CN109308707B - 铝锭厚度非接触式在线测量方法 - Google Patents

Abstract

本发明公开了一种铝锭厚度非接触式在线测量方法，该方法首先先对铝锭模具进行建模简化，构建一个模具宽度和厚度的函数关系，从而将水平方向上难以测量的厚度转化为容易测量的宽度，宽度信息由摄像头拍摄图像进行采集；再将所拍摄的铝锭图像的RGB色彩模型转换成HSV色彩模型，依据HSV色彩模型中的S信息进行分割提取颜色候选区域；然后将原彩色图像转化成归一化的灰度图像，并对归一化图像进行预处理及灰度形态学操作之后用Hough变换检测铝锭宽度；最后，根据铝锭宽度和铝锭厚度之间的函数关系，完成对铝锭厚度的测量。本发明选择HSV色彩空间可以更加快速稳定地识别出铝锭的宽度进而实现对铝锭厚度的非接触测量。

Description

铝锭厚度非接触式在线测量方法

技术领域

本发明的技术方案涉及金属热加工领域，特别是一种铝锭厚 度非接触式在线测量方法。

背景技术

在铝锭制造过程中对于铝锭的厚度要求较高，一旦出现过厚 或过薄的情况都会导致铝锭形态发生变化，最终会导致铝锭直接 报废，不能使用。因此，在铝锭制造过程中对铝锭的厚度进行实 时测量就具有了十分重要的现实意义。由于铝锭在铸造过程中温 度较高，以及设备实际情况所限制导致无法直接进行测量，因此 目前比较常见的控制铝锭厚度的方法还是通过工人在刮渣的同 时对铝锭厚度进行判断，然后进行人工调节，这样的做法会存在 一定的滞后性，同时人工调节的准确性也值得商榷，这样的调节 不仅影响效率而且会使废品率提高。

目前的一种改进方式是通过激光发射法进行厚度调节，这种 方法是在铝液上方架设一个激光测距仪，将激光测距仪的数据提 供给PLC从而进行自动控制。这种方法的好处在于整个厚度控制 过程全部自动完成，减少了人为误差的出现，并且控制的精确性 相对于人工控制来说有了很大的提高，废品率也显著得到了下降。 但这种厚度控制方法同样存在着局限性：由于激光测距仪的测距 平面为铝锭表面，此时的铝锭还为熔融状态，表面热辐射很强， 会辐射出红外线影响激光测距仪的准确度，与此同时，由于铸造 过程中模具在运动，这个运动并不是平滑的运动，会导致熔融状 态的铝液会发生晃动，此时的铝液表面并不能准确体现出最终铝 锭的真实厚度，因此会产生不可避免的误差。结合这些问题，迫 切需要找到一种测厚方法能解决上述问题，而目前关于铝锭测厚 方面相关研究较少。

发明内容

本发明的目的是为了解决上述问题，设计了一种铝锭厚度非 接触式在线测量方法。

实现上述目的本发明的技术方案为，一种铝锭厚度非接触式 在线测量方法，该方法包括如下步骤：

第一步：对铝锭模具进行建模，找到铝锭厚度和铝液上表 面宽度之间的数学关系，方便后续将铝锭宽度转化为厚度信息；

第二步：拍摄铝锭现场的图片并对原始图像进行裁剪，将 不需要的部分裁掉以减少需要运算的数据量，增加处理速度；

第三步：对比裁剪后图像在不同颜色模型下的图像，在RGB、 HSV、YCbCr、NTSC颜色模型中进行比较，优选可以更好的突出 所需测厚部分的颜色模型，将裁剪后的图像转换为该颜色模型进 行后续处理；

第四步：将组成上述颜色模型的H分量、S分量和V分量 三个分量分离，并分别显示进行比较，确定将所需测厚部分的铝 锭明显地与环境背景区分开来的分量，保留该分量的图像进行后 续处理；

第五步：需要将保留后的上述分量的图像继续进行处理， 先通过分析图5所示的灰度直方图将无关信息去除，即只保留灰 度范围在[0，0.1]的部分，并将最后得出的图像进行二值化处理 使得图像灰度分布更加均衡；

第六步：由于只需要测量铝锭边缘的宽度，因此通过边缘 检测将铝锭中心部分去除，利用Prewitt边缘算子进行铝锭的 边缘提取，提取出的边缘部分由于并不是连续线段，通过对图像 进行闭和运算使线段连续，形成一个铝锭边缘的轮廓；

第七步：最终利用Hough变换检测直线将所需测量的铝锭 边缘具化成为线段信息，并通过计算这些线段之间的距离来得到 铝锭在拍摄图像中的像素宽度，通过实际宽度与图像中像素宽度 的比例即可得到铝锭的实际宽度，利用之前得到的宽度与厚度的 关系式即可得到铝锭的实际厚度，从而完成铝锭厚度的非接触测 量。

步骤一中所述铝锭厚度和铝液上表面宽度之间的数学关系 是通过实际测量模具并建模后找到对应关系。

步骤三中所述的颜色模型优选为HSV颜色模型。

步骤四中所述的确定将所需测厚部分的铝锭明显地与环境 背景区分开来的分量为S分量。

利用本发明的公开的一种铝锭厚度非接触式在线测量方法， 其有益效果如下：

(1)通过Hough变换检测直线的原理，利用软件将实际拍摄 图像中的铝锭宽度进行优化与检测，在一定的理论基础上通过实 验进行验证，得到仿真结果与实际结果的误差在可承受范围内， 提供一种能够节省人力、物力的方法来改进现有测厚方法，该方 法在测厚精度和自动化程度上远超人工控制；

(2)相比较改进后的激光发射法测厚来说，本发明在对环境 的要求上并不严苛，可以适用于多种复杂环境，同时在测厚精度 上有了极大提高，对于金属液体表面的热辐射也有了很好的抗性；

(3)在算法方面，将对于测厚无用的信息全部剔除，提高了 测厚运算的速度，可以满足更多的工程实际需要，避免因为测厚 时间过长影响后续的生产步骤。同时该方法并不仅限于铝锭的测 厚，对于其他金属锭的加工均可以使用该方法，只需要对相应的 工程实际建立不同的模具数学模型并对算法进行不同程度的优 化即可。

附图说明

图1为本发明的方法流程图；

图2为工业摄像机拍摄图像；

图3为RGB、HSV、YCbCr、NTSC颜色模型对比图；

图4为HSV颜色模型各分量图；

图5为S分量的灰度直方图；

图6为线性变换后的图像；

图7为Prewitt算子边缘检测后的图像；

图8为图像形态学运算后的图像；

图9为Hough变换检测直线后的图像；

图10为铝锭宽厚曲线拟合；

图11是铝锭宽度厚度测量结果表。

具体实施方式

下面结合附图对本发明的方法进行具体描述。

下面将进行具体实施步骤的详细阐述。

第一步：对铝锭模具进行建模，找到铝锭厚度和铝液上表 面宽度之间的数学关系，方便后续将铝锭宽度转化为厚度信息。 这一步需要实际测量模具并建模后找到对应关系；

第二步：拍摄铝锭现场的图片并对原始图像进行裁剪，将 不需要的部分裁掉以减少需要运算的数据量，以此来增加处理速 度；

第三步：对比裁剪后图像在不同颜色模型下的图像，如图 3所示，可以看出在RGB、HSV、YCbCr、NTSC颜色模型中进行比 较，HSV颜色模型可以更好的突出所需测厚的部分，因此将裁剪 后的图像转换为HSV颜色模型进行后续处理；

第四步：将组成HSV颜色模型的三个分量分离(H分量、S 分量、V分量)并分别显示进行比较，如图4所示，可以明显看 出S分量将所需测厚部分的铝锭明显地与环境背景区分开来，因 此保留S分量的图像进行后续处理；

第五步：需要将保留后的S分量的图像继续进行处理，先通 过分析图5所示的灰度直方图将无关信息去除，即只保留灰度范 围在[0，0.1]的部分，并将最后得出的图像进行二值化处理使得 图像灰度分布更加均衡。通过这一过程简化了系统的步骤，减少 了算法运行的时间，提高了系统的效率。

第六步：由于只需要测量铝锭边缘的宽度，因此通过边缘检 测将铝锭中心部分去除。本发明利用Prewitt边缘算子进行铝 锭的边缘提取，提取出的边缘部分由于并不是连续线段，因此通 过对图像进行闭和运算使线段连续，形成一个铝锭边缘的轮廓。

第七步：最终利用Hough变换检测直线将所需测量的铝锭边 缘具化成为线段信息，并通过计算这些线段之间的距离来得到铝 锭在拍摄图像中的像素宽度，通过实际宽度与图像中像素宽度的 比例即可得到铝锭的实际宽度，利用之前得到的宽度与厚度的关 系式即可得到铝锭的实际厚度，从而完成铝锭厚度的非接触测量。

本发明方法的特点是：该方法首先对铝锭模具进行建模简化， 构建一个模具宽度和厚度的函数关系，从而将水平方向上难以测 量的厚度转化为容易测量的宽度，宽度信息由摄像头拍摄图像进 行采集；再将所拍摄的铝锭图像的RGB色彩模型转换成HSV色彩 模型，依据HSV色彩模型中的S信息进行分割提取颜色候选区域； 然后将原彩色图像转化成归一化的灰度图像，并对归一化图像进 行预处理及灰度形态学操作之后用Hough变换检测铝锭宽度； 最后，根据铝锭宽度和铝锭厚度之间的函数关系，完成对铝锭厚 度的测量。本发明选择HSV色彩空间有效避免了RGB色彩模型 易受工厂内部复杂光照变化的影响；经过图像预处理及灰度形 态学操作极大地缩短了图像未处理之前Hough变换检测形状所 需要的时间，从而可以更加快速稳定地识别出铝锭的宽度进而实 现对铝锭厚度的非接触测量。

本发明解决现有的铝锭测厚的问题是采取以下技术方案实 现的：

首先对铝锭铸造模具进行测量，找到宽度和厚度的函数关系， 实际测量数据如表1所示，曲线拟合如图10所示；

然后通过工业摄像机对铝锭宽度进行拍摄从而取样，拍摄图 像如图2所示。

接着对所拍摄的图像首先进行图像预处理方便进行后续步 骤的进行

图像预处理包含以下几部分：

首先对图像进行旋转和裁剪，突出细节的同时可以加快处理 速度，这里根据实际需求可自行确定裁剪范围；

然后将分别用RGB、HSV、YCbCr、NTSC颜色模型对图像进行 转换，转换后的各个色彩模型如图3所示，可以看出HSV颜色模 型能够更加突出需要测量的部分，并且背景环境形成了较为强烈 的反差，可以在利于后续图像处理的同时使处理更加迅速；

但是由于HSV颜色模型还是保留了很多的无用信息，并不能 很容易的将所测量部分很好的区分出来，因此需要通过图像分割 将转换颜色模型后的铝锭信息提取出来，HSV颜色模型的三个分 量H分量、S分量、V分量如图4所示，不难看出S分量将我们 所需的铝锭全部呈现为黑色，无关部分呈现为灰白色；

通过分析S分量的灰度直方图(如图5)，不难得出灰度范 围在[0，0.1]为我们需要的部分，因此可以通过对图像进行线性 变换，保留有用信息。需要将f(x,y)中灰度范围为[0，0.1]部分 的图像保留，其余部分全部输出为0。

线性变换公式如下：

式中x、y分别为像素的横纵坐标，f(x,y)为图像变换前的 灰度范围，g(x,y)为图像变换的后灰度范围。

线性变换后的图像如图6所示。

由于对原图像进行了颜色模型转换并提取了其中一个分量， 此时处理后的图像的灰度分布十分分散，十分不利于后续的图像 处理，因此对预处理后的图像进行二值化处理，使图像的灰度分 布更加均衡。通过这一过程简化了系统的步骤，减少了算法运行 的时间，提高了系统的效率。

本发明利用Prewitt边缘算子进行铝锭的边缘提取，因为 Prewitt算子是一种边缘样板算子，利用像素点上下左右邻点 灰度差，在边缘处达到极值检测边缘，对噪声较多的图像有抑制 噪声的作用。由于边缘点像素的灰度值与其邻域点像素的灰度值 有显著的不同，在实际应用中通常采用微分算子和模板匹配的方 法检测图像的边缘。经Prewitt算子边缘检测后的图像如图7 所示。

对边缘图像进行下一步处理，采用图像形态学中的闭合运算。 闭合运算是先膨胀后腐蚀。闭合运算能够删除不包含结构元素的 对象区域，可以对对象的轮廓进行平滑，将窄的连接线部分剪短， 删掉细小的、突出部分，并填充图像物体内部细小孔洞、连接邻 近的物体，同时不显著的改变原图像的面积和形状。对于本发明 需要检测的铝锭宽度来说，图像水平方向的分量便属于无用信息， 因此可以通过腐蚀运算对水平方向的分量进行缩减，这样有利于 提高图像处理的速度。同时由于边缘检测后的竖直方向的分量并 不十分连续，对后续的直线检测十分不利，因此可以通过膨胀运 算使相互独立的断续线段重新连通在一起。经过多次试验后发现， 在边缘图像经过一次开运算后再经过一次膨胀运算后，如图8 所示，得到的图像更利于后续的直线检测。

最后，将边缘检测后的图像经过Hough变换检测直线可以得 到最终需要测量的直线，即图9中的黑色线段。利用比例尺可以 将图像中直线间距离转换为相应的实际距离(即铝锭的实际宽 度)，再根据建模分析得到的宽度与厚度的函数关系即可以得到 铝锭的厚度，从而实现非接触的铝锭厚度的测量。

上述技术方案仅体现了本发明技术方案的优选技术方案，本 技术领域的技术人员对其中某些部分所可能做出的一些变动均 体现了本发明的原理，属于本发明的保护范围之内。

Claims (4)

1.一种铝锭厚度非接触式在线测量方法，其特征在于，该方法包括如下步骤：

第一步：对铝锭模具进行建模，找到铝锭厚度和铝液上表面宽度之间的数学关系，方便后续将铝锭宽度转化为厚度信息；

第二步：拍摄铝锭现场的图片并对原始图像进行裁剪，将不需要的部分裁掉以减少需要运算的数据量，增加处理速度；

第三步：对比裁剪后图像在不同颜色模型下的图像，在RGB、HSV、YCbCr、NTSC颜色模型中进行比较，选择更好的可以更好的突出所需测厚部分的颜色模型，将裁剪后的图像转换为该颜色模型进行后续处理；

第四步：将组成上述颜色模型的H分量、S分量和V分量三个分量分离，并分别显示进行比较，确定将所需测厚部分的铝锭明显地与环境背景区分开来的分量，保留该分量的图像进行后续处理；

第五步：需要将保留后的上述分量的图像继续进行处理，先通过分析灰度直方图将无关信息去除，只保留灰度范围在[0，0.1]的部分，并将最后得出的图像进行二值化处理使得图像灰度分布更加均衡；

第六步：由于只需要测量铝锭边缘的宽度，因此通过边缘检测将铝锭中心部分去除，利用Prewitt边缘算子进行铝锭的边缘提取，提取出的边缘部分由于并不是连续线段，通过对图像进行闭和运算使线段连续，形成一个铝锭边缘的轮廓；

第七步：最终利用Hough变换检测直线将所需测量的铝锭边缘具化成为线段信息，并通过计算这些线段之间的距离来得到铝锭在拍摄图像中的像素宽度，通过实际宽度与图像中像素宽度的比例即可得到铝锭的实际宽度，利用之前得到的宽度与厚度的关系式即可得到铝锭的实际厚度，从而完成铝锭厚度的非接触测量。

2.根据权利要求1中所述的一种铝锭厚度非接触式在线测量方法，其特征在于，步骤一中所述铝锭厚度和铝液上表面宽度之间的数学关系是通过实际测量模具并建模后找到对应关系。

3.根据权利要求1中所述的一种铝锭厚度非接触式在线测量方法，其特征在于，步骤三中所述的颜色模型为HSV颜色模型。

4.根据权利要求1中所述的一种铝锭厚度非接触式在线测量方法，其特征在于，步骤四中所述的确定将所需测厚部分的铝锭明显地与环境背景区分开来的分量为S分量。

Images