CN110992323A - 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 - Google Patents
一种基于图像处理的钢带检测方法、装置及卡钢检测方法 Download PDFInfo
- Publication number
- CN110992323A CN110992323A CN201911173198.2A CN201911173198A CN110992323A CN 110992323 A CN110992323 A CN 110992323A CN 201911173198 A CN201911173198 A CN 201911173198A CN 110992323 A CN110992323 A CN 110992323A
- Authority
- CN
- China
- Prior art keywords
- image
- smooth
- area
- steel strip
- double
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 86
- 239000010959 steel Substances 0.000 title claims abstract description 86
- 238000012545 processing Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000005520 cutting process Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000003708 edge detection Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 8
- 239000002699 waste material Substances 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000009355 double cropping Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000003466 welding Methods 0.000 description 3
- 241000255969 Pieris brassicae Species 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000005097 cold rolling Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Heat Treatment Of Strip Materials And Filament Materials (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理的钢带检测方法,所述检测方法包括:获取双切剪出口处的图像;获得所述图像中的光滑区域;根据所述光滑区域判断是否出现钢带。本发明通过检测出图像中面积足够大的光滑平整区域,从而识别出是否有带钢出现,再结合基础自动化系统中的相关信号,综合判断出双切剪是否发生卡钢故障,并向自动化系统发出报警信号用以完善控制干预策略,实现对故障的自动化,智能化监测,有效提升监测的实时性,稳定性,减少人工判断不及时带来的故障扩大,减少停机时间,减轻操作人员的劳动强度。
Description
技术领域
本发明涉及工业故障检测领域,特别是涉及一种基于图像处理的钢带检测方法、装置及卡钢检测方法。
背景技术
冷轧后处理线入口段主要实现钢卷的准备、开卷和焊接。在焊接前,需要利用双切剪切掉超厚超差的带钢尾部,随后将剪切好的带尾运送至焊机处与下一个钢卷带头进行焊接。该过程中,双切剪有一定概率因为种种因素发生卡钢故障,如果故障不能被及时发现和处理就会导致冷轧中央段停车,严重影响生产且造成经济损失。目前,生产过程已实现全自动化,但双切剪卡钢的监测方式仍然主要为人工观察,基础自动化系统很难做到准确检测。然而人的精力与专注度有限,人工观察的方式存在不稳定性及不及时的情形,为安全生产的保障留下隐患。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于图像处理的钢带检测方法、装置及卡钢检测方法,用于解决现有技术的缺陷。
为实现上述目的及其他相关目的,本发明提供一种基于图像处理的钢带检测方法,所述检测方法包括:
获取双切剪出口处的图像;
获得所述图像中的光滑区域;
根据所述光滑区域判断是否出现钢带。
可选地,该检测方法还包括:
设定感兴趣区域,所述感兴趣区域位于所述双切剪出口处的图像内。
可选地,该检测方法还包括对所述双切剪出口处的图像进行预处理,所述预处理包括灰度化处理。
可选地,获得所述图像中的光滑区域,包括:
对灰度化后的图像进行高斯模糊降噪、边缘检测以及膨胀处理,提取出图像区域内的所有光滑区域。
可选地,根据所述光滑区域判断是否出现钢带,包括:
获取所有光滑区域的面积;
