CN113284117B - 一种钢卷松卷识别方法、系统、介质和终端 - Google Patents

一种钢卷松卷识别方法、系统、介质和终端 Download PDF

Info

Publication number
CN113284117B
CN113284117B CN202110595124.9A CN202110595124A CN113284117B CN 113284117 B CN113284117 B CN 113284117B CN 202110595124 A CN202110595124 A CN 202110595124A CN 113284117 B CN113284117 B CN 113284117B
Authority
CN
China
Prior art keywords
steel coil
image
laser
line
lines
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.)
Active
Application number
CN202110595124.9A
Other languages
English (en)
Other versions
CN113284117A (zh
Inventor
谢小东
刘斌
袁钰博
许怀文
刘璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CISDI Chongqing Information Technology Co Ltd
Original Assignee
CISDI Chongqing Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CISDI Chongqing Information Technology Co Ltd filed Critical CISDI Chongqing Information Technology Co Ltd
Priority to CN202110595124.9A priority Critical patent/CN113284117B/zh
Publication of CN113284117A publication Critical patent/CN113284117A/zh
Application granted granted Critical
Publication of CN113284117B publication Critical patent/CN113284117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/20—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
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

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

本发明提供一种钢卷松卷识别方法、系统、介质和终端，其方法包括，在预设监控点向钢卷侧面发射激光，使激光照射横向在钢卷侧面，呈一连续的激光线；采集包含所述激光线的钢卷图像；根据钢卷图像，获取激光线以及激光线的坐标信息；根据激光线的坐标信息预设的阈值进行对比，判断钢卷是否发生塔形；本发明通过激光照射钢卷侧面，采集带有激光线的钢卷图像，进而提取激光线，获取激光线各点坐标，并根据所获坐标判断钢卷是否发生塔形，另外，还可以根据所获相机与钢卷卷心夹角，计算钢卷塔形偏移距离，本发明可以识别钢卷侧面的激光线，提取激光线上各点坐标信息，并及时判断出钢卷发生塔形的情况，避免造成不必要的损失。

Description

一种钢卷松卷识别方法、系统、介质和终端
技术领域
本发明涉及钢铁领域、图像处理与识别领域和监控领域，尤其涉及一种钢卷松卷识别方法、系统、介质和终端。
背景技术
钢卷，又称卷钢。为了方便储存、运输以及进行各种加工，钢材热压、冷压成型为卷状，形成钢卷。随着产品质量的提升，用户对质量的要求也越来越高，在实际生产过程中，由于表面质量和外观原因有可能引起质量降等或其他质量异议问题。松卷是带钢在卷取生产中产生的钢卷层与层之间出现间隙的外观缺陷。松卷的存在不仅影响钢卷的外观形象、运输、存放和使用，而且还会引起铁皮氧化、板形变形等其他质量缺陷，增加生产成本，带来不必要的损失。
目前，在钢铁冶炼场景中，对钢卷松卷的判定主要依靠人工观察，存在效率低、准确率不高等问题，未能对钢卷松卷进行有效判定，不能保证钢卷在运输过程中处于正常的状态，无法较好地规避钢卷松卷的情况，容易造成不必要的损失。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种钢卷松卷识别方法、系统、介质和终端，以解决上述技术问题。
本发明提供的钢卷松卷识别方法，包括：
在预设点向钢卷侧面发射激光线，所述激光线覆盖钢卷最内层至最外层的端面；
采集包含所述激光线的钢卷图像；
通过预先建立的钢卷图像识别模型，提取所述钢卷图像中的激光线及激光线端点位置信息，进而获取激光线的状态；
若激光线的状态为处于同一水平线的激光线数量为一条，则判定钢卷正常，若所述处于同一水平线的数量激光线数量不止一条，则判定钢卷发生松动。
于本申请的一实施例中，所述激光线沿钢卷轴线方向在钢卷最内层表面呈一直线，对所述包含所述激光线的钢卷图像进行预处理，所述预处理包括获取所述钢卷图像中的激光线形成的若干线条及线条端点坐标，并进行筛选，获取所述钢卷