CN111521129A - 基于机器视觉的板坯翘曲检测装置及方法 - Google Patents
基于机器视觉的板坯翘曲检测装置及方法 Download PDFInfo
- Publication number
- CN111521129A CN111521129A CN202010313834.3A CN202010313834A CN111521129A CN 111521129 A CN111521129 A CN 111521129A CN 202010313834 A CN202010313834 A CN 202010313834A CN 111521129 A CN111521129 A CN 111521129A
- Authority
- CN
- China
- Prior art keywords
- point
- light source
- points
- camera
- slab
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000002184 metal Substances 0.000 claims abstract description 46
- 238000001816 cooling Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000005096 rolling process Methods 0.000 claims description 19
- 239000000428 dust Substances 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013211 curve analysis Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000009434 installation Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000005272 metallurgy Methods 0.000 abstract description 2
- 229910000831 Steel Inorganic materials 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 101100408454 Arabidopsis thaliana PLC6 gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种基于机器视觉的板坯翘曲检测装置及方法，属于冶金检测技术领域。该装置包括面阵相机、线结构光光源、数据处理服务器、显示器、PLC控制器、光源支架、相机支架、水冷设备和对射式金属检测器，该装置使用线结构光光源将线结构光投射到板坯上表面中部，面阵相机采集板坯上表面的线结构光图像。进而标定光平面方程。采用骨架提取算法获得图像光条中心坐标，再通过坐标转换将图像坐标转换至基准坐标。最终通过图像拼接在基准坐标系中绘制出的板坯翘曲图，并分析和计算板坯头部、尾部的翘曲形式及特征参数。该装置测量精度高、速度快，整体结构简洁，安装维护方便，符合工业实时性的要求。
Description
技术领域
本发明涉及冶金检测技术领域，特别是指一种基于机器视觉的板坯翘曲检测装置及方法。
背景技术
热轧带钢在轧制过程中，受板坯上下表温差、上下辊径差、辊速差以及变形速率等因素的影响，经常会造成轧制过程中，板坯产生翘头或扣头的现象，从而影响板坯质量，严重时会导致废钢、停产整修。板坯翘头，在这种情况下板坯头部会撞击上工作辊，造成上工作辊损坏，并进一步破坏板形。板坯扣头，在这种情况下板坯在重力的作用下会撞击辊道和下工作辊，造成辊道、下工作辊的损坏，并严重破坏板形。因此，为了在评价、控制和改善热轧中间坯长度方向的翘曲情况，必须要建立相应的板坯翘曲检测系统。在过去的热轧生产过程中，板坯翘曲控制主要依靠操作工的观察来控制后续轧制，这大大增加了板坯翘曲控制不确定性，最终导致控制效果不稳定，不能根据各种不同的翘曲状况进行精确的调控。
近年来随着机器视觉技术的高速发展，机器视觉在各种工业领域的引用也愈加广泛，并且在视觉检测方面也非常突出，例如利用线结构光或者光栅来测量目标物体，并在计算机中还原其三维坐标。同时由于线结构光检测精度高、无接触、速度快，稳定型好等特点，在一些测量、检测领域得到了广泛应用。专利一(粗轧轧制过程中带钢翘扣头检测控制装置及方法，CN200910052973.9)提出了一种机械式的检测装置，对热轧带钢翘扣头进行检测。其原理是在辊道上下方安装测量杆，如果板坯产生翘扣头，就会撞击到测量杆，进而通过测量杆的偏转进行检测。该方法虽然能够对板坯翘扣头进行检测，但是不能对板坯的翘曲曲线进行详细的解析和精确的控制。专利二(一种厚板坯翘扣头的控制方法，CN201810140244.8)提出了一种利用红外摄像仪作为板坯翘扣头的测量工具，并利用其平均值作为板坯翘曲数据，虽然该方法速度快，但是精度不高，同时也不能精确地描述翘曲情况。文献一(基于图像测量的热轧板坯翘扣头控制系统设计与实现，沈际海)提出了一种通过图像对翘扣头的检测技术，该方法利用图像与实物的比例关系来完成翘扣头的检测，虽然能够完成在线检测，但是精度不高。
发明内容
本发明针对现有检测方法精度不高等问题，提供一种基于机器视觉的板坯翘曲检测装置及方法。
该装置包括面阵相机、线结构光光源、数据处理服务器、显示器、PLC控制器、光源支架、相机支架、水冷设备和对射式金属检测器，相机支架安装在轧机入口、出口的辊道操作侧外部，面阵相机安装在相机支架内部，倾斜向下拍摄轧机两侧的辊道，通过千兆以太网将采集的图像数据传递给数据处理服务器，光源支架安装在轧机入口、出口的辊道传动侧外部，线结构光光源安装在光源支架上，倾斜向下将线结构光投射至辊道中心位置，显示器连接数据处理服务器，数据处理服务器通过千兆以太网与PLC控制器连接，PLC控制器通过信号线与线结构光光源、面阵相机、对射式金属检测器及粗轧一级控制PLC连接，分别控制线结构光光源的开关、面阵相机的拍照开关、对射式金属检测器的通断状态及获取板坯轧制数据。其中，面阵相机有两个，分别为面阵相机A和面阵相机B，线结构光光源有两个，分别为线结构光光源A和线结构光光源B，对射式金属检测器有四个，分别为对射式金属检测器A、对射式金属检测器B、对射式金属检测器C和对射式金属检测器D，面阵相机A和面阵相机B连接水冷设备A，线结构光光源A和线结构光光源B连接水冷设备B。
相机支架包括底座、外壳、升降台、相机位姿调整装置、相机冷却装置和除尘装置，底座通过地脚螺栓安装在地面上，外壳通过螺栓安装在底座上，升降台通过螺栓安装在底座上方，相机位姿调整装置通过螺栓安装在升降台上方，相机冷却装置安装在相机位姿调整装置上，除镜头外，面阵相机其余部分安装在相机冷却装置内部，除尘装置的除尘部分安装在外壳窗口上，负责清扫外壳窗口上的粉尘及水汽，其余部分安装在外壳内部。
光源支架包括长方形框架、光源位姿调整装置及光源冷却装置，长方形框架通过地脚螺栓安装在地面上，光源位姿调整装置安装在长方形框架上方，线结构光光源安装在光源位姿调整装置上，光源冷却装置安装在线结构光光源外侧。
应用该发明的方法，包括步骤如下：
S0：检测装置安装完成后进行系统标定，得到转换矩阵和光平面方程；
S1：当板坯到达位置P1时，PLC控制器打开对应侧线结构光光源，在板坯长度方向打出一条线结构光；
S2：当板坯到达位置P2时，PLC控制器通过辊道速度及对应侧面阵相机视野长度计算拍摄帧率，通过脉冲信号触发对应侧面阵相机连续拍摄线结构光在板坯上的图像；
S3：板坯到达位置P3时结束拍摄，板坯到达位置P4时关闭对应侧线结构光光源；
S4：获取的图片传输至数据处理服务器，经过光条中心的提取、坐标转换、图像拼接以及特征参数计算获得板坯上表面在高度方向的翘曲形状及头部、尾部翘曲形式及表征参数，显示在显示器上。
所述S2中拍摄帧率n的计算方法为：
其中，L为面阵相机视野长度，单位mm；v为辊道速度，单位mm/s；λ为重叠比例，取值范围为0.3-0.7。
所述S0中系统标定包括以下步骤：
(1)调整好面阵相机的位姿后，利用张正友标定方法获取面阵相机图像坐标系到基准坐标系的转换矩阵M：
其中，标定时基准坐标系的X轴指向板坯前进方向，Z轴垂直指向上方；
(2)调整好线结构光光源位姿后，标定光平面在基准坐标系下的方程
AX+BY+CZ-1＝0
其中，A、B、C是光平面方程系数。
所述S4中光条中心的提取包括以下步骤：
(1)对光条图像二值化处理
其中，T0是获取二值图像的阈值，I(x，y)是(x，y)像素坐标对应的灰度值；
(2)对光条图像某一像素点(x，y)的八邻域像素点进行分析，设当前需要判断的像素点(x，y)为P1点，其八邻域像素点为P2，P3，P4，P5，P6，P7，P8，P9；
(3)判断(x，y)点是否符合a、b、c、d四个条件，若符合，则标记(x，y)为待删除点，否则执行步骤(5)：
a、2≤N(P1)≤6；
b、S(P1)＝1；
c、I(P2)*I(P4)*I(P6)＝0；
d、I(P4)*I(P6)*I(P8)＝0
其中，N(P1)表示(x，y)点相邻像素中，为前景点的个数，即灰度值为1的点的个数；S(P1)表示从P2点顺时针到P9点，再到P2点的过程中出现0-1的累计次数，例如，如果P2点灰度为0，P3点灰度为1，则累计次数加1；c、d条件是对应位置像素灰度值乘积为0；
(4)判断(x，y)点是否符合e、f、g、h四个条件，若符合，则标记(x，y)为待删除点，否则执行步骤(6)：
e、2≤N(P1)≤6；
f、S(P1)＝1；
g、I(P2)*I(P4)*I(P8)＝0；
h、I(P2)*I(P6)*I(P8)＝0
其中，N(P1)表示(x，y)点相邻像素中，为前景点的个数，即灰度值为1的点的个数S(P1)表示从P2点顺时针到P9点，再到P2点的过程中出现0-1的累计次数，例如，如果P2点灰度为0，P3点灰度为1，则累计次数加1；；g、h条件是对应位置像素灰度值乘积为0；
(5)对光条图像中未经判断点循环执行步骤(3)—步骤(5)，直到全部像素点被判断；
(6)将光条图像中未被标记的点记作
i＝1,2…3，n；
其中，n为光条图像中未被标记点的个数；
是未标记点的集合。
坐标转换包括以下步骤：
计算光条中心线上点
在基准坐标系中对应的坐标(Xi，Yi，Zi)
图像拼接包括以下步骤：
(1)计算第j张图与第j+1张图重合长度Δlj+1；
其中，v为辊道速度，n为拍摄帧率；
(2)计算第j张图与第j+1张图重合点平均偏移量ΔZj+1；
其中，
为第j张与第j+1张图重合点的平均Z坐标值；
为第j+1张与第j张图重合点的平均Z坐标值；
为第j张与第j+1重合点，k＝1,2,3…M，且
对应的
为第j张与第j+1重合点，k＝1,2,3…M，且
对应的
(3)拼接所有点，并整合到集合ψ
特征参数的求解包括以下步骤：
(1)点的分类：头部2000mm，尾部2000mm
其中，ψ1是板坯头部点的集合，ψ2是尾部点的集合，ψ3是中间部分点的集合；
(2)拟合头部、尾部曲线：用三次多项式对点进行拟合，结果表示为
(3)头部曲线分析，判定参数有F1(x)的最大值F1max、最小值F1min、F1′(x)和极大值点对应的x坐标x1；
首先判断是否合格，如果符合下式则判定为合格：
其中，h1和h2分别是翘头最低标准、扣头最低标准；h为板坯厚度均值；
L-形翘头判定参数是F1′(x)和F1max，如果参数符合下式，则判定为L-形翘头：
S-形扣头的判定参数是F1max、F1′(x)和x1，若满足下式，则判定为S-形扣头：
其中，x1是F1(x)一阶导数等于0的解的最大值；
(4)尾部曲线分析的判定参数有F2(x)的最大值F2max和最小值F2min，以及F2′(x)；
首先判断是否合格，如果符合下式，则判定为合格：
其中，h1和h2分别是翘头最低标准、扣头最低标准；