将所有光滑区域的面积与设定的面积阈值进行比较,若存在大于面积阈值的光滑区域,则表示该区域内出现钢带。
为实现上述目的及其他相关目的,本发明提供一种基于图像处理的钢带检测装置,所述检测装置包括:
图像获取模块,用于获取双切剪出口处的图像;
光滑区域获取模块,用于获得所述图像中的光滑区域;
判断模块,用于根据所述光滑区域判断是否出现钢带。
可选地,该检测装置还包括:
区域设定模块,用于设定感兴趣区域,所述感兴趣区域位于所述双切剪出口处的图像内。
可选地,该检测装置还包括:
图像预处理模块,用于对所述双切剪出口处的图像进行预处理,所述预处理包括灰度化处理。
可选地,获得所述图像中的光滑区域,包括:
对灰度化后的图像进行高斯模糊降噪、边缘检测以及膨胀处理,提取出图像区域内的所有光滑区域。
可选地,根据所述光滑区域判断是否出现钢带,包括:
获取所有光滑区域的面积;
将所有光滑区域的面积与设定的面积阈值进行比较,若存在大于面积阈值的光滑区域,则表示该区域内出现钢带。
为实现上述目的及其他相关目的,本发明提供一种基于图像识别的双切剪卡钢检测方法,包括所述的钢带检测方法,还包括判断是否出现卡钢,具体包括:
获取双切剪及相应托辊或设备运行状态;
若在一定时间内,均未在图像中检测到有钢带出现,而双切剪处托辊一直处于运转状态;或,若持续一定时间始终检测到同一块钢带出现在图像中且废料传输带处于正常运转状态,则判断发生卡钢故障。
如上所述,本发明的一种基于图像处理的钢带检测方法、装置及卡钢检测方法,具有以下有益效果:
本发明通过对所采集图像中的感兴趣区域进行图像处理,检测出图像中面积足够大的光滑平整区域,从而识别出是否有带钢出现,再结合基础自动化系统中的相关信号,综合判断出双切剪是否发生卡钢故障,并向自动化系统发出报警信号用以完善控制干预策略,实现对故障的自动化,智能化监测,有效提升监测的实时性,稳定性,减少人工判断不及时带来的故障扩大,减少停机时间,减轻操作人员的劳动强度。
附图说明
图1为本发明一实施例一种基于图像处理的钢带检测方法的流程图;
图2为本发明一实施例中采集的双切剪出口处的原始图像;
图3为本发明一实施例中图像处理边缘检测示意图;
图4为本发明一实施例中正常出钢检测结果示意图;
图5为本发明一实施例中未检测到带钢出现的示意图;
图6为本发明一实施例一种基于图像处理的钢带检测装置的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
如图1所示,一种基于图像处理的钢带检测方法,包括:
S11获取双切剪出口处的图像;
具体地,当钢带被运送进入至双切剪处时,双切剪开始工作且后方升降导板升起,准备进行剪切。此时,通过读取相应的自动化系统信号,触发双切剪出口处的图像采集UFLF。所采集的原始图像如图2所示。
S12获得所述图像中的光滑区域;
S13根据所述光滑区域判断是否出现钢带。
在一实施例中,该检测方法还包括:
设定感兴趣区域,所述感兴趣区域位于所述双切剪出口处的图像内。
本实例中图像处理所关心的主要区域仅为图2所示右下方双切剪出口处的区域,鉴于摄像头与双切剪的相对位置固定,图像稳定,可设置固定位置的感兴趣区域仅囊括需要的部分而去除多余的图像信息。在此实例中,设定的感兴趣区域如图2中方框所示。
在一实施例中,该检测方法还包括对所述双切剪出口处的图像进行预处理,所述预处理包括灰度化处理。
具体地,将感兴趣区域内图像转换为灰度图像,即包含了每个像素数值的二维矩阵,像素取值范围为0至255。
在一实施例中,获得所述图像中的光滑区域,包括:
对灰度化后的图像进行高斯模糊降噪、边缘检测以及膨胀处理,提取出图像区域内的所有光滑区域。
具体地,为了尽量降低噪声影响,将图像进行高斯模糊降噪处理,再利用canny算子进行边缘检测,获得如图3所示结果。该过程中可针对图像的具体情况对canny算子中的阈值进行调优,以获得最优效果的边缘检测结果。
然后,对上述边缘检测的结果进行膨胀处理。在进行膨胀征理后反转黑白区域,获得如图4所示结果。膨胀处理的具体粒度大小也需根据具体图像情况,通过实验获得,以保证能顺利提取出图像中的光滑区域,即图4中的白色部分。
在一实施例中,根据所述光滑区域判断是否出现钢带,包括:
获取所有光滑区域的面积;
将所有光滑区域的面积与设定的面积阈值进行比较,若存在大于面积阈值的光滑区域,则表示该区域内出现钢带。
具体地,提取出上述结果中的所有白色区域,并计算各自面积,设定一个面积阈值然后根据面积阈值排除掉面积较小的结果,即将所有光滑区域的面积与设定的面积阈值进行比较。本实施例中,鉴于在感兴趣区域内,仅有双切剪送出的钢带具有足够大面积的光滑区域,因此,上述方法可识别出图像内是否有钢带出现。若图像处理所获结果如图4所示,有面积足够大的白色区域出现,即表明双切剪中有带钢送出。反之,若图像处理所获结果如图5所示,无法提取出大片白色区域,即表明带钢未送出。
如图6所示,本发明提供一种基于图像处理的钢带检测装置,所述检测装置包括图像获取模块11、光滑区域获取模块12、判断模块13,其中:
所述图像获取模块11用于获取双切剪出口处的图像;
具体地,当钢带被运送进入至双切剪处时,双切剪开始工作且后方升降导板升起,准备进行剪切。此时,通过读取相应的自动化系统信号,触发双切剪出口处的图像采集UFLF。所采集的原始图像如图2所示。
所述光滑区域获取模块12用于获得所述图像中的光滑区域;
所述判断模块13用于根据所述光滑区域判断是否出现钢带。
在一实施例中,该检测装置还包括:
区域设定模块,用于设定感兴趣区域,所述感兴趣区域位于所述双切剪出口处的图像内。
本实例中图像处理所关心的主要区域仅为图2所示右下方双切剪出口处的区域,鉴于摄像头与双切剪的相对位置固定,图像稳定,可设置固定位置的感兴趣区域仅囊括需要的部分而去除多余的图像信息。在此实例中,设定的感兴趣区域如图2中方框所示。
在一实施例中,该检测装置还包括:
图像预处理模块,用于对所述双切剪出口处的图像进行预处理,所述预处理包括灰度化处理。
具体地,将感兴趣区域内图像转换为灰度图像,即包含了每个像素数值的二维矩阵,像素取值范围为0至255。
在一实施例中,获得所述图像中的光滑区域,包括:
对灰度化后的图像进行高斯模糊降噪、边缘检测以及膨胀处理,提取出图像区域内的所有光滑区域。
具体地,为了尽量降低噪声影响,将图像进行高斯模糊降噪处理,再利用canny算子进行边缘检测,获得如图3所示结果。该过程中可针对图像的具体情况对canny算子中的阈值进行调优,以获得最优效果的边缘检测结果。
然后,对上述边缘检测的结果进行膨胀处理。在进行膨胀征理后反转黑白区域,获得如图4所示结果。膨胀处理的具体粒度大小也需根据具体图像情况,通过实验获得,以保证能顺利提取出图像中的光滑区域,即图4中的白色部分。
在一实施例中,根据所述光滑区域判断是否出现钢带,包括:
获取所有光滑区域的面积;
将所有光滑区域的面积与设定的面积阈值进行比较,若存在大于面积阈值的光滑区域,则表示该区域内出现钢带。
具体地,提取出上述结果中的所有白色区域,并计算各自面积,设定一个面积阈值然后根据面积阈值排除掉面积较小的结果,即将所有光滑区域的面积与设定的面积阈值进行比较。本实施例中,鉴于在感兴趣区域内,仅有双切剪送出的钢带具有足够大面积的光滑区域,因此,上述方法可识别出图像内是否有钢带出现。若图像处理所获结果如图4所示,有面积足够大的白色区域出现,即表明双切剪中有带钢送出。反之,若图像处理所获结果如图5所示,无法提取出大片白色区域,即表明带钢未送出。
本实施例还提供一种基于图像识别的双切剪卡钢检测方法,包括所述的钢带检测方法,还包括判断是否出现卡钢,具体包括:
获取双切剪及相应托辊或设备运行状态;
若在一定时间内,均未在图像中检测到有钢带出现,而双切剪处托辊一直处于运转状态;或,若持续一定时间始终检测到同一块钢带出现在图像中且废料传输带处于正常运转状态,则判断发生卡钢故障。
具体地,通过读取自动化系统中的信号,获得双切剪及相应托辊或设备运行状态。若在一定时间内,均未在图像中检测到有钢带出现,而双切剪处托辊一直处于运转状态,或者,若持续一定时间始终检测到同一块钢带出现在图像中且下方废料传输带处于正常运转状态,均可判断可能发生卡钢故障并发出报警。报警信号将反馈回基础自动化系统辅助优化其控制与干预策略。
本实施例还提供一套故障信息的存储与管理系统,包括计算机服务器硬件,以及部署在其上的数据库和管理程序,实现实时监测预警的展示功能以及对故障历史信息的管理与查看。系统以网页界面的形式展现,或嵌套于自动化系统软件之中,方便操作人员查看乃至进行后续的相应处理操作。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器((RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种基于图像处理的钢带检测方法,其特征在于,所述检测方法包括:
获取双切剪出口处的图像;
获得所述图像中的光滑区域;
根据所述光滑区域判断是否出现钢带。
2.根据权利要求1所述的基于图像处理的钢带检测方法,其特征在于,该检测方法还包括:设定感兴趣区域,所述感兴趣区域位于所述双切剪出口处的图像内。
3.根据权利要求1所述的基于图像处理的钢带检测方法,其特征在于,该检测方法还包括对所述双切剪出口处的图像进行预处理,所述预处理包括灰度化处理。
4.根据权利要求3所述的基于图像处理的钢带检测方法,其特征在于,获得所述图像中的光滑区域,包括:
对灰度化后的图像进行高斯模糊降噪、边缘检测以及膨胀处理,提取出图像区域内的所有光滑区域。
5.根据权利要求4所述的基于图像处理的钢带检测方法,其特征在于,根据所述光滑区域判断是否出现钢带,包括:
获取所有光滑区域的面积;
将所有光滑区域的面积与设定的面积阈值进行比较,若存在大于面积阈值的光滑区域,则表示该区域内出现钢带。
6.一种基于图像处理的钢带检测装置,其特征在于,所述检测装置包括:
图像获取模块,用于获取双切剪出口处的图像;
光滑区域获取模块,用于获得所述图像中的光滑区域;
判断模块,用于根据所述光滑区域判断是否出现钢带。
7.根据权利要求6所述的基于图像处理的钢带检测装置,其特征在于,该检测装置还包括:区域设定模块,用于设定感兴趣区域,所述感兴趣区域位于所述双切剪出口处的图像内。
8.根据权利要求1所述的基于图像处理的钢带检测装置,其特征在于,该检测装置还包括:
图像预处理模块,用于对所述双切剪出口处的图像进行预处理,所述预处理包括灰度化处理。
9.根据权利要求3所述的基于图像处理的钢带检测装置,其特征在于,获得所述图像中的光滑区域,包括:
对灰度化后的图像进行高斯模糊降噪、边缘检测以及膨胀处理,提取出图像区域内的所有光滑区域。
10.根据权利要求4所述的基于图像处理的钢带检测装置,其特征在于,根据所述光滑区域判断是否出现钢带,包括:
获取所有光滑区域的面积;
将所有光滑区域的面积与设定的面积阈值进行比较,若存在大于面积阈值的光滑区域,则表示该区域内出现钢带。
11.一种基于图像识别的双切剪卡钢检测方法,其特征在于,包括如权利要求1~5任意一项所述的钢带检测方法,还包括判断是否出现卡钢,具体包括:
获取双切剪及相应托辊或设备运行状态;
若在一定时间内,均未在图像中检测到有钢带出现,而双切剪处托辊一直处于运转状态;或,若持续一定时间始终检测到同一块钢带出现在图像中且废料传输带处于正常运转状态,则判断发生卡钢故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911173198.2A CN110992323B (zh) | 2019-11-26 | 2019-11-26 | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911173198.2A CN110992323B (zh) | 2019-11-26 | 2019-11-26 | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992323A true CN110992323A (zh) | 2020-04-10 |
CN110992323B CN110992323B (zh) | 2023-05-12 |
Family
ID=70086942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911173198.2A Active CN110992323B (zh) | 2019-11-26 | 2019-11-26 | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992323B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681227A (zh) * | 2020-06-09 | 2020-09-18 | 中冶赛迪重庆信息技术有限公司 | 一种飞剪机器异常的判断方法、系统、电子设备及介质 |
CN111735620A (zh) * | 2020-07-03 | 2020-10-02 | 涵古观智能科技(苏州)有限公司 | 一种钢带剪切状态的检测方法、装置、及设备 |
CN112733824A (zh) * | 2021-04-06 | 2021-04-30 | 中国电力科学研究院有限公司 | 基于视频图像智能前端的变电设备缺陷诊断方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104227506A (zh) * | 2013-06-20 | 2014-12-24 | 宝山钢铁股份有限公司 | 一种焊机双切剪间隙测量装置及方法 |
CN109954854A (zh) * | 2019-04-10 | 2019-07-02 | 中冶赛迪工程技术股份有限公司 | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 |
CN110111303A (zh) * | 2019-04-04 | 2019-08-09 | 上海大学 | 一种基于动态图像的大型运载皮带撕裂故障智能检测方法 |
-
2019
- 2019-11-26 CN CN201911173198.2A patent/CN110992323B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104227506A (zh) * | 2013-06-20 | 2014-12-24 | 宝山钢铁股份有限公司 | 一种焊机双切剪间隙测量装置及方法 |
CN110111303A (zh) * | 2019-04-04 | 2019-08-09 | 上海大学 | 一种基于动态图像的大型运载皮带撕裂故障智能检测方法 |
CN109954854A (zh) * | 2019-04-10 | 2019-07-02 | 中冶赛迪工程技术股份有限公司 | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 |
Non-Patent Citations (10)
Title |
---|
SHENGQI GUAN: "Strip Steel Defect Detection Based on Saliency Map Construction Using Gaussian Pyramid Decomposition", 《ISIJ INTERNATIONAL》 * |
傅新等: "热轧带钢头尾图像识别及剪切优化系统", 《仪器仪表学报》 * |
崔风平等: "《中厚板生产与质量控制》", 31 October 2008, 冶金工业出版社 * |
徐乐博等: "浅析带钢位置检测系统在实际生产中的应用", 《冶金设备》 * |
杜显彬;韩蕾蕾;: "热轧355 MPa高耐候H型钢卡钢原因分析", 山东冶金 * |
杨薇等: "冷轧机组厚度控制实现方式分析及应用", 《冶金自动化》 * |
王立公: "热轧带钢头尾形状自动识别及最佳剪切系统", 《鞍钢技术》 * |
白振华等: "冷轧带钢切边过程中缺陷形成机理及其影响因素研究", 《燕山大学学报》 * |
陈建华等: "激光焊机在热轧卷连退线上的应用", 《甘肃科技》 * |
颜云辉等: "基于阈值法的带钢表面缺陷图像脉冲噪声去除", 《东北大学学报(自然科学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681227A (zh) * | 2020-06-09 | 2020-09-18 | 中冶赛迪重庆信息技术有限公司 | 一种飞剪机器异常的判断方法、系统、电子设备及介质 |
CN111681227B (zh) * | 2020-06-09 | 2023-03-14 | 中冶赛迪信息技术(重庆)有限公司 | 一种飞剪机器异常的判断方法、系统、电子设备及介质 |
CN111735620A (zh) * | 2020-07-03 | 2020-10-02 | 涵古观智能科技(苏州)有限公司 | 一种钢带剪切状态的检测方法、装置、及设备 |
CN112733824A (zh) * | 2021-04-06 | 2021-04-30 | 中国电力科学研究院有限公司 | 基于视频图像智能前端的变电设备缺陷诊断方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110992323B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992323B (zh) | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 | |
CN104535356B (zh) | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 | |
CN109635823B (zh) | 用于识别卷扬乱绳的方法和装置及工程机械 | |
CN108579094B (zh) | 一种用户界面检测方法及相关装置、系统和存储介质 | |
CN115684174A (zh) | 一种农产品运输传送带安全运行监测方法 | |
CN115953373B (zh) | 玻璃缺陷检测方法、装置、电子设备及存储介质 | |
CN113822385B (zh) | 基于图像的输煤异常监测方法、装置、设备及存储介质 | |
CN111311670B (zh) | 一种基于图像识别的冷床冲顶识别方法、系统及设备 | |
CN111398292A (zh) | 一种基于gabor滤波和CNN的布匹瑕疵检测方法、系统及设备 | |
CN114140684A (zh) | 堵煤漏煤检测方法、装置、设备及存储介质 | |
CN111681227B (zh) | 一种飞剪机器异常的判断方法、系统、电子设备及介质 | |
CN113780235A (zh) | 图标瑕疵检测方法及系统 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN117372377A (zh) | 一种单晶硅棱线的断线检测方法、装置及电子设备 | |
CN111659633A (zh) | 工装产品分类系统、方法 | |
CN114549406B (zh) | 热轧线的管理方法、装置及系统、计算设备和存储介质 | |
CN112447027A (zh) | 状态检测方法、装置、计算机装置及可读存储介质 | |
CN115049641A (zh) | 一种用于机械零件异常检测的电数据处理方法及系统 | |
CN115393308A (zh) | 带钢表面划伤缺陷的检测方法、装置、介质及电子设备 | |
CN111445441B (zh) | 一种带钢头部缺陷处理方法及装置 | |
CN113643233B (zh) | 油性涂层检测方法、系统及设备、计算机可读存储介质 | |
CN112381803B (zh) | 一种基于机器视觉的铁水溢出检测方法和开口机系统 | |
CN116502957B (zh) | 产品生产质量监控方法、系统和可读存储介质 | |
CN117173185B (zh) | 轧制板材的区域检测方法及装置、存储介质、计算机设备 | |
CN117197067B (zh) | 线束芯线数量的视觉检测方法、装置、设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: Building 1, No. 11, Huijin Road, North New District, Yubei District, Chongqing Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |