及系统 | |
| CN106778889A (zh) | 一种基于梯度强度和方向的模板匹配方法 | |
| CN113781422A (zh) | 基于单幅图像几何测量算法的管道施工违章识别方法 | |
| JP2017185507A (ja) | 鋼板圧延方法及び鋼板圧延装置 | |
| CN102529340A (zh) | 一种基于机器视觉的全印张墨量自动检测系统及检测方法 | |
| CN102230975A (zh) | 一种通道式x射线安全检查设备透射图像形变校正方法 | |
| CN109102499B (zh) | 一种动车车顶的检测方法及系统 | |
| JP6895788B2 (ja) | 原料ヤードの原料山形状の計測方法および計測装置 | |
| Yoo et al. | Camber detection algorithm using the image stitching technique in hot-rolling process |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |