CN111915586A - 带钢偏移量的检测方法和装置 - Google Patents
带钢偏移量的检测方法和装置 Download PDFInfo
- Publication number
- CN111915586A CN111915586A CN202010749978.3A CN202010749978A CN111915586A CN 111915586 A CN111915586 A CN 111915586A CN 202010749978 A CN202010749978 A CN 202010749978A CN 111915586 A CN111915586 A CN 111915586A
- Authority
- CN
- China
- Prior art keywords
- image
- edge pixel
- pixel points
- strip steel
- strip
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 151
- 239000010959 steel Substances 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000001816 cooling Methods 0.000 claims description 48
- 239000010410 layer Substances 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 12
- 239000002184 metal Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000009413 insulation Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010926 purge Methods 0.000 claims description 7
- 230000005764 inhibitory process Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000007664 blowing Methods 0.000 claims description 4
- 239000011229 interlayer Substances 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 19
- 238000005272 metallurgy Methods 0.000 abstract description 2
- 238000005096 rolling process Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000033764 rhythmic process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 241000208682 Liquidambar Species 0.000 description 1
- 235000006552 Liquidambar styraciflua Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000000112 cooling gas Substances 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035939 shock Effects 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
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种带钢偏移量的检测方法和装置,涉及冶金自动化领域,可解决由于带钢偏移量检测不准确,进而无法有效消除生产过程中带钢跑偏造成的影响,使生产效率较低的问题。其中方法包括:利用在夹送辊上方安装的预设图像采集装置实时采集板带图像;将所述板带图像上传至工控机,提取所述板带图像对应像素坐标系下的第一图像信息;利用预先创建的标定模型将所述第一图像信息转换为世界坐标系下的第二图像信息;基于所述第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心。本申请适用于对带钢偏移量的检测,并根据带钢偏移量来调整带钢位置,使得带钢始终处于辊道中心线位置,进而保证生产的流畅性及钢卷的质量。
Description
技术领域
本申请涉及冶金自动化领域,尤其涉及到一种带钢偏移量的检测方法和装置。
背景技术
在铸轧或热连轧生产过程中,由于板型对辊道摩擦力偏差,轧机压下时两侧压下量不一致,两侧带钢厚度偏差,带钢张力方向与轧制中心线不一致等导致带钢出现跑偏现象,在运动过程中也可能会导致板坯出现镰刀弯现象,影响板坯质量;板坯跑偏使得带钢在生产过程中边缘碰撞、刮蹭设备,严重时可能会造成卡钢、断带、堆钢等事故,严重影响生产节奏和经济效益。
在现有方案中,由于受到环境影响,往往不能准确检测出带钢偏移量,从而无法通过对板带位置的精准调整,使带钢置于辊道中心,故无法有效消除生产过程中带钢跑偏造成的影响,使生产效率较低。
发明内容
有鉴于此,本申请提供了一种带钢偏移量的检测方法和装置,可解决由于带钢偏移量检测不准确,进而无法有效消除生产过程中带钢跑偏造成的影响,使生产效率较低的问题。
根据本申请的一个方面,提供了一种带钢偏移量的检测方法,该方法包括:
利用在夹送辊上方安装的预设图像采集装置实时采集板带图像;
将所述板带图像上传至工控机,提取所述板带图像对应像素坐标系下的第一图像信息;
利用预先创建的标定模型将所述第一图像信息转换为世界坐标系下的第二图像信息;
基于所述第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心。
优选地,所述预设图像采集装置包括相机组件、冷却外壳、过滤器、前端吹扫装置以及隔热层;
所述相机组件封装在所述冷却外壳中,所述冷却外壳由双层金属结构构成,在所述双层金属结构对应的夹层中注有流动水,所述冷却外壳内部注有压缩空气,所述过滤器安装在所述冷却外壳对应压缩空气的管路入口端,所述前端吹扫装置设置在所述冷却外壳前端,所述隔热层设置于所述冷却外壳的外部。
优选地,所述将所述板带图像上传至工控机,提取所述板带图像对应像素坐标系下的第一图像信息,具体包括:
利用边缘检测算法对所述板带图像进行边缘性检测;
基于边缘性检测结果确定第一图像信息,所述第一图像信息对应像素坐标系下的带钢中心位置及边缘位置。
优选地,所述利用边缘检测算法对所述板带图像进行边缘性检测,具体包括:
对所述板带图像进行数据平滑处理;
计算数据平滑处理后的所述板带图像的图像梯度信息,并根据所述图像梯度信息确定所述板带图像中包含的第一边缘像素点;
基于非极大值抑制从所述第一边缘像素点中筛选出第二边缘像素点;
利用双阈值法将所述第二边缘像素点划分为强边缘像素点、弱边缘像素点和极弱边缘像素点,并滤除所述极弱边缘像素点;
获取所述弱边缘像素点的八个邻域第二边缘像素点,若确定所述八个邻域第二边缘像素点中至少存在一个强边缘像素点,则将所述弱边缘像素点定义为强边缘像素点;
若确定所述八个邻域第二边缘像素点均不属于强边缘像素点,则滤除所述弱边缘像素点;
获取由所有所述强边缘像素点构成的边缘图像。
优选地,所述利用预先创建的标定模型将所述第一图像信息转换为世界坐标系下的第二图像信息,具体包括:
获取基于预设标定板创建的标定模型;
利用所述标定模型将所述图像坐标系中的所述第一图像信息转换为实际带钢中心位置对应的第二图像信息;
优选地,所述基于所述第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心,具体包括:
根据所述第二图像信息中的实际带钢中心位置,计算辊道中心线与带钢中心线的偏差值;
基于所述偏差值调整板带在辊道上的位置,以使带钢处于辊道中心。
根据本申请的另一个方面,提供了一种带钢偏移量的检测装置,该装置包括:
采集模块,用于利用在夹送辊上方安装的预设图像采集装置实时采集板带图像;
提取模块,用于将所述板带图像上传至工控机,提取所述板带图像对应像素坐标系下的第一图像信息;
转换模块,用于利用预先创建的标定模型将所述第一图像信息转换为世界坐标系下的第二图像信息;
调整模块,用于基于所述第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心。
优选地,所述预设图像采集装置包括相机组件、冷却外壳、过滤器、前端吹扫装置以及隔热层;
所述相机组件封装在所述冷却外壳中,所述冷却外壳由双层金属结构构成,在所述双层金属结构对应的夹层中注有流动水,所述冷却外壳内部注有压缩空气,所述过滤器安装在所述冷却外壳对应压缩空气的管路入口端,所述前端吹扫装置设置在所述冷却外壳前端,所述隔热层设置于所述冷却外壳的外部。
优选地,所述提取模块包括:
检测单元,用于利用边缘检测算法对所述板带图像进行边缘性检测;
确定单元,用于基于边缘性检测结果确定第一图像信息,所述第一图像信息对应像素坐标系下的带钢中心位置及边缘位置。
优选地,所述检测单元包括:
对所述板带图像进行数据平滑处理;
计算数据平滑处理后的所述板带图像的梯度信息,并根据所述图像梯度信息确定所述板带图像中包含的第一边缘像素点;
基于非极大值抑制从所述第一边缘像素点中筛选出第二边缘像素点;
利用双阈值法将所述第二边缘像素点划分为强边缘像素点、弱边缘像素点和极弱边缘像素点,并滤除所述极弱边缘像素点;
获取所述弱边缘像素点的八个邻域第二边缘像素点,若确定所述八个邻域第二边缘像素点中至少存在一个强边缘像素点,则将所述弱边缘像素点定义为强边缘像素点;
若确定所述八个邻域第二边缘像素点均不属于强边缘像素点,则滤除所述弱边缘像素点;
获取由所有所述强边缘像素点构成的边缘图像。
优选地,所述转换模块包括:
获取单元,用于获取基于预设标定板创建的标定模型;
转换单元,用于利用所述标定模型将所述图像坐标系中的所述第一图像信息转换为实际带钢中心位置对应的第二图像信息;
优选地,所述调整模块包括:
计算单元,用于根据所述第二图像信息中的实际带钢中心位置,计算辊道中心线与带钢中心线的偏差值;
调整单元,用于基于所述偏差值调整板带在辊道上的位置,以使带钢处于辊道中心。
借由上述技术方案,本申请提供的一种带钢偏移量的检测方法和装置,与目前带钢偏移量的检测装置相比,本申请可在夹送辊上方安装以面阵红外扫描相机为核心的预设图像采集装置,利用特殊结构的预设图像采集装置采集板带图像,可有效消除环境因素对图像采集造成的影响。之后可将采集到的板带图像上传至工控机,提取出板带图像对应像素坐标系下的第一图像信息,进一步利用预先创建的标定模型将第一图像信息转换为世界坐标系下的第二图像信息。最后,可基于第二图像信息实时调整板带在辊道上的位置,控制带钢处于辊道中心。在本申请中,可利用数字图像处理技术,实时监测运动带钢中线及边缘位置,确定辊道中心线与带钢中心线的偏差,从而为其自动化精确控制提供依据。自动控制系统可根据检测到的结果得到很好的控制,通过控制系统及机械设备调整板带位置,确保钢带在辊道上运行时的良好板型。从而避免在辊道上运动时带钢跑偏,出现镰刀弯,甚至于带钢运动过程中卡钢、断带、堆钢等现象的发生,从而保证生产节奏和经济效益。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本地申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种带钢偏移量的检测方法的流程示意图;
图2示出了本申请实施例提供的另一种带钢偏移量的检测方法的流程示意图;
图3示出了本申请实施例提供的带钢偏移量检测系统的通信拓扑结构示意图;
图4示出了本申请实施例提供的预设图像采集装置的结构示意图;
图5示出了本申请实施例提供的一种带钢偏移量的检测装置的结构示意图;
图6示出了本申请实施例提供的另一种带钢偏移量的检测装置的结构示意图。
具体实施方式
下文将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合。
为了解决由于带钢偏移量检测不准确,进而无法有效消除生产过程中带钢跑偏造成的影响,使生产效率较低的问题,本实施例提供了一种带钢偏移量的检测方法,如图1所示,该方法包括:
101、利用在夹送辊上方安装的预设图像采集装置实时采集板带图像。
对于本申请的执行主体可为带钢偏移量的检测系统,如图3所示,带钢偏移量的检测系统可包括图像采集模块1、工控机2、交换机3、纠偏模块4、PLC控制模块5;图像采集模块1设置于纠偏夹送辊上方,用于实时采集板带图像;通讯模块包括与解码器连接的长距离高抗干扰电缆,解码器与交换机3、工控机2通过网线连接,用于将图像采集模块1采集到的板带图像上传至工控机2;工控机2基于图像处理技术对板带图像进行处理,获取板带图像对应像素坐标系下的第一图像信息,并根据标定模型确定第一图像信息对应世界坐标系下的第二图像信息,将第二图像信息上传至PLC控制模块5;PLC控制模块5基于第二图像信息,通过调用纠偏模块4实时调整板带在辊道上的位置,以使带钢处于辊道中心。
102、将板带图像上传至工控机,提取板带图像对应像素坐标系下的第一图像信息。
其中,第一图像信息可对应像素坐标系下的带钢中心位置及边缘位置。
对于本实施例,在具体的应用场景中,可通过在工控机中基于数字图像处理技术编写软件,从而对获取到的板带图像进行处理,进一步获取得到像素坐标系下的图像中心及宽度。
103、利用预先创建的标定模型将第一图像信息转换为世界坐标系下的第二图像信息。
其中,第二图像信息可对应准确的带钢中心位置及边缘位置。
对于本实施例,在具体的应用场景中,可在完成相机及网络组态后,通过放置标定板进行标定,进一步确定标定模型。之后可根据建立的标定模型将像素坐标系的参数转为世界坐标系的结果,自动分析板带中心位置、边缘位置、镰刀弯、板带宽度等信息,运用数学计算补偿干扰因素的影响,计算出准确的带宽及中心位置。
104、基于第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心。
对于本实施例,在具体的应用场景中,可基于辊道中心位置以及带钢中心位置对板带进行调整,以使辊道中心位置和带钢中心位置重合,进而保证带钢处于辊道中心。
本实施例提供的一种带钢偏移量的检测方法,与目前带钢偏移量的检测装置相比,本申请可在夹送辊上方安装以面阵红外扫描相机为核心的预设图像采集装置,利用特殊结构的预设图像采集装置采集板带图像,可有效消除环境因素对图像采集造成的影响。之后可将采集到的板带图像上传至工控机,提取出板带图像对应像素坐标系下的第一图像信息,进一步利用预先创建的标定模型将第一图像信息转换为世界坐标系下的第二图像信息。最后,可基于第二图像信息实时调整板带在辊道上的位置,控制带钢处于辊道中心。在本申请中,可利用数字图像处理技术,实时监测运动带钢中线及边缘位置,确定辊道中心线与带钢中心线的偏差,从而为其自动化精确控制提供依据。自动控制系统可根据检测到的结果得到很好的控制,通过控制系统及机械设备调整铸带位置,确保钢带在辊道上运行时的良好板型。从而避免在辊道上运动时带钢跑偏,出现镰刀弯,甚至于带钢运动过程中卡钢、断带、堆钢等现象的发生,从而保证生产节奏和经济效益。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了说明上述实施例的具体实施过程,本实施例提供了另一种带钢偏移量的检测方法,如图2所示,该方法包括:
201、利用在夹送辊上方安装的预设图像采集装置实时采集板带图像。
在具体的应用场景中,在采集板带图像时,可存在以下问题:
a、在薄带铸轧或热连轧生产过程中,周围环境温度较高,板带温度在900~1100℃左右,同时由于热辐射的存在,来给仪表安装、电缆敷设等带巨大挑战。
b、生产过程中环境条件比较恶劣,雾、水汽、灰尘等对检测的干扰。
c、设备振动和机械校准对仪表检测带来的影响。
基于上述技术问题,在薄带铸轧生产过程中,为获得高质量的图像,减少环境光对成像质量的影响,可在夹送辊上方安装面阵红外扫描相机,该相机具有透光性强,减少雾、灰尘、水汽等的影响。由于板带温度较高,会发射出相对可见光250倍的近红外线,该相机可采集到板带与周围环境的高对比度图像。
为解决使用环境中所存在的技术问题,可设置如图4所示特殊结构的预设图像采集装置,其中预设图像采集装置可包括镜头保护套管11,隔热层12,相机组件13,过滤器14,后端盖15,内部进出线16,冷却外壳17,内部锁紧18,前端吹扫装置19。相机组件13封装在冷却外壳17中,冷却外壳17由双层金属结构构成,在双层金属结构对应的夹层中通入流动水进行冷却,冷却外壳17内部通有压缩空气进行冷却,该冷却外壳17对相机组件13本体起到良好的冷却作用,冷却外壳17内通入压缩空气进行循环冷却,既能实现对冷却外壳17内空气的路通,同时保证镜头表面的清洁,使得相机组件13能够安全稳定的在高温环境中长期运行,辐射热量也能够通过冷却水及冷却气体及时带走。同时冷却外壳17能起到防尘的作用,相机组件13不用经常性维护及清理。此外,过滤器14安装在冷却外壳17对应压缩空气的管路入口端,前端吹扫装置19设置在冷却外壳17前端,这将保证相机组件13整体在一个较低的温度下运行,同时在恶劣的条件下镜头表面时刻保持干净。为保证相机组件13能够在低温环境下运行,并减少机械振动对检测造成的影响,在冷却外壳17外部增加隔热层12,起到减震及隔热的作用。
202、利用边缘检测算法对板带图像进行边缘性检测。
在具体的应用场景中,为了排除不相关图像对板带图像中带钢区域检测结果的干扰,故需要制定相关的策略排除这种图像识别干扰,进而使检测出的结果更为准确,在本实施例中,可通过对板带图像进行边缘性检测,进而切除板带图像中带钢区域之外的部分,起到排除干扰的目的。
对于本实施例,为了对板带图像进行边缘性检测,实施例步骤202具体可以包括:对板带图像进行数据平滑处理;计算数据平滑处理后的板带图像的图像梯度信息,并根据图像梯度信息确定板带图像中包含的第一边缘像素点;基于非极大值抑制从第一边缘像素点中筛选出第二边缘像素点;利用双阈值法将第二边缘像素点划分为强边缘像素点、弱边缘像素点和极弱边缘像素点,并滤除极弱边缘像素点;获取弱边缘像素点的八个邻域第二边缘像素点,若确定八个邻域第二边缘像素点中至少存在一个强边缘像素点,则将弱边缘像素点定义为强边缘像素点;若确定八个邻域第二边缘像素点均不属于强边缘像素点,则滤除弱边缘像素点;获取由所有强边缘像素点构成的边缘图像。
其中,为了尽可能减少噪声对边缘检测结果的影响,所以必须滤除噪声以防止由噪声引起的错误检测。为了平滑图像,在具体的应用场景中,可使用高斯滤波器与板带图像进行卷积,以减少边缘检测器上明显的噪声影响。具体可为:计算板带图像中各个像素点对应的高斯卷积核;将高斯卷积核与板带图像中对应像素点进行卷积运算,以平滑板带图像。
相应的,图像梯度信息可包括经数据平滑处理后的板带图像中各个像素点的梯度信息及梯度方向。根据图像梯度信息确定板带图像中包含的第一边缘像素点的原理为:梯度的方向是函数f(x,y)变化最快的方向,当图像中存在边缘时,一定有较大的梯度强度,相反,当图像中有比较平滑的部分时,灰度值变化较小,则相应的梯度强度也较小。故根据图像梯度信息确定板带图像中包含的第一边缘像素点的方法可确定为:将目标检测图像中梯度强度大于预设梯度强度阈值的像素点确定为第一边缘像素点。其中,预设梯度强度阈值是预先根据实际需求进行设定的,梯度强度阈值越大,代表依据图像梯度信息提取出的边缘图像越清晰。
在具体的应用场景中,在基于图像梯度信息提取出的边缘图像仍然很模糊,故需要基于非极大值抑制进一步确定出准确的边缘图像,非极大值抑制可以将第一边缘像素点中局部最大值之外的所有梯度值抑制为0,通过抑制孤立的弱边缘最终完成边缘检测。具体可以包括:将第一边缘像素点的梯度强度与沿正负梯度方向上两个相邻第一边缘像素点的梯度强度进行比较;若第一边缘像素点的梯度强度大于两个相邻第一边缘像素点的梯度强度,则将第一边缘像素点确定为第二边缘像素点,进一步确定出第一边缘像素点中包含的所有第二边缘像素点。
相应的,在施加非极大值抑制之后,剩余的第二边缘像素点可以更准确地表示图像中的实际边缘。然而,仍然存在由于噪声和颜色变化引起的一些边缘像素。为了解决这些杂散响应,必须过滤掉具有弱梯度值的边缘像素,从而保留具有高梯度值的边缘像素。在本实施例中,可预先设定用于评判第二边缘像素点所属类别的高梯度阈值和低梯度阈值,其中,高梯度阈值和低梯度阈值的数值选择取决于给定输入图像的内容。利用双阈值法对第二边缘像素点进行属性划分且消除杂散响应的步骤具体为:若判定第二边缘像素点的梯度值大于或等于高梯度阈值,则将该第二边缘像素点标记为强边缘像素点;若判定第二边缘像素点的梯度值大于低梯度阈值且小于高梯度阈值,则将该第二边缘像素点标记为弱边缘像素点;若判定第二边缘像素点的梯度值小于或等于低梯度阈值,则将该第二边缘像素点标记为极弱边缘像素点,其中,极弱边缘像素点认定为由噪声和颜色变化引起的杂散响应;将第二边缘像素点中包含的所有极弱边缘像素点的灰度值置为0。
在具体的应用场景中,基于双阈值法划分出的强边缘像素点已经被确定为真实的边缘。然而,对于弱边缘像素点,仍存在一定争论,弱边缘像素点可以是从真实边缘提取的,也可以是由噪声或颜色变化引起的。为了获得准确的结果,应该抑制由噪声或颜色变化引起的弱边缘像素点。通常,由真实边缘引起的弱边缘像素点将连接到强边缘像素点,故该弱边缘像素点周围的八个第二边缘像素点中会存在与之连接的强边缘像素点,而由噪声响应引起的弱边缘像素点则不会连接到强边缘像素点,故该弱边缘像素点周围的八个第二边缘像素点中一定不会存在强边缘像素点,即噪声响应引起的弱边缘像素点周围全是弱边缘像素点。为了跟踪边缘连接,通过查看弱边缘像素点及其8个邻域像素,只要其中一个为强边缘像素点,则该弱边缘像素点就可以保留为真实的边缘。
相应的,若确定弱边缘像素点的8个邻域像素点均不属于强边缘像素点,则可说明该弱边缘像素点是由噪声或颜色变化引起的,故将该弱边缘像素点的灰度值置为0,实现对多余像素点的滤除。
在具体的应用场景中,在滤除了第二边缘像素点中的极弱边缘像素点以及由噪声或颜色变化引起的弱边缘像素点后,剩余的第二边缘像素点均为目标检测图像中的实际边缘,即可通过这些像素点构成整体的边缘图像。
203、基于边缘性检测结果确定第一图像信息,第一图像信息对应像素坐标系下的带钢中心位置及边缘位置。
对于本实施例,在具体的应用场景中,在获取得到带钢区域对应的截取图像后,可对带钢区域进行定量化表示,确定图像坐标系中值,进一步计算图像中心及宽度,从而确定出带钢中心位置及边缘位置。
204、获取基于预设标定板创建的标定模型。
对于本实施例,在具体的应用场景中,可在完成相机及网络组态后,运用设计的标定板进行标定,建立图像坐标系与世界坐标系的联系,通过对应的数据建立相应的数学模型。
205、利用标定模型将图像坐标系中的第一图像信息转换为实际带钢中心位置对应的第二图像信息。
对于本实施例,在具体的应用场景中,可根据标定过程中获得的数学模型将像素坐标系中的计算结果转换为实际值,进一步获取得到实际带钢中心位置及偏移量等信息。
206、根据第二图像信息中的实际带钢中心位置,计算辊道中心线与带钢中心线的偏差值。
其中,偏差值用于标识带钢偏移量,偏差值越大,表示带钢偏移量越大。
207、基于偏差值调整板带在辊道上的位置,以使带钢处于辊道中心。
在具体的应用场景中,可将辊道中心线作为基准线,通过调整板带在辊道上的位置,进一步使带钢中心线与辊道中心线重合,即偏差值近似为0。
具体的,可通过以太网将第二图像信息传输给PLC控制模块,在PLC控制模块中,获取到实际带钢中心位置及偏移量等信息后,通过控制纠偏装置来对带钢进行调整,以辊道中心线与带钢中心线的偏差值作为调整量的依据,控制器中以该偏差值进行PID调节,保证带钢处于辊道中心位置。
作为一种优选方式,在获取得到实际带钢中心位置后,还可根据带钢位置及趋势做出一定预测,确定带钢运行路线。从而为后续板型优化提供基础,从而防止镰刀弯的出现,避免板带与机械设备间的碰撞,改善铸带跑偏的情况,保证生产的连续性,提高产品质量。
通过上述带钢偏移量的检测方法,可在夹送辊上方安装以面阵红外扫描相机为核心的预设图像采集装置,利用特殊结构的预设图像采集装置采集板带图像,可有效消除环境因素对图像采集造成的影响。之后可将采集到的板带图像上传至工控机,提取出板带图像对应像素坐标系下的第一图像信息,进一步利用预先创建的标定模型将第一图像信息转换为世界坐标系下的第二图像信息。最后,可基于第二图像信息实时调整板带在辊道上的位置,控制带钢处于辊道中心。在本申请中,可利用数字图像处理技术,实时监测运动带钢中线及边缘位置,确定辊道中心线与带钢中心线的偏差,从而为其自动化精确控制提供依据。自动控制系统可根据检测到的结果得到很好的控制,通过控制系统及机械设备调整铸带位置,确保钢带在辊道上运行时的良好板型。从而避免在辊道上运动时带钢跑偏,出现镰刀弯,甚至于带钢运动过程中卡钢、断带、堆钢等现象的发生,从而保证生产节奏和经济效益。
进一步的,作为图1和图2所示方法的具体体现,本申请实施例提供了一种带钢偏移量的检测装置,如图5所示,该装置包括:采集模块31、提取模块32、转换模块33、调整模块34。
采集模块31,可用于利用在夹送辊上方安装的预设图像采集装置实时采集板带图像;
提取模块32,可用于将板带图像上传至工控机,提取板带图像对应像素坐标系下的第一图像信息;
转换模块33,可用于利用预先创建的标定模型将第一图像信息转换为世界坐标系下的第二图像信息;
调整模块34,可用于基于第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心。
在具体的应用场景中,预设图像采集装置可包括相机组件、冷却外壳、过滤器、前端吹扫装置以及隔热层;相机组件封装在冷却外壳中,冷却外壳由双层金属结构构成,在双层金属结构对应的夹层中注有流动水,冷却外壳内部注有压缩空气,过滤器安装在冷却外壳对应压缩空气的管路入口端,前端吹扫装置设置在冷却外壳前端,隔热层设置于冷却外壳的外部。
在具体的应用场景中,为了提取得到像素坐标系下的第一图像信息,如图6所示,提取模块32包括:检测单元321、确定单元322;
检测单元321,可用于利用边缘检测算法对板带图像进行边缘性检测;
确定单元322,可用于基于边缘性检测结果确定第一图像信息,第一图像信息对应像素坐标系下的带钢中心位置及边缘位置。
相应的,为了对板带图像进行边缘性检测,获取得到边缘性检测结果,检测单元321,具体可用于:对板带图像进行数据平滑处理;计算数据平滑处理后的板带图像的图像梯度信息,并根据图像梯度信息确定板带图像中包含的第一边缘像素点;基于非极大值抑制从第一边缘像素点中筛选出第二边缘像素点;利用双阈值法将第二边缘像素点划分为强边缘像素点、弱边缘像素点和极弱边缘像素点,并滤除极弱边缘像素点;获取弱边缘像素点的八个邻域第二边缘像素点,若确定八个邻域第二边缘像素点中至少存在一个强边缘像素点,则将弱边缘像素点定义为强边缘像素点;若确定八个邻域第二边缘像素点均不属于强边缘像素点,则滤除弱边缘像素点;获取由所有强边缘像素点构成的边缘图像。
在具体的应用场景中,为了将第一图像信息转换为世界坐标系下的第二图像信息,如图6所示,转换模块33包括:获取单元331、转换单元332;
获取单元331,可用于获取基于预设标定板创建的标定模型;
转换单元332,可用于利用标定模型将图像坐标系中的第一图像信息转换为实际带钢中心位置对应的第二图像信息;
相应的,为了基于第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心,如图6所示,调整模块34包括:计算单元341、调整单元342;
计算单元341,可用于根据第二图像信息中的实际带钢中心位置,计算辊道中心线与带钢中心线的偏差值;
调整单元342,可用于基于偏差值调整板带在辊道上的位置,以使带钢处于辊道中心。
需要说明的是,本实施例提供的一种带钢偏移量的检测装置所涉及各功能单元的其它相应描述,可以参考图1至图2中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1和图2所示的带钢偏移量的检测方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景的方法。
基于上述如图1、图2所示的方法,以及图5、图6所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种计算机设备,具体可以为个人计算机、服务器、网络设备等,该实体设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的带钢偏移量的检测方法。
可选地,该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的计算机设备结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
非易失性可读存储介质中还可以包括操作系统、网络通信模块。操作系统是管理带钢偏移控制的实体设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现非易失性可读存储介质内部各组件之间的通信,以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本申请的技术方案,与目前现有技术相比,本申请可在夹送辊上方安装以面阵红外扫描相机为核心的预设图像采集装置,利用特殊结构的预设图像采集装置采集板带图像,可有效消除环境因素对图像采集造成的影响。之后可将采集到的板带图像上传至工控机,提取出板带图像对应像素坐标系下的第一图像信息,进一步利用预先创建的标定模型将第一图像信息转换为世界坐标系下的第二图像信息。最后,可基于第二图像信息实时调整板带在辊道上的位置,控制带钢处于辊道中心。在本申请中,可利用数字图像处理技术,实时监测运动带钢中线及边缘位置,确定辊道中心线与带钢中心线的偏差,从而为其自动化精确控制提供依据。自动控制系统可根据检测到的结果得到很好的控制,通过控制系统及机械设备调整铸带位置,确保钢带在辊道上运行时的良好板型。从而避免在辊道上运动时带钢跑偏,出现镰刀弯,甚至于带钢运动过程中卡钢、断带、堆钢等现象的发生,从而保证生产节奏和经济效益。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种带钢偏移量的检测方法,其特征在于,包括:
利用在夹送辊上方安装的预设图像采集装置实时采集板带图像;
将所述板带图像上传至工控机,提取所述板带图像对应像素坐标系下的第一图像信息;
利用预先创建的标定模型将所述第一图像信息转换为世界坐标系下的第二图像信息;
基于所述第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心。
2.根据权利要求1所述的方法,其特征在于,所述预设图像采集装置包括相机组件、冷却外壳、过滤器、前端吹扫装置以及隔热层;
所述相机组件封装在所述冷却外壳中,所述冷却外壳由双层金属结构构成,在所述双层金属结构对应的夹层中注有流动水,所述冷却外壳内部注有压缩空气,所述过滤器安装在所述冷却外壳对应压缩空气的管路入口端,所述前端吹扫装置设置在所述冷却外壳前端,所述隔热层设置于所述冷却外壳的外部。
3.根据权利要求1所述的方法,其特征在于,所述将所述板带图像上传至工控机,提取所述板带图像对应像素坐标系下的第一图像信息,具体包括:
利用边缘检测算法对所述板带图像进行边缘性检测;
基于边缘性检测结果确定第一图像信息,所述第一图像信息对应像素坐标系下的带钢中心位置及边缘位置。
4.根据权利要求3所述的方法,其特征在于,所述利用边缘检测算法对所述板带图像进行边缘性检测,具体包括:
对所述板带图像进行数据平滑处理;
计算数据平滑处理后的所述板带图像的图像梯度信息,并根据所述图像梯度信息确定所述板带图像中包含的第一边缘像素点;
基于非极大值抑制从所述第一边缘像素点中筛选出第二边缘像素点;
利用双阈值法将所述第二边缘像素点划分为强边缘像素点、弱边缘像素点和极弱边缘像素点,并滤除所述极弱边缘像素点;
获取所述弱边缘像素点的八个邻域第二边缘像素点,若确定所述八个邻域第二边缘像素点中至少存在一个强边缘像素点,则将所述弱边缘像素点定义为强边缘像素点;
若确定所述八个邻域第二边缘像素点均不属于强边缘像素点,则滤除所述弱边缘像素点;
获取由所有所述强边缘像素点构成的边缘图像。
5.根据权利要求3所述的方法,其特征在于,所述利用预先创建的标定模型将所述第一图像信息转换为世界坐标系下的第二图像信息,具体包括:
获取基于预设标定板创建的标定模型;
利用所述标定模型将所述图像坐标系中的所述第一图像信息转换为实际带钢中心位置对应的第二图像信息;
所述基于所述第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心,具体包括:
根据所述第二图像信息中的实际带钢中心位置,计算辊道中心线与带钢中心线的偏差值;
基于所述偏差值调整板带在辊道上的位置,以使带钢处于辊道中心。
6.一种带钢偏移量的检测装置,其特征在于,包括:
采集模块,用于利用在夹送辊上方安装的预设图像采集装置实时采集板带图像;
提取模块,用于将所述板带图像上传至工控机,提取所述板带图像对应像素坐标系下的第一图像信息;
转换模块,用于利用预先创建的标定模型将所述第一图像信息转换为世界坐标系下的第二图像信息;
调整模块,用于基于所述第二图像信息实时调整板带在辊道上的位置,以使带钢处于辊道中心。
7.根据权利要求6所述的装置,其特征在于,所述预设图像采集装置包括相机组件、冷却外壳、过滤器、前端吹扫装置以及隔热层;
所述相机组件封装在所述冷却外壳中,所述冷却外壳由双层金属结构构成,在所述双层金属结构对应的夹层中注有流动水,所述冷却外壳内部注有压缩空气,所述过滤器安装在所述冷却外壳对应压缩空气的管路入口端,所述前端吹扫装置设置在所述冷却外壳前端,所述隔热层设置于所述冷却外壳的外部。
8.根据权利要求6所述的装置,其特征在于,所述提取模块包括:
检测单元,用于利用边缘检测算法对所述板带图像进行边缘性检测;
确定单元,用于基于边缘性检测结果确定第一图像信息,所述第一图像信息对应像素坐标系下的带钢中心位置及边缘位置。
9.根据权利要求8所述的装置,其特征在于,所述检测单元包括:
对所述板带图像进行数据平滑处理;
计算数据平滑处理后的所述板带图像的图像梯度信息,并根据所述图像梯度信息确定所述板带图像中包含的第一边缘像素点;
基于非极大值抑制从所述第一边缘像素点中筛选出第二边缘像素点;
利用双阈值法将所述第二边缘像素点划分为强边缘像素点、弱边缘像素点和极弱边缘像素点,并滤除所述极弱边缘像素点;
获取所述弱边缘像素点的八个邻域第二边缘像素点,若确定所述八个邻域第二边缘像素点中至少存在一个强边缘像素点,则将所述弱边缘像素点定义为强边缘像素点;
若确定所述八个邻域第二边缘像素点均不属于强边缘像素点,则滤除所述弱边缘像素点;
获取由所有所述强边缘像素点构成的边缘图像。
10.根据权利要求8所述的装置,其特征在于,
所述转换模块包括:
获取单元,用于获取基于预设标定板创建的标定模型;
转换单元,用于利用所述标定模型将所述图像坐标系中的所述第一图像信息转换为实际带钢中心位置对应的第二图像信息;
所述调整模块包括:
计算单元,用于根据所述第二图像信息中的实际带钢中心位置,计算辊道中心线与带钢中心线的偏差值;
调整单元,用于基于所述偏差值调整板带在辊道上的位置,以使带钢处于辊道中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010749978.3A CN111915586A (zh) | 2020-07-30 | 2020-07-30 | 带钢偏移量的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010749978.3A CN111915586A (zh) | 2020-07-30 | 2020-07-30 | 带钢偏移量的检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111915586A true CN111915586A (zh) | 2020-11-10 |
Family
ID=73286748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010749978.3A Pending CN111915586A (zh) | 2020-07-30 | 2020-07-30 | 带钢偏移量的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915586A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801966A (zh) * | 2021-01-21 | 2021-05-14 | 北京科技大学设计研究院有限公司 | 一种热轧带钢跑偏的在线检测方法 |
CN113781506A (zh) * | 2021-08-06 | 2021-12-10 | 东北大学 | 一种带钢偏移量检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102357561A (zh) * | 2011-08-19 | 2012-02-22 | 北京金自天正智能控制股份有限公司 | 一种冷轧生产线上光电式纠偏控制系统的纠偏控制方法 |
JP2012108106A (ja) * | 2010-10-25 | 2012-06-07 | Jfe Steel Corp | 表面欠陥検査装置 |
CN207619552U (zh) * | 2017-09-06 | 2018-07-17 | 中国科学院金属研究所 | 一种定向凝固炉用中心加热和中央冷却装置 |
-
2020
- 2020-07-30 CN CN202010749978.3A patent/CN111915586A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012108106A (ja) * | 2010-10-25 | 2012-06-07 | Jfe Steel Corp | 表面欠陥検査装置 |
CN102357561A (zh) * | 2011-08-19 | 2012-02-22 | 北京金自天正智能控制股份有限公司 | 一种冷轧生产线上光电式纠偏控制系统的纠偏控制方法 |
CN207619552U (zh) * | 2017-09-06 | 2018-07-17 | 中国科学院金属研究所 | 一种定向凝固炉用中心加热和中央冷却装置 |
Non-Patent Citations (4)
Title |
---|
SALTRIVER: "Canny边缘检测", 《HTTPS://BLOG.CSDN.NET/SALTRIVER/ARTICLE/DETAILS/80545571》 * |
云时之间: "CV学习笔记(十四):边缘检测", 《HTTPS://ZHUANLAN.ZHIHU.COM/P/118634907》 * |
刘金东: "带钢表面质量在线检测与控制的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
张润: "基于双目立体视觉的带钢偏移测量系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801966A (zh) * | 2021-01-21 | 2021-05-14 | 北京科技大学设计研究院有限公司 | 一种热轧带钢跑偏的在线检测方法 |
CN112801966B (zh) * | 2021-01-21 | 2024-03-15 | 北京科技大学设计研究院有限公司 | 一种热轧带钢跑偏的在线检测方法 |
CN113781506A (zh) * | 2021-08-06 | 2021-12-10 | 东北大学 | 一种带钢偏移量检测方法及系统 |
CN113781506B (zh) * | 2021-08-06 | 2023-12-15 | 东北大学 | 一种带钢偏移量检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915586A (zh) | 带钢偏移量的检测方法和装置 | |
JP3603737B2 (ja) | 移動体追尾方法及びその装置 | |
JP4756660B2 (ja) | 画像処理装置および画像処理方法 | |
KR20180084085A (ko) | 얼굴 위치 추적 방법, 장치 및 전자 디바이스 | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN109063659B (zh) | 运动目标的检测与跟踪方法和系统 | |
CN104410830A (zh) | 一种基于视频烟雾检测的装置与方法 | |
CN104301596B (zh) | 一种视频处理方法及装置 | |
US9536321B2 (en) | Apparatus and method for foreground object segmentation | |
WO2018153150A1 (zh) | 视频图像3d降噪方法及装置 | |
JP2006229749A (ja) | 画像処理装置および画像処理方法 | |
KR20090043416A (ko) | 카메라 이동 영향을 검출하고 억제하는 감시 카메라 장치및 그 제어 방법 | |
CN103971343A (zh) | 基于相似像素点检测的图像降噪方法 | |
CN104796580B (zh) | 一种基于选择集成的实时稳像视频巡检系统 | |
CN109446978B (zh) | 基于凝视卫星复杂场景的飞机动目标跟踪方法 | |
CN110751669A (zh) | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及系统 | |
CN113814212B (zh) | 一种基于镜片模糊检测的前置镜片在线智能自清洗装置及其方法 | |
KR101735565B1 (ko) | 열 그림자를 제거할 수 있는 움직임 검출 시스템 및 방법 | |
CN112446254A (zh) | 人脸追踪的方法及相关装置 | |
CN113643206A (zh) | 一种奶牛呼吸情况检测方法 | |
WO2021109409A1 (zh) | 图像拍摄方法、装置、设备及存储介质 | |
WO2022247684A1 (zh) | 基站馈线检测方法、系统及相关装置 | |
KR101051390B1 (ko) | 감시카메라의 객체 정보 추정장치 및 방법 | |
CN114187282A (zh) | 一种基于图像分割的篦冷机料层厚度测量方法 | |
WO2017080236A1 (zh) | 图像处理方法及装置 |
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 |