L-翘尾判定参数是F2max和F2′(x)，如果满足下式，则判定为L-翘尾：
L-扣尾判定参数是F2min和F2′(x)，如果满足下式，则判定为L-扣尾：
本发明的上述技术方案的有益效果如下：
(1)与利用机械检测装置进行检测的方案相比，本发明检测精度更高，适用性更强，可以得到详细的板坯翘曲曲线；
(2)为了防止因恶劣的工作环境对检测设备的损害，本发明建立了相应的水冷系统，保证光源、相机等电子设备稳定工作；
(3)本发明的整体结构简洁，安装维护方便，非常适用于板坯翘曲检测。
附图说明
图1为本发明的检测装置的结构示意图；
图2为本发明的相机支架的结构示意图；
图3为本发明的光源支架的结构示意图；
图4为本发明的P1的邻域坐标点示意图；
图5为本发明的头部曲线拟合效果图；
图6为本发明的尾部曲线拟合效果图。
其中：1-面阵相机，1.1-面阵相机A，1.2-面阵相机B，2-线结构光光源，2.1-线结构光光源A，2.2-线结构光光源B，3-数据处理服务器，4-显示器，5-PLC控制器，6-粗轧一级控制PLC，7.1-长方形框架，7.2-光源位姿调整装置，7.3-光源冷却装置，8.1-底座，8.2-外壳，8.3-升降台，8.4-相机位姿调整装置，8.5-相机冷却装置，8.6-除尘装置，9.1-水冷设备A,9.2-水冷设备B，10.1-对射式金属检测器A，10.2-对射式金属检测器B，10.3-对射式金属检测器C，10.4-对射式金属检测器D。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明提供一种基于机器视觉的板坯翘曲检测装置及方法。
如图1所示，该装置包括面阵相机、线结构光光源2、数据处理服务器3、显示器4、PLC控制器5、光源支架、相机支架、水冷设备和对射式金属检测器，相机支架安装在轧机入口、出口的辊道操作侧外部，面阵相机安装在相机支架内部，倾斜向下拍摄轧机两侧的辊道，通过千兆以太网将采集的图像数据传递给数据处理服务器3，光源支架安装在轧机入口、出口的辊道传动侧外部，线结构光光源2安装在光源支架上，倾斜向下将线结构光投射至辊道中心位置，显示器4连接数据处理服务器3，数据处理服务器3通过千兆以太网与PLC控制器5连接，PLC控制器5通过信号线与线结构光光源2、面阵相机1、对射式金属检测器及粗轧一级控制PLC6连接，分别控制线结构光光源2的开关、面阵相机1的拍照开关、对射式金属检测器的通断状态及获取板坯轧制数据。其中，面阵相机1有两个，分别为面阵相机A1.1和面阵相机B1.2，线结构光光源2有两个，分别为线结构光光源A2.1和线结构光光源B2.2，对射式金属检测器10有四个，分别为对射式金属检测器A10.1、对射式金属检测器B10.2、对射式金属检测器C10.3和对射式金属检测器D10.4，面阵相机A1.1和面阵相机B1.2连接水冷设备A9.1，线结构光光源A2.1和线结构光光源B2.2连接水冷设备B9.2。
如图2所示，相机支架包括底座8.1、外壳8.2、升降台8.3、相机位姿调整装置8.4、相机冷却装置8.5和除尘装置8.6，底座8.1通过地脚螺栓安装在地面上，外壳8.2通过螺栓安装在底座8.1上，升降台8.3通过螺栓安装在底座8.1上方，相机位姿调整装置8.4通过螺栓安装在升降台8.3上方，相机冷却装置8.5安装在相机位姿调整装置8.4上，除镜头外，面阵相机其余部分安装在相机冷却装置8.5内部，除尘装置8.6的除尘部分安装在外壳窗口上，负责清扫外壳窗口上的粉尘及水汽，其余部分安装在外壳8.2内部。
如图3所示，光源支架包括长方形框架7.1、光源位姿调整装置7.2及光源冷却装置7.3，长方形框架7.1通过地脚螺栓安装在地面上，光源位姿调整装置7.2安装在长方形框架7.1上方，线结构光光源2安装在光源位姿调整装置7.2上，光源冷却装置7.3安装在线结构光光源2外侧。
当板坯到达位置P1时，PLC控制器打开对应侧线结构光光源，在板坯长度方向打出一条线结构光，当板坯到达位置P2时，PLC控制器通过辊道速度及对应侧面阵相机视野长度计算拍摄帧率，通过脉冲信号触发对应侧面阵相机连续拍摄线结构光在板坯上的图像，板坯到达位置P3时结束拍摄，板坯到达位置P4时关闭对应侧线结构光光源；获取的图片传输至数据处理服务器，经过光条中心的提取、坐标转换、图像拼接以及特征参数计算获得板坯上表面在高度方向的翘曲形状及头部、尾部翘曲形式及表征参数，显示在显示器上。
对于面阵相机1.1的位置P1、P2、P3和P4对应的对射式金属检测器状态为：
位置P1：对射式金属检测器10.1为低电平，对射式金属检测器10.2为上升沿；
位置P2：对射式金属检测器10.2为高电平，对射式金属检测器10.1为上升沿；
位置P3：对射式金属检测器10.1为高电平，对射式金属检测器10.2为下降沿；
位置P3：对射式金属检测器10.2为底电平，对射式金属检测器10.1为下降沿；
对于面阵相机1.2的位置P1、P2、P3和P4对应的对射式金属检测器状态为：
位置P1：对射式金属检测器10.4为低电平，对射式金属检测器10.3为上升沿；
位置P2：对射式金属检测器10.3为高电平，对射式金属检测器10.4为上升沿；
位置P3：对射式金属检测器10.4为高电平，对射式金属检测器10.3为下降沿；
位置P3：对射式金属检测器10.3为底电平，对射式金属检测器10.4为下降沿；
其中，对射式金属检测器10.1、10.2、10.3、10.4无物体通过的情况下为低电平，有物体阻挡的情况下为高电平。
拍摄帧率n的计算方法为：
其中，L为面阵相机视野长度，单位mm；v为辊道速度，单位mm/s；λ为重叠比例，取值范围为0.3-0.7。
系统标定包括以下步骤：
(1)调整好面阵相机的位姿后，利用张正友标定方法获取面阵相机图像坐标系到基准坐标系的转换矩阵M：
其中，标定时基准坐标系的X轴指向板坯前进方向，Z轴垂直指向上方；
在本实施例中，转换矩阵
(2)调整好线结构光光源位姿后，标定光平面在基准坐标系下的方程
AX+BY+CZ-1＝0
其中，A、B、C是光平面方程系数。
在本实施例中，光平面方程为：
3.725357651420376X+0.141038939925853Y-4.88576494438172Z-1＝0
光条中心的提取包括以下步骤：
(1)对光条图像二值化处理
其中，T0是获取二值图像的阈值，I(x，y)是(x，y)像素坐标对应的灰度值；
在本实施例中，T0＝150；
(2)对光条图像某一像素点(x，y)的八邻域像素点进行分析，设当前需要判断的像素点(x，y)为P1点，如图4所示，其八邻域像素点为P2，P3，P4，P5，P6，P7，P8，P9；
(3)判断(x，y)点是否符合a、b、c、d四个条件，若符合，则标记(x，y)为待删除点，否则执行步骤(5)：
a、2≤N(P1)≤6；
b、S(P1)＝1；
c、I(P2)*I(P4)*I(P6)＝0；
d、I(P4)*I(P6)*I(P8)＝0
其中，N(P1)表示(x，y)点相邻像素中，为前景点的个数，即灰度值为1的点的个数；S(P1)表示从P2点顺时针到P9点，再到P2点的过程中出现0-1的累计次数，例如，如果P2点灰度为0，P3点灰度为1，则累计次数加1；c、d条件是对应位置像素灰度值乘积为0；
(4)判断(x，y)点是否符合e、f、g、h四个条件，若符合，则标记(x，y)为待删除点，否则执行步骤(6)：
e、2≤N(P1)≤6；
f、S(P1)＝1；
g、I(P2)*I(P4)*I(P8)＝0；
h、I(P2)*I(P6)*I(P8)＝0
其中，N(P1)表示(x，y)点相邻像素中，为前景点的个数，即灰度值为1的点的个数S(P1)表示从P2点顺时针到P9点，再到P2点的过程中出现0-1的累计次数，例如，如果P2点灰度为0，P3点灰度为1，则累计次数加1；g、h条件是对应位置像素灰度值乘积为0；
(5)对光条图像中未经判断点循环执行步骤(3)—步骤(5)，直到全部像素点被判断；
(6)将光条图像中未被标记的点记作
i＝1,2…3，n；
其中，n为光条图像中未被标记点的个数；
是未标记点的集合。
坐标转换包括以下步骤：
计算光条中心线上点
在基准坐标系中对应的坐标(Xi，Yi，Zi)
图像拼接包括以下步骤：
(1)计算第j张图与第j+1张图重合长度Δlj+1；
在本实施例中，重合长度Δl＝250mm；
(2)计算第j张图与第j+1张图重合点平均偏移量ΔZj+1；
其中，
为第j张与第j+1张图重合点的平均Z坐标值；
为第j+1张与第j张图重合点的平均Z坐标值；
为第j张与第j+1重合点，k＝1,2,3…M，且
对应的
为第j张与第j+1重合点，k＝1,2,3…M，且
对应的
在本实施例中，以前两张图像为验证对象，第二张图与第一张图的重合点平均偏移量ΔZ2＝110.5mm；
(3)拼接所有点，并整合到集合ψ
特征参数的求解包括以下步骤：
(1)点的分类：头部2000mm，尾部2000mm
其中，ψ1是板坯头部点的集合，ψ2是尾部点的集合，ψ3是中间部分点的集合；
(2)拟合头部、尾部曲线：用三次多项式对点进行拟合，结果表示为
在本实施例中，头部和尾部拟合曲线分别为：
拟合效果图如图5、图6所示；
(3)头部曲线分析，判定参数有F1(x)的最大值F1max、最小值F1min、F1(x)和极大值点对应的x坐标x1；
首先判断是否合格，如果符合下式则判定为合格：
其中，h1和h2分别是翘头最低标准、扣头最低标准；h为板坯厚度均值；
在本实施例中，h1＝30、h2＝-50、h＝35。对结果进行判定
符合判定条件，因此板坯头部翘曲可以判定为合格；人工测量结果：F1max＝25.4、F1min＝0；
L-形翘头判定参数是F1′(x)和F1max，如果参数符合下式，则判定为L-形翘头：
S-形扣头的判定参数是F1max、F1′(x)和x1，若满足下式，则判定为S-形扣头：
其中，x1是F1(x)一阶导数等于0的解的最大值；
(4)尾部曲线分析的判定参数有F2(x)的最大值F2max和最小值F2min，以及F2′(x)；
首先判断是否合格，如果符合下式，则判定为合格：
其中，h1和h2分别是翘头最低标准、扣头最低标准；
在本实施例中，h1＝30、h2＝-50、h＝35。对结果进行判定：
符合判定条件，因此板坯尾部翘曲可以判定为合格；人工测量结果：F2max＝10.1、F1min＝0；
L-翘尾判定参数是F2max和F2′(x)，如果满足下式，则判定为L-翘尾：
L-扣尾判定参数是F2min和F2′(x)，如果满足下式，则判定为L-扣尾：
当测量装置安装完成并调整好位姿后，执行系统标定各步骤完成检测系统的标定，得到转换矩阵M和光平面方程AX+BY+CZ-1＝0；然后执行光条中心的提取各步骤对获取的光条图像进行中心线提取；然后执行坐标转换将得到的所有光条中心线坐标转换至基准坐标系；之后执行图像拼接各步骤完成图像的拼接；最后执行特征参数的求解步骤，使用三次方程对板坯头部数据和尾部数据进行拟合，并分析相关参数。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于机器视觉的板坯翘曲检测装置，其特征在于：包括面阵相机(1)、线结构光光源(2)、数据处理服务器(3)、显示器(4)、PLC控制器(5)、光源支架、相机支架、水冷设备和对射式金属检测器，相机支架安装在轧机入口和出口的辊道操作侧外部，面阵相机(1)安装在相机支架内部，倾斜向下拍摄轧机两侧的辊道，通过千兆以太网将采集的图像数据传递给数据处理服务器(3)，光源支架安装在轧机入口和出口的辊道传动侧外部，线结构光光源(2)安装在光源支架上，倾斜向下将线结构光投射至辊道中心位置，显示器(4)连接数据处理服务器(3)，数据处理服务器(3)通过千兆以太网与PLC控制器(5)连接，PLC控制器(5)通过信号线与线结构光光源(2)、面阵相机(1)、对射式金属检测器及粗轧一级控制PLC(6)连接，分别控制线结构光光源(2)的开关、面阵相机(1)的拍照开关、对射式金属检测器的通断状态及获取板坯轧制数据；其中，面阵相机(1)有两个，分别为面阵相机A(1.1)和面阵相机B(1.2)，线结构光光源(2)有两个，分别为线结构光光源A(2.1)和线结构光光源B(2.2)，对射式金属检测器(10)有四个，分别为对射式金属检测器A(10.1)、对射式金属检测器B(10.2)、对射式金属检测器C(10.3)和对射式金属检测器D(10.4)，面阵相机A(1.1)和面阵相机B(1.2)连接水冷设备A(9.1)，线结构光光源A(2.1)和线结构光光源B(2.2)连接水冷设备B(9.2)。
2.根据权利要求1所述的基于机器视觉的板坯翘曲检测装置，其特征在于：所述相机支架包括底座(8.1)、外壳(8.2)、升降台(8.3)、相机位姿调整装置(8.4)、相机冷却装置(8.5)和除尘装置(8.6)，底座(8.1)通过地脚螺栓安装在地面上，外壳(8.2)通过螺栓安装在底座(8.1)上，升降台(8.3)通过螺栓安装在底座(8.1)上方，相机位姿调整装置(8.4)通过螺栓安装在升降台(8.3)上方，相机冷却装置(8.5)安装在相机位姿调整装置(8.4)上，面阵相机除镜头外部分安装在相机冷却装置(8.5)内部，除尘装置(8.6)的除尘部分安装在外壳(8.2)的窗口上，负责清扫外壳窗口上的粉尘及水汽，除尘装置(8.6)其余部分安装在外壳(8.2)内部。
3.根据权利要求1所述的基于机器视觉的板坯翘曲检测装置，其特征在于：所述光源支架包括长方形框架(7.1)、光源位姿调整装置(7.2)及光源冷却装置(7.3)，长方形框架(7.1)通过地脚螺栓安装在地面上，光源位姿调整装置(7.2)安装在长方形框架(7.1)上方，线结构光光源(2)安装在光源位姿调整装置(7.2)上，光源冷却装置(7.3)安装在线结构光光源(2)外侧。
4.应用权利要求1所述的基于机器视觉的板坯翘曲检测装置的方法，其特征在于：包括步骤如下：
S0：检测装置安装完成后进行系统标定，得到转换矩阵和光平面方程；
S1：当板坯到达位置P1时，PLC控制器(5)打开对应侧线结构光光源(2)，在板坯长度方向打出一条线结构光；
S2：当板坯到达位置P2时，PLC控制器(5)通过板坯速度及对应侧面阵相机(1)视野长度计算拍摄帧率，通过脉冲信号触发对应侧面阵相机连续拍摄线结构光在板坯上的图像；
S3：板坯到达位置P3时结束拍摄，板坯到达位置P4时关闭对应侧线结构光光源；
S4：获取的图片传输至数据处理服务器(3)，经过光条中心的提取、坐标转换、图像拼接以及特征参数计算获得板坯上表面在高度方向的翘曲形状及头部、尾部翘曲形式及表征参数，显示在显示器上。
5.根据权利要求4所述的基于机器视觉的板坯翘曲检测方法，其特征在于：所述S2中拍摄帧率n的计算方法为：
其中，L为面阵相机视野长度，单位mm；v为辊道速度，单位mm/s；λ为重叠比例，取值范围为0.3-0.7。
6.根据权利要求4所述的基于机器视觉的板坯翘曲检测方法，其特征在于：所述S0中系统标定包括以下步骤：
(1)调整好面阵相机的位姿后，利用张正友标定方法获取面阵相机图像坐标系到基准坐标系的转换矩阵M：
其中，标定时基准坐标系的X轴指向板坯前进方向，Z轴垂直指向上方；
(2)调整好线结构光光源位姿后，标定光平面在基准坐标系下的方程
AX+BY+CZ-1＝0
其中，A、B、C是光平面方程系数。
7.根据权利要求4所述的基于机器视觉的板坯翘曲检测方法，其特征在于：所述S4中光条中心的提取包括以下步骤：
(1)对光条图像二值化处理：
其中，T0是获取二值图像的阈值，I(x，y)是(x，y)像素坐标对应的灰度值；
(2)对光条图像某一像素点(x，y)的八邻域像素点进行分析，设当前需要判断的像素点(x，y)为P1点，其八邻域像素点为P2，P3，P4，P5，P6，P7，P8，P9；
(3)判断(x，y)点是否符合a、b、c、d四个条件，若符合，则标记(x，y)为待删除点，否则执行步骤(5)：
a、2≤N(P1)≤6；
b、S(P1)＝1；
c、I(P2)*I(P4)*I(P6)＝0；
d、I(P4)*I(P6)*I(P8)＝0
其中，N(P1)表示(x，y)点相邻像素中，为前景点的个数，即灰度值为1的点的个数；S(P1)表示从P2点顺时针到P9点，再到P2点的过程中出现0-1的累计次数；I(P2)、I(P4)、I(P6)、I(P8)分别为P2、P4、P6、P8位置像素灰度值；
(4)判断(x，y)点是否符合e、f、g、h四个条件，若符合，则标记(x，y)为待删除点，否则执行步骤(6)：
e、2≤N(P1)≤6；
f、S(P1)＝1；
g、I(P2)*I(P4)*I(P8)＝0；
h、I(P2)*I(P6)*I(P8)＝0
其中，N(P1)表示(x，y)点相邻像素中，为前景点的个数，即灰度值为1的点的个数S(P1)表示从P2点顺时针到P9点，再到P2点的过程中出现0-1的累计次数，例如，如果P2点灰度为0，P3点灰度为1，则累计次数加1；g、h条件是对应位置像素灰度值乘积为0；
(5)对光条图像中未经判断点循环执行步骤(3)-步骤(5)，直到全部像素点被判断；
(6)将光条图像中未被标记的点记作
i＝1，2…3，n；
其中，n为光条图像中未被标记点的个数；
是未标记点的集合。
8.根据权利要求4所述的基于机器视觉的板坯翘曲检测方法，其特征在于：所述S4中坐标转换包括以下步骤：
计算光条中心线上点
在基准坐标系中对应的坐标(Xi，Yi，Zi)
其中，mij是转换矩阵M中的元素；A、B、C是光平面系数。
9.根据权利要求4所述的基于机器视觉的板坯翘曲检测方法，其特征在于：所述S4中图像拼接包括以下步骤：
(1)计算第j张图与第j+1张图重合长度Δlj+1；
其中，v为辊道速度，n为拍摄帧率；
(2)计算第j张图与第j+1张图重合点平均偏移量ΔZj+1；
其中，
为第j张与第j+1张图重合点的平均Z坐标值；
为第j+1张与第j张图重合点的平均Z坐标值；
为第j张与第j+1重合点，k＝1，2，3…M，且
对应的
为第j张与第j+1重合点，k＝1，2，3…M，且
对应的
Nj为第j张图重合点数；
(3)拼接所有点，并整合到集合ψ
10.根据权利要求4所述的基于机器视觉的板坯翘曲检测方法，其特征在于：所述S4中特征参数计算包括以下步骤：
(1)点的分类：头部2000mm，尾部2000mm
其中，ψ1是板坯头部点的集合，ψ2是尾部点的集合，ψ3是中间部分点的集合；
(2)拟合头部、尾部曲线：用三次多项式对点进行拟合，结果表示为
(3)头部曲线分析，判定参数有F1(x)的最大值F1max、最小值F1min、F1′(x)和极大值点对应的x坐标x1；
首先判断是否合格，如果符合下式则判定为合格：
其中，h1和h2分别是翘头最低标准、扣头最低标准；h为板坯厚度均值；
L-形翘头判定参数是F1′(x)和F1max，如果参数符合下式，则判定为L-形翘头：
S-形扣头的判定参数是F1max、F1′(x)和x1，若满足下式，则判定为S-形扣头：
其中，x1是F1(x)一阶导数等于0的解的最大值；
(4)尾部曲线分析的判定参数有F2(x)的最大值F2max和最小值F2min，以及F2′(x)；
首先判断是否合格，如果符合下式，则判定为合格：
其中，h1和
分别是翘头最低标准、扣头最低标准；
L-翘尾判定参数是F2max和F2′(x)，如果满足下式，则判定为L-翘尾：
L-扣尾判定参数是F2min和F2′(x)，如果满足下式，则判定为L-扣尾：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010313834.3A CN111521129B (zh) | 2020-04-20 | 2020-04-20 | 基于机器视觉的板坯翘曲检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010313834.3A CN111521129B (zh) | 2020-04-20 | 2020-04-20 | 基于机器视觉的板坯翘曲检测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111521129A true CN111521129A (zh) | 2020-08-11 |
| CN111521129B CN111521129B (zh) | 2021-08-31 |
Family
ID=71903374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010313834.3A Active CN111521129B (zh) | 2020-04-20 | 2020-04-20 | 基于机器视觉的板坯翘曲检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111521129B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112200823A (zh) * | 2020-11-17 | 2021-01-08 | 东北大学 | 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 |
| CN112361985A (zh) * | 2020-11-23 | 2021-02-12 | 福建三钢闽光股份有限公司 | 一种基于机器视觉的坯料弯曲度检测方法 |
| CN113008889A (zh) * | 2021-03-01 | 2021-06-22 | 深圳市大族视觉技术有限公司 | 一种食品在线检测设备 |
| CN113204029A (zh) * | 2021-04-19 | 2021-08-03 | 北京科技大学 | 一种热轧板坯翘曲检测装置及方法 |
| CN113959385A (zh) * | 2021-10-27 | 2022-01-21 | 中信戴卡股份有限公司 | 一种轮毂安装面检测装置及其反馈、调整方法 |
| CN114111615A (zh) * | 2021-11-25 | 2022-03-01 | 邵东智能制造技术研究院有限公司 | 背光板翘曲自动检测设备 |
| CN114543734A (zh) * | 2022-02-10 | 2022-05-27 | 武汉中飞扬测控工程有限公司 | 一种测量板坯锥度的方法 |
| CN115297620A (zh) * | 2022-07-06 | 2022-11-04 | 珠海崇达电路技术有限公司 | 一种汽车电路板防翘曲控制方法、汽车计算机设备及应用 |
| CN115569994A (zh) * | 2021-06-21 | 2023-01-06 | 上海宝信软件股份有限公司 | 板坯镰刀弯自动检测系统及方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101422787A (zh) * | 2008-12-10 | 2009-05-06 | 北京科技大学 | 基于单步相移法的带钢平坦度测量方法 |
| US8227722B2 (en) * | 2009-05-29 | 2012-07-24 | Perceptron, Inc. | Sensor system and reverse clamping mechanism |
| CN102836883A (zh) * | 2011-06-23 | 2012-12-26 | 宝山钢铁股份有限公司 | 一种板坯翘扣头控制方法 |
| CN103543161A (zh) * | 2013-10-16 | 2014-01-29 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
| CN104020177A (zh) * | 2014-06-26 | 2014-09-03 | 重庆大学 | 连铸坯表面缺陷双ccd扫描成像检测方法 |
| CN104183010A (zh) * | 2013-05-22 | 2014-12-03 | 上海迪谱工业检测技术有限公司 | 多视角三维在线重建的方法 |
| CN104279981A (zh) * | 2014-10-21 | 2015-01-14 | 苏州大学 | 一种基于条纹反射的镜面/类镜面物体绝对面形的测量方法及装置 |
| 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 |
| JP2016113755A (ja) * | 2014-12-11 | 2016-06-23 | 公益財団法人鉄道総合技術研究所 | 張出しスラブの補強工法 |
| CN105798430A (zh) * | 2016-05-27 | 2016-07-27 | 廊坊智通机器人系统有限公司 | 一种实时焊缝跟踪的激光视觉监测系统 |
| CN106247967A (zh) * | 2016-08-18 | 2016-12-21 | 京东方科技集团股份有限公司 | 一种基板翘曲量的测量装置及方法 |
| CN107970026A (zh) * | 2017-11-17 | 2018-05-01 | 西安交通大学 | 基于单摄像头四步光栅相移法的足底三维扫描装置及方法 |
| CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
| CN110116138A (zh) * | 2019-06-13 | 2019-08-13 | 沈阳建筑大学 | 一种轧制过程中热态钢板长度及侧弯测量方法 |
| CN110645903A (zh) * | 2019-10-17 | 2020-01-03 | 武汉大学 | 一种封装模块翘曲变形及缺陷立体在线监测方法及装置 |
-
2020
- 2020-04-20 CN CN202010313834.3A patent/CN111521129B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101422787A (zh) * | 2008-12-10 | 2009-05-06 | 北京科技大学 | 基于单步相移法的带钢平坦度测量方法 |
| US8227722B2 (en) * | 2009-05-29 | 2012-07-24 | Perceptron, Inc. | Sensor system and reverse clamping mechanism |
| CN102836883A (zh) * | 2011-06-23 | 2012-12-26 | 宝山钢铁股份有限公司 | 一种板坯翘扣头控制方法 |
| CN104183010A (zh) * | 2013-05-22 | 2014-12-03 | 上海迪谱工业检测技术有限公司 | 多视角三维在线重建的方法 |
| CN103543161A (zh) * | 2013-10-16 | 2014-01-29 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
| CN104020177A (zh) * | 2014-06-26 | 2014-09-03 | 重庆大学 | 连铸坯表面缺陷双ccd扫描成像检测方法 |
| CN104279981A (zh) * | 2014-10-21 | 2015-01-14 | 苏州大学 | 一种基于条纹反射的镜面/类镜面物体绝对面形的测量方法及装置 |
| JP2016113755A (ja) * | 2014-12-11 | 2016-06-23 | 公益財団法人鉄道総合技術研究所 | 張出しスラブの補強工法 |
| 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 |
| CN105798430A (zh) * | 2016-05-27 | 2016-07-27 | 廊坊智通机器人系统有限公司 | 一种实时焊缝跟踪的激光视觉监测系统 |
| CN106247967A (zh) * | 2016-08-18 | 2016-12-21 | 京东方科技集团股份有限公司 | 一种基板翘曲量的测量装置及方法 |
| CN107970026A (zh) * | 2017-11-17 | 2018-05-01 | 西安交通大学 | 基于单摄像头四步光栅相移法的足底三维扫描装置及方法 |
| CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
| CN110116138A (zh) * | 2019-06-13 | 2019-08-13 | 沈阳建筑大学 | 一种轧制过程中热态钢板长度及侧弯测量方法 |
| CN110645903A (zh) * | 2019-10-17 | 2020-01-03 | 武汉大学 | 一种封装模块翘曲变形及缺陷立体在线监测方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| XU DONG: "Vision-based camber on-line measurement system in hot rough rolling", 《JOURNAL OF CENTRAL SOUTH UNIVERSITY (SCIENCE AND TECHNOLOGY)》 * |
| YUDE LI: "The stripe-shaped lens laser scheme with Z-shaped optical path", 《OPTICS & LASER TECHNOLOGY》 * |
| 曹明顺: "金属增材制造过程平面度和轮廓度在线测量技术", 《铸造技术》 * |
| 杨荃: "冷轧带钢翘曲形状分析与浪形函数", 《钢铁》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112200823A (zh) * | 2020-11-17 | 2021-01-08 | 东北大学 | 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 |
| CN112200823B (zh) * | 2020-11-17 | 2024-03-29 | 东北大学 | 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 |
| CN112361985A (zh) * | 2020-11-23 | 2021-02-12 | 福建三钢闽光股份有限公司 | 一种基于机器视觉的坯料弯曲度检测方法 |
| CN112361985B (zh) * | 2020-11-23 | 2022-02-11 | 福建三钢闽光股份有限公司 | 一种基于机器视觉的坯料弯曲度检测方法 |
| CN113008889A (zh) * | 2021-03-01 | 2021-06-22 | 深圳市大族视觉技术有限公司 | 一种食品在线检测设备 |
| CN113204029A (zh) * | 2021-04-19 | 2021-08-03 | 北京科技大学 | 一种热轧板坯翘曲检测装置及方法 |
| CN115569994A (zh) * | 2021-06-21 | 2023-01-06 | 上海宝信软件股份有限公司 | 板坯镰刀弯自动检测系统及方法 |
| CN113959385A (zh) * | 2021-10-27 | 2022-01-21 | 中信戴卡股份有限公司 | 一种轮毂安装面检测装置及其反馈、调整方法 |
| CN113959385B (zh) * | 2021-10-27 | 2024-06-04 | 中信戴卡股份有限公司 | 一种轮毂安装面检测装置及其反馈、调整方法 |
| CN114111615A (zh) * | 2021-11-25 | 2022-03-01 | 邵东智能制造技术研究院有限公司 | 背光板翘曲自动检测设备 |
| CN114111615B (zh) * | 2021-11-25 | 2023-09-05 | 邵东智能制造技术研究院有限公司 | 背光板翘曲自动检测设备 |
| CN114543734A (zh) * | 2022-02-10 | 2022-05-27 | 武汉中飞扬测控工程有限公司 | 一种测量板坯锥度的方法 |
| CN115297620A (zh) * | 2022-07-06 | 2022-11-04 | 珠海崇达电路技术有限公司 | 一种汽车电路板防翘曲控制方法、汽车计算机设备及应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111521129B (zh) | 2021-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111521129B (zh) | 基于机器视觉的板坯翘曲检测装置及方法 | |
| CN102159940B (zh) | 用于检测材料中的缺陷的方法以及用于该方法的系统 | |
| CN111421001B (zh) | 一种高速线材轧机在线精确对中系统及其对中方法 | |
| CN111207695A (zh) | 一种基于双线结构光的热轧带钢端部三维轮廓测量方法 | |
| CN104914111A (zh) | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 | |
| CN105327950B (zh) | 考虑厚度变化的热轧中间坯镰刀弯检测装置及检测方法 | |
| CN110853018B (zh) | 一种基于计算机视觉的振动台疲劳裂纹在线检测系统及检测方法 | |
| CN101158650A (zh) | 机器视觉系统对印花布瑕疵的在线检测方法 | |
| CN112419429B (zh) | 一种基于多视角的大型工件表面缺陷检测标定方法 | |
| CN112326671A (zh) | 一种基于机器视觉的金属板材表面缺陷检测方法 | |
| CN108364318A (zh) | 一种消除防护玻璃折射影响的平面尺寸单目测量方法 | |
| KR20190070675A (ko) | 소재 디스케일러 장치 및 디스케일링 방법 | |
| CN112122366A (zh) | 一种热轧辊面在线检测系统及其检测方法 | |
| CN110458785B (zh) | 一种基于图像传感的磁悬浮球悬浮间隙检测方法 | |
| CN106767566B (zh) | 一种工件质量在线监测评估方法及监测系统 | |
| CN117670887B (zh) | 一种基于机器视觉的锡焊高度及缺陷检测方法 | |
| Lin et al. | A new prediction method for edge detection based on human visual feature | |
| CN113936291A (zh) | 一种基于机器视觉的铝模板质检、回收方法 | |
| CN110899147A (zh) | 一种基于激光扫描的传输带石头在线分拣方法 | |
| CN113884016B (zh) | 一种电池片翘曲度检测方法 | |
| Chen et al. | A hierarchical visual model for robot automatic arc welding guidance | |
| CN108401142B (zh) | 一种流水线上的工件计数装置及方法 | |
| Zavadil et al. | Analysis of periodicities in surface topography of cold rolled sheets using data captured by camera system | |
| CN113804127A (zh) | 一种弯曲失效应变测量方法 | |
| CN116429170B (zh) | 一种板坯质量检测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |