CN112200823A - 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 - Google Patents
一种基于机器视觉的热轧板坯头部翘曲特征检测方法 Download PDFInfo
- Publication number
- CN112200823A CN112200823A CN202011284815.9A CN202011284815A CN112200823A CN 112200823 A CN112200823 A CN 112200823A CN 202011284815 A CN202011284815 A CN 202011284815A CN 112200823 A CN112200823 A CN 112200823A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- plate blank
- pixel
- column
- 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 12
- 238000000034 method Methods 0.000 claims abstract description 68
- 239000002184 metal Substances 0.000 claims abstract description 18
- 238000005096 rolling process Methods 0.000 claims abstract description 17
- 238000003708 edge detection Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 6
- 230000001154 acute effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005098 hot rolling Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004804 winding 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
- G06T7/10—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
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30116—Casting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于机器视觉的热轧板坯头部翘曲特征检测方法,属于轧制技术领域;具体包括:1、在轧机推床外侧,设置1台热金属检测器和1台工业相机;2、以工业相机视野的辊道端部为基准,沿辊道轴向,进行像素标准长度标定;3、以板坯当前道次轧制方向为基准,当热金属检测器检测到热轧板坯头部时,截取工业相机当前时刻图像;4、对截取的热轧板坯图像进行预处理;5、采用图像上边缘探测方法,通过获取板坯图像曲线上边缘的轮廓的关键点,计算板坯翘曲特征参数。本发明方法针对热轧板坯头部翘曲特点,确定了翘曲特征参数,该参数量化了翘曲程度,为板坯的翘曲控制提供数据依据。
Description
技术领域
本发明属于轧制技术领域,具体涉及一种基于机器视觉的热轧板坯头部翘曲特征检测方法。
背景技术
板材在热轧过程中,由于板材上下表面延伸不等,钢板头部经常发生上翘或下扣,这种现象统称为钢板的翘曲。当板材头部下扣时,会冲击运输辊道造成辊道及辊道电机的损伤,严重时会插入辊道间隙;当板材头部上翘过高时,易损伤导卫装置,严重时发生缠辊;为保证板材能够顺利进入后续工序设备,通常增加平整轧制道次,而这样会影响产量。引起钢板翘曲的原因较多,如板材上下辊轧制线速度不同、轧制线高度、当前道次压下率、上下表面温差、轧辊的辊径差、上下辊电机特性、上下轧辊表面摩擦系数的差异等。
公开号为CN 102836883,名称为“一种板坯翘扣头控制方法”的发明专利公开了一种利用CCD摄像设备获取板坯头部形状曲线,根据曲线的单调性判断板坯翘头或扣头的状态,同时对曲线进行量化,计算出板坯头部端点和尾部端点的上下表面弧长偏差量;并根据弧长差计算出该道次轧机上下辊的辊速差,确定的后续道次的上、下辊速调整量。但是该专利中并没有阐述如何针对CCD摄像设备所拍摄的图片进行处理,获取板坯头部形状曲线。同时该专利通过计算板坯上下表面的弧长差来说明钢坯头部翘曲状态,也并不能完全描述板坯头部的翘曲程度。
公开号为CN101224472A,名称为“一种基于近红外图像的板材头部弯曲形状检测装置及方法”的发明专利采用骨架法处理图像,由于CCD摄像设备所获取的板坯图像包含板坯侧面和上表面部分,同时由于板坯骨架化获得的曲线无法在图像中进行标定,因此采用骨架法不能准确描述板坯头部翘曲程度,同时拟合的曲线较为复杂,不能明确的、量化的表述板坯头部翘曲特征。
发明内容
针对现有技术的不足,本发明根据获取板坯图像的特点,提供一种基于机器视觉的热轧板坯头部翘曲特征检测方法,通过实时处理热轧板坯头部翘曲图像,获取板坯头部翘曲特征参数,为热轧板坯头部翘曲的在线控制提供依据。
本发明采取如下技术方案:
一种基于机器视觉的热轧板坯头部翘曲特征检测方法,具体包括:
步骤1、在轧机推床外侧,设置1台热金属检测器和1台工业相机;热金属检测器与工业相机安放在同一侧,热金属检测器用于检测热轧板坯头部是否到达合适拍摄位置,该位置在热轧板坯头部到达工业相机成像范围的2/3处为最佳,如图1所示;
步骤2、以工业相机视野的辊道端部为基准,沿辊道轴向,进行像素标准长度标定;
步骤3、以板坯当前道次轧制方向为基准,当热金属检测器检测到热轧板坯头部时,截取工业相机当前时刻图像;
步骤4、对截取的热轧板坯图像进行预处理;
步骤5、采用图像上边缘探测方法,通过获取板坯图像曲线上边缘的轮廓的关键点,计算板坯翘曲特征参数。
所述基于机器视觉的热轧板坯头部翘曲特征检测方法,其中:
所述步骤4对截取的热轧板坯图像进行预处理,具体步骤如下:
步骤4-1、图像切割:根据板坯成像的大概区域,对截取的当前时刻图像进行切割,截取有效图像,减少干扰和计算量;
步骤4-2、图像二值化处理:首先计算截取的有效图像的灰度梯度分布直方图,确定图像灰度阈值,再根据该灰度阈值对图像进行二值化处理;
步骤4-3、异常图像滤除:二值图像中白色部分以数值“1”表示,黑色部分以数值“0”表示,白色部分即代表高温物体;具体步骤如下:
步骤4-3-1、首先对二值化处理后的图像,通过图像膨胀、腐蚀处理,细化板坯边缘图像;
步骤4-3-2、然后通过计算图像中各像素值为1部分图形的面积,仅保留面积最大的1值图形,其余图形的像素值均改设为0,过滤图像中不合理图形,最终获取待计算板坯图像。
所述步骤5采用图像上边缘探测方法,通过获取板坯图像曲线上边缘的轮廓的关键点,计算板坯翘曲特征参数,具体算法实现如下:
步骤5-1、获取目标图像的像素尺寸(a,b),其中a为像素宽度,b为像素高度,定义图片左上角起始点坐标为(1,1);
步骤5-2、寻找基点坐标;具体步骤如下:
步骤5-2-1、设xa为像素横坐标,yb为像素纵坐标;
步骤5-2-2、基点寻找采用遍历方法,以行为优先,逐列查询像素值为1的点,所查询到的第一个点即为基点;即从第1行、第1列起(此时xa=1,yb=1),从第1列到第b+1列(yb∈(1,b+1))对二值图像元素值进行逐一扫描,判断(xa,yb)处的像素值是否为1;
步骤5-2-3、如果(xa,yb)处的像素值为1,则标记当前坐标值为(xa0,yb0),并将该坐标作为图像基点坐标;如第1行遍历后,未发现像素值为1的点,则令xa=xa+1,yb=1,在第xa+1行重新遍历各列;直至寻找到第一个像素值为1的点;
步骤5-3、板坯翘曲方向判断;具体步骤如下:
步骤5-3-1、设要寻找的图像边缘点的个数为n,通常设n=3,以步骤5-2确定的基点(xa0,yb0)为起始点;
步骤5-3-2、从起始点所在列到第1列的范围内寻找并记录图像连续n个边缘点坐标;边缘点坐标判断方法采用遍历方法,以行为优先,由起始点当前列开始向列数减小的方向遍历,查找第1个坐标像素值为0的点;
步骤5-3-3、遍历搜寻到第1个像素值为0的点时,此0像素点的前一点即为图像边缘点,则记录该点坐标;以该点为新的起始点,从下一行起,根据步骤5-3-2的方法重新开始遍历寻找边缘点,直到寻找共n个边缘点为止;计算基点与各边缘点的斜率绝对值;
步骤5-3-4、计算n个斜率绝对值的平均值,标记为k;根据板坯头部成像的特点,判定斜率为ks,通常设ks=tg10°=0.18,k>0:
当k∈(0,ks),为下扣状态,跳转到步骤5-5;
步骤5-4、板坯上翘状态数据处理,判断低点和拐点,计算上翘高度和上翘角度;
步骤5-4-1、以步骤5-2确定的基点(xa0,yb0)为起始点,在第b0+1列至第b列(y∈(b0+1,b))范围内向列数增大的方向遍历图像边缘点,遍历方法与步骤5-2基点寻找方法相似,以列为优先,从第a0行开始向行数增加的方向遍历,当寻到像素值为1的点停止,并记录该点坐标;然后开始下一列遍历,直到某一列像素值全是0或遍历到第b列为止;
步骤5-4-2、计算起始点与遍历到的边缘点行差值的最大值d,此值即为翘曲高度像素;根据像素单位标定取单位像素长度q,则板坯上翘高度h=q×d;
步骤5-4-3、设偏移值p,由第b0+1列逐列顺序寻找距起始点a0行,行距为d-p的第一个边缘点,标记该点坐标为(ap,bp),同时设该点为板坯上翘拐点;计算(xa0,yb0)与(ap,bp)两点连线与水平线的夹角α,所述夹角α为锐角,该角即为板坯头部上翘角度;计算两点的距离l,根据像素单位标定取单位像素长度q,则板坯上翘的近似长度lp=q×l;
步骤5-5、板坯下扣状态数据处理,判断板头位置,计算下扣角度和下扣高度;
步骤5-5-1、以步骤5-2确定的基点(xa0,yb0)为查找起始点(x0,y0),在第1列至第b0列(y∈(1,b0))范围的图像边缘点内进行查找;
步骤5-5-2、查找方法与步骤5-3翘曲方向判断方法相似,以行为优先,由起始点当前列开始向列数减小的方向遍历,查找连续m个边缘点,并计算该起始点与各边缘点斜率绝对值的平均值k;
步骤5-5-3、判定斜率为ks,通常设ks=tg10°=0.18,k>0:
当k∈(0,ks),为下扣边缘,跳转到步骤5-5-4;
步骤5-5-4、取第y0-1列的边缘点作为新的起始点(x0,y0),则跳转到步骤5-5-2,继续新的遍历寻找;
步骤5-5-5、取当前起始点为板坯头部端点(xh,yh),取基点(xa0,yb0)为下扣拐点;计算(xa0,yb0)与(xh,yh)两点连线与水平线的夹角α,所述夹角α为锐角,该角即为板坯头部下扣角度;计算两点的距离l,根据像素单位标定取单位像素长度q,则板坯下扣的近似长度lp=q×l;计算两点行差d,此值即为下扣隆起高度像素;根据像素单位标定取单位像素长度q,则板坯下扣隆起高度h=q×d。
本发明优点:
(1)针对热轧板坯头部翘曲成像的特点,开发专用算法,方法简便快速,可以在线应用。
(2)针对热轧板坯头部翘曲特点,确定了翘曲特征参数,该参数量化了翘曲程度,为板坯的翘曲控制提供数据依据。
附图说明
图1本发明方法的工业相机、热金属检测器的安装位置示意图;其中:1-辊道,2-热轧板坯,3-工业相机,4-热金属检测器。
图2本发明的基于机器视觉的热轧板坯头部翘曲特征检测方法流程图。
图3本发明的板坯二值图像上边缘起始点判断流程图。
图4本发明的板坯二值图像翘曲方向判断流程图。
图5本发明的板坯二值图像上翘特征参数计算流程图。
图6本发明的板坯二值图像下扣特征参数计算流程图。
图7本发明实例1板坯上翘状态灰度图实例。
图8本发明实例1板坯上翘状态二值图实例。
图9本发明实例2板坯下扣状态灰度图实例。
图10本发明实例2板坯下扣状态二值图实例。
具体实施方式
在本发明实施例中,选用市场主流1000万CCD工业相机配滤片,摄像头POE供电无需外接电源;处理计算机选用市场主流商务机,摄像头通过POE交换机与计算机连接。热金属检测器选用国产品牌即可,温度范围700℃~1300℃。
结合附图7~10和具体实施方式进一步说明本发明方法。
实施例1
如图1~5,7~8所示,一种基于机器视觉的热轧板坯头部翘曲特征检测方法,包括以下步骤:
步骤1、在轧机推床外侧适当位置,设置1台热金属检测器和1台工业相机。热金属检测器触发信号位置为:热板坯头部到达监控摄像头拍摄视野的2/3处;
步骤2、以选取的工业相机视野的辊道端部为基准,沿辊道轴向,进行像素标准长度标定;
步骤3、以板坯当前道次轧制方向为基准,当热金属检测器检测到热轧板坯头部时,截取工业相机当前时刻图像;
步骤4、对截取的热轧板坯图像进行预处理,具体步骤如下:
步骤4-1、图像切割:根据板坯成像的大概区域,,对截取的当前时刻图像进行切割,截取有效图像,减少干扰和计算量;
步骤4-2、图像二值化处理:首先计算截取的有效图像的灰度梯度分布直方图,确定图像灰度阈值,再根据该灰度阈值对图像进行二值化处理;
步骤4-3、异常图像滤除:二值图像中白色部分以数值“1”表示,黑色部分以数值“0”表示,白色部分即代表高温物体;具体步骤如下:
步骤4-3-1、首先对二值化处理后的图像,通过图像膨胀、腐蚀处理,细化板坯边缘图像;
步骤4-3-2、然后通过计算图像中各像素值为1部分图形的面积,仅保留面积最大的1值图形,其余图形的像素值均改设为0,过滤图像中不合理图形,最终获取待计算板坯图像;
步骤5、采用图像上边缘探测方法,通过获取板坯图像曲线上边缘的轮廓的关键点,计算板坯翘曲特征参数,具体算法实现如下:
步骤5-1、获取目标图像的像素尺寸(601,256),其中601为像素宽度,256为像素高度,定义图片左上角起始点坐标为(1,1);
步骤5-2、寻找基点坐标;具体步骤如下:
步骤5-2-1、设xa为像素横坐标,yb为像素纵坐标;
步骤5-2-2、基点寻找采用遍历方法,以行为优先,逐列查询像素值为1的点,所查询到的第一个点即为基点;即从第1行、第1列起(此时xa=1,yb=1),从第1列到第b+1列(yb∈(1,b+1))对二值图像元素值进行逐一扫描,判断(xa,yb)处的像素值是否为1;
步骤5-2-3、如果(xa,yb)处的像素值为1,则标记当前坐标值为(xa0,yb0),并将该坐标作为图像基点坐标;如第1行遍历后,未发现像素值为1的点,则令xa=xa+1,yb=1,在第xa+1行重新遍历各列;直至寻找到第一个像素值为1的点;本实施例所判断基点坐标为(94,102);
步骤5-3、板坯翘曲方向判断;具体步骤如下:
步骤5-3-1、设要寻找的图像边缘点的个数为n,设n=3,以步骤5-2确定的基点(94,102)为起始点;
步骤5-3-2、从起始点所在列到第1列的范围内寻找并记录图像连续n=3个边缘点坐标;边缘点坐标判断方法让采用遍历方法,以行为优先,由起始点当前列开始向列数减小的方向遍历,查找第1个坐标像素值为0的点;
步骤5-3-3、遍历搜寻到第1个像素值为0的点时,此0像素点的前一点即为图像边缘,则记录该点坐标;以该点为新的起始点,从下一行起,根据步骤5-3-2的方法重新开始遍历寻找边缘点,直到寻找共n=3个边缘点为止,并计算得到相应的3个斜率绝对值;本实施例中3个坐标分别为(95,101),(96,101),(97,100),则3个斜率绝对值分别为:1,2,1.5;
步骤5-3-4、计算n=3个斜率绝对值的平均值k,得到k=1.5;根据板坯头部成像的特点,判定斜率为ks,设ks=tg10°=0.18,k>0:
步骤5-4、板坯上翘状态数据处理,判断低点和拐点,计算上翘高度和上翘角度;
步骤5-4-1、以步骤5-2确定的基点(94,102)为起始点,在第b0+1列至第b列(y∈(b0+1,b))范围内向列数增大的方向遍历图像边缘点,遍历方法与步骤5-2基点寻找方法相似,以列为优先,从第a0行开始向行数增加的方向遍历,当寻到像素值为1的点停止,并记录该点坐标;然后开始下一列遍历,直到某一列像素值全是0或遍历到第b列为止;
步骤5-4-2、计算起始点与遍历到的边缘点行差值的最大值d,此值即为翘曲高度像素;本实施例中边缘最低点行值为122行,d=122-94=28根据像素单位标定取单位像素长度q=2.5mm,则板坯上翘高度h=q×d=70mm;
步骤5-4-3、设偏移值p,由第b0+1列逐列顺序寻找距起始点a0行,行距为d-p的第一个边缘点,标记该点坐标为(ap,bp),同时设该点为板坯上翘拐点;计算(xa0,yb0)与(ap,bp)两点连线与水平线的夹角α,所述夹角α为锐角,该角即为板坯头部上翘角度;计算两点的距离l,根据像素单位标定取单位像素长度q,则板坯上翘的近似长度lp=q×l。本实施例中设p=5,则d-p=117,拐点的坐标为(117,226),计算α=10.5°;取q=2.5mm,则翘曲长度lp=315mm。
实施例2
如图1~4,6,9~10所示,一种基于机器视觉的热轧板坯头部翘曲特征检测方法,具体包括:
步骤1、在轧机推床外侧,设置1台热金属检测器和1台工业相机;热金属检测器与工业相机安放在同一侧,热金属检测器用于检测热轧板坯头部是否到达合适拍摄位置,该位置在热轧板坯头部到达工业相机成像范围的2/3处为最佳,如图1所示;
步骤2、以工业相机视野的辊道端部为基准,沿辊道轴向,进行像素标准长度标定;
步骤3、以板坯当前道次轧制方向为基准,当热金属检测器检测到热轧板坯头部时,截取工业相机当前时刻图像;
步骤4、对截取的热轧板坯图像进行预处理;具体步骤如下:
步骤4-1、图像切割:根据板坯成像的大概区域,对截取的当前时刻图像进行切割,截取有效图像,减少干扰和计算量;
步骤4-2、图像二值化处理:首先计算截取的有效图像的灰度梯度分布直方图,确定图像灰度阈值,再根据该灰度阈值对图像进行二值化处理;
步骤4-3、异常图像滤除:二值图像中白色部分以数值“1”表示,黑色部分以数值“0”表示,白色部分即代表高温物体;具体步骤如下:
步骤4-3-1、首先对二值化处理后的图像,通过图像膨胀、腐蚀处理,细化板坯边缘图像;
步骤4-3-2、然后通过计算图像中各像素值为1部分图形的面积,仅保留面积最大的1值图形,其余图形的像素值均改设为0,过滤图像中不合理图形,最终获取待计算板坯图像。
步骤5、采用图像上边缘探测方法,通过获取板坯图像曲线上边缘的轮廓的关键点,计算板坯翘曲特征参数,具体算法实现如下:
步骤5-1、获取目标图像的像素尺寸(368,91),其中368为像素宽度,91为像素高度,定义图片左上角起始点坐标为(1,1);
步骤5-2、寻找基点坐标;具体步骤如下:
步骤5-2-1、设xa为像素横坐标,yb为像素纵坐标;
步骤5-2-2、基点寻找采用遍历方法,以行为优先,逐列查询像素值为1的点,所查询到的第一个点即为基点;即从第1行、第1列起(此时xa=1,yb=1),从第1列到第b+1列(yb∈(1,b+1))对二值图像元素值进行逐一扫描,判断(xa,yb)处的像素值是否为1;
步骤5-2-3、如果(xa,yb)处的像素值为1,则标记当前坐标值为(xa0,yb0)(,并将该坐标作为图像基点坐标;如第1行遍历后,未发现像素值为1的点,则令xa=xa+1,yb=1,在第xa+1行重新遍历各列;直至寻找到第一个像素值为1的点;本实施例所判断基点坐标为(29,193);
步骤5-3、板坯翘曲方向判断;具体步骤如下:
步骤5-3-1、设要寻找的图像边缘点的个数为n=3,以步骤5-2确定的基点(29,193)为起始点;
步骤5-3-2、从起始点所在列到第1列的范围内寻找并记录图像连续n=3个边缘点坐标;边缘点坐标判断方法采用遍历方法,以行为优先,由起始点当前列开始向列数减小的方向遍历,查找第1个坐标像素值为0的点;
步骤5-3-3、遍历搜寻到第1个像素值为0的点时,此0像素点的前一点即为图像边缘点,则记录该点坐标;以该点为新的起始点,从下一行起,根据步骤5-3-2的方法重新开始遍历寻找边缘点,直到寻找共n=3个边缘点为止;计算基点与各边缘点的斜率绝对值;本实施例中3个坐标分别为(30,172),(31,156),(32,135),则3个斜率绝对值分别为:0.048,0.054,0.052;
步骤5-3-4、计算3个斜率绝对值的平均值k,得到k=0.051;根据板坯头部成像的特点,判定斜率为ks,通常设ks=tg10°=0.18,k>0:
k∈(0,ks),为下扣状态,跳转到步骤5-5;
步骤5-5、板坯下扣状态数据处理,判断板头位置,计算下扣角度和下扣高度;
步骤5-5-1、以步骤5-2确定的基点(29,193)为查找起始点(x0,y0),在第1列至第b0列(y∈(1,b0))范围的图像边缘点内进行查找;
步骤5-5-2、查找方法与步骤5-3翘曲方向判断方法相似,以行为优先,由起始点当前列开始向列数减小的方向遍历,查找连续m个边缘点,并计算该起始点与各边缘点斜率绝对值的平均值k;
步骤5-5-3、判定斜率为ks,通常设ks=tg10°=0.18,k>0:
当k∈(0,ks),为下扣边缘,跳转到步骤5-5-4;
本实施例中寻到的边缘点分别为(30,172),(31,156),(32,135),(33,121),(34,106),(35,103),(36,101);经计算可得点(33,121)的k值为0.1093,点(34,106)的k值为0.4111;因此确定点(34,106)为下扣头部边缘点;
步骤5-5-4、取第y0-1列的边缘点作为新的起始点(x0,y0),则跳转到步骤5-5-2,继续新的遍历寻找;
步骤5-5-5、取当前起始点为板坯头部端点(34,106),取基点(29,193)为下扣拐点;计算(29,193)与(34,106)两点连线与水平线的夹角α=3.3°,该角即为板坯头部下扣角度;计算两点的距离l=87,根据像素单位标定取单位像素长度q=9mm,则板坯下扣的近似长度lp=q×l=783mm;计算两点行差d=5,此值即为下扣隆起高度像素;根据像素单位标定取单位像素长度q,则板坯下扣隆起高度h=q×d=45mm。
Claims (4)
1.一种基于机器视觉的热轧板坯头部翘曲特征检测方法,其特征在于,包括以下步骤:
步骤1、在轧机推床外侧,设置1台热金属检测器和1台工业相机;热金属检测器与工业相机安放在同一侧,热金属检测器用于检测热轧板坯头部是否到达合适拍摄位置;
步骤2、以工业相机视野的辊道端部为基准,沿辊道轴向,进行像素标准长度标定;
步骤3、以板坯当前道次轧制方向为基准,当热金属检测器检测到热轧板坯头部时,截取工业相机当前时刻图像;
步骤4、对截取的热轧板坯图像进行预处理;
步骤5、采用图像上边缘探测方法,通过获取板坯图像曲线上边缘的轮廓的关键点,计算板坯翘曲特征参数。
2.根据权利要求1所述的基于机器视觉的热轧板坯头部翘曲特征检测方法,其特征在于,所述步骤1中所述的合适拍摄位置,该位置在热轧板坯头部到达工业相机成像范围的2/3处。
3.根据权利要求1所述的基于机器视觉的热轧板坯头部翘曲特征检测方法,其特征在于,所述步骤4对截取的热轧板坯图像进行预处理,具体步骤如下:
步骤4-1、图像切割:根据板坯成像的大概区域,对截取的当前时刻图像进行切割,截取有效图像,减少干扰和计算量;
步骤4-2、图像二值化处理:首先计算截取的有效图像的灰度梯度分布直方图,确定图像灰度阈值,再根据该灰度阈值对图像进行二值化处理;
步骤4-3、异常图像滤除:二值图像中白色部分以数值“1”表示,黑色部分以数值“0”表示,白色部分即代表高温物体;具体步骤如下:
步骤4-3-1、首先对二值化处理后的图像,通过图像膨胀、腐蚀处理,细化板坯边缘图像;
步骤4-3-2、然后通过计算图像中各像素值为1部分图形的面积,仅保留面积最大的1值图形,其余图形的像素值均改设为0,过滤图像中不合理图形,最终获取待计算板坯图像。
4.根据权利要求1所述的基于机器视觉的热轧板坯头部翘曲特征检测方法,其特征在于,所述步骤5采用图像上边缘探测方法,通过获取板坯图像曲线上边缘的轮廓的关键点,计算板坯翘曲特征参数,具体算法实现如下:
步骤5-1、获取目标图像的像素尺寸(a,b),其中a为像素宽度,b为像素高度,定义图片左上角起始点坐标为(1,1);
步骤5-2、寻找基点坐标;具体步骤为:
步骤5-2-1、设xa为像素横坐标,yb为像素纵坐标;
步骤5-2-2、基点寻找采用遍历方法,以行为优先,逐列查询像素值为1的点,所查询到的第一个点即为基点;即从第1行、第1列起,此时xa=1,yb=1,从第1列到第b+1列对二值图像元素值进行逐一扫描,判断(xa,yb)处的像素值是否为1;
步骤5-2-3、如果(xa,yb)处的像素值为1,则标记当前坐标值为(xa0,yb0),并将该坐标作为图像基点坐标;如第1行遍历后,未发现像素值为1的点,则令xa=xa+1,yb=1,在第xa+1行重新遍历各列;直至寻找到第一个像素值为1的点;
步骤5-3、板坯翘曲方向判断;具体步骤为:
步骤5-3-1、设要寻找的图像边缘点的个数为n,以步骤5-2确定的基点(xa0,yb0)为起始点;
步骤5-3-2、从起始点所在列到第1列的范围内寻找并记录图像连续n个边缘点坐标;边缘点坐标判断方法采用遍历方法,以行为优先,由起始点当前列开始向列数减小的方向遍历,查找第1个坐标像素值为0的点;
步骤5-3-3、遍历搜寻到第1个像素值为0的点时,此0像素点的前一点即为图像边缘点,则记录该点,计算基点与该点的斜率绝对值;同时以该点为新的起始点,从下一行起,根据步骤5-3-2的方法重新开始遍历寻找边缘点,直到寻找n个边缘点为止,并计算得到相应的n个斜率绝对值;
步骤5-3-4、计算n个斜率绝对值的平均值,标记为k;根据板坯头部成像的特点,判定斜率为ks,设ks=tg10°=0.18,k>0:
当k∈(0,ks),为下扣状态,跳转到步骤5-5;
步骤5-4、板坯上翘状态数据处理,判断低点和拐点,计算上翘高度和上翘角度;
步骤5-4-1、以步骤5-2确定的基点(xa0,yb0)为起始点,在第b0+1列至第b列范围内向列数增大的方向遍历图像边缘点,遍历方法与步骤5-2基点寻找方法相似,以列为优先,从第a0行开始向行数增加的方向遍历,当寻到像素值为1的点停止,并记录该点坐标;然后开始下一列遍历,直到某一列像素值全是0或遍历到第b列为止;
步骤5-4-2、计算起始点与遍历到的边缘点行差值的最大值d,此值即为翘曲高度像素;根据像素单位标定取单位像素长度q,则板坯上翘高度h=q×d;
步骤5-4-3、设偏移值p,由第b0+1列逐列顺序寻找距起始点a0行,行距为d-p的第一个边缘点,标记该点坐标为(ap,bp),同时设该点为板坯上翘拐点;计算(xa0,yb0)与(ap,bp)两点连线与水平线的夹角α,所述夹角α为锐角,该角即为板坯头部上翘角度;计算两点的距离l,根据像素单位标定取单位像素长度q,则板坯上翘的近似长度lp=q×l;
步骤5-5、板坯下扣状态数据处理,判断板头位置,计算下扣角度和下扣高度;
步骤5-5-1、以步骤5-2确定的基点(xa0,yb0)为查找起始点(x0,y0),在第1列至第b0列范围的图像边缘点内进行查找;
步骤5-5-2、查找方法与步骤5-3翘曲方向判断方法相似,以行为优先,由起始点当前列开始向列数减小的方向遍历,查找连续m个边缘点,并计算斜率绝对值的平均值k;
步骤5-5-3、判定斜率为ks,设ks=tg10°=0.18,k>0:
当k∈(0,ks),为下扣边缘,跳转到步骤5-5-4;
步骤5-5-4、取第y0-1列的边缘点作为新的起始点(x0,y0),则跳转到步骤5-5-2;
步骤5-5-5、取当前起始点为板坯头部端点(xh,yh),取基点(xa0,yb0)为下扣拐点;计算(xa0,yb0)与(xh,yh)两点连线与水平线的夹角α,所述夹角α为锐角,该角即为板坯头部下扣角度;计算两点的距离l,根据像素单位标定取单位像素长度q,则板坯下扣的近似长度lp=q×l;计算两点行差d,此值即为下扣隆起高度像素;根据像素单位标定取单位像素长度q,则板坯下扣隆起高度h=q×d。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011284815.9A CN112200823B (zh) | 2020-11-17 | 2020-11-17 | 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011284815.9A CN112200823B (zh) | 2020-11-17 | 2020-11-17 | 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200823A true CN112200823A (zh) | 2021-01-08 |
CN112200823B CN112200823B (zh) | 2024-03-29 |
Family
ID=74033883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011284815.9A Active CN112200823B (zh) | 2020-11-17 | 2020-11-17 | 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200823B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991426A (zh) * | 2021-05-06 | 2021-06-18 | 荣旗工业科技(苏州)股份有限公司 | 一种焊锡长度的视觉测量方法 |
CN113188484A (zh) * | 2021-04-16 | 2021-07-30 | 北京科技大学 | 一种热轧卷头部轮廓面积检测方法 |
CN115127479A (zh) * | 2022-09-02 | 2022-09-30 | 西安西动智能科技有限公司 | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20190039123A1 (en) * | 2016-02-02 | 2019-02-07 | Nippon Steel & Sumitomo Metal Corporation | Slab warpage detection apparatus and method of detecting warpage of slab |
CN111521129A (zh) * | 2020-04-20 | 2020-08-11 | 北京科技大学 | 基于机器视觉的板坯翘曲检测装置及方法 |
-
2020
- 2020-11-17 CN CN202011284815.9A patent/CN112200823B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20190039123A1 (en) * | 2016-02-02 | 2019-02-07 | Nippon Steel & Sumitomo Metal Corporation | Slab warpage detection apparatus and method of detecting warpage of slab |
CN111521129A (zh) * | 2020-04-20 | 2020-08-11 | 北京科技大学 | 基于机器视觉的板坯翘曲检测装置及方法 |
Non-Patent Citations (4)
Title |
---|
JIANLIANG S等: "Research on Edge Surface Warping Defect Diagnosis Based on Fusion Dimension Reduction Layer DBN and Contribution Plot Method", 《JOURNAL OF MECHANICS》, vol. 36, no. 6, pages 889 - 899 * |
ZAI-WEI LI等: "Identification of Temperature-Induced Deformation for HSR Slab Track Using Track Geometry Measurement Data", 《SENSORS》, vol. 19, no. 24, pages 1 - 19 * |
杨志强: "铝板热轧中间坯边部和头尾缺陷机器视觉检测", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 5, pages 022 - 373 * |
沈际海: "基于图像测量的热轧板坯翘扣头控制系统设计与实现", 《冶金自动化》, vol. 37, no. 6, pages 43 - 47 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113188484A (zh) * | 2021-04-16 | 2021-07-30 | 北京科技大学 | 一种热轧卷头部轮廓面积检测方法 |
CN112991426A (zh) * | 2021-05-06 | 2021-06-18 | 荣旗工业科技(苏州)股份有限公司 | 一种焊锡长度的视觉测量方法 |
CN115127479A (zh) * | 2022-09-02 | 2022-09-30 | 西安西动智能科技有限公司 | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112200823B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112200823A (zh) | 一种基于机器视觉的热轧板坯头部翘曲特征检测方法 | |
CN111521129B (zh) | 基于机器视觉的板坯翘曲检测装置及方法 | |
CN116452598B (zh) | 基于计算机视觉的车桥生产质量快速检测方法及系统 | |
JP4896828B2 (ja) | 形状検出方法及び形状検出装置 | |
CN115393354A (zh) | 一种激光切割缺陷识别方法 | |
CN114998322B (zh) | 基于计算机视觉的轧机智能控制方法及系统 | |
CN114126776A (zh) | 热轧钢带的蛇行控制方法、蛇行控制装置以及热轧设备 | |
JP6828730B2 (ja) | 圧延材の反り量測定方法及び反り量測定装置 | |
CN113469974B (zh) | 球团链篦机篦板状态监测方法及其监测系统 | |
JP5233372B2 (ja) | 鋼板の反り検出システム及び方法 | |
JP2003185419A (ja) | 反り形状計測方法及び装置 | |
CN116468665A (zh) | 一种辊底热处理炉钢板跑偏检测的方法 | |
JP2022181167A (ja) | 鋼板の形状判別方法、形状測定方法、形状制御方法、製造方法、形状判別モデルの生成方法、及び形状判別装置 | |
JP4337172B2 (ja) | エッジ検出方法、エッジ検出装置、及び記録媒体 | |
CN112986277B (zh) | 一种热轧带钢精轧辊印的检测方法 | |
JP4395057B2 (ja) | 帯状体や柱状体の周期疵検出方法およびその装置 | |
CN111079735B (zh) | 一种铸坯端面字符识别方法及装置 | |
JP7468481B2 (ja) | 鋼板の蛇行量推定モデルの生成方法、蛇行量推定方法、及び製造方法 | |
Macaire et al. | Flaw detection on galvanized metallic strips in real time by adaptive thresholding | |
JP7447874B2 (ja) | 鋼板の蛇行量推定モデルの生成方法、鋼板の蛇行量推定方法、鋼板の蛇行制御方法、及び鋼板の製造方法 | |
CN112862708B (zh) | 图像噪声的自适应识别方法、传感器芯片以及电子设备 | |
JP7222415B2 (ja) | 熱間圧延鋼帯の蛇行量測定装置及び熱間圧延鋼帯の蛇行量測定方法 | |
Jianzhao et al. | Width Measurement and Head Tail Shape Detection for Iron Slab using Machine Vision | |
CN116468664A (zh) | 一种辊底热处理炉钢板跑偏检测的系统 | |
JP2738252B2 (ja) | 画像による帯状材のエッジ検出装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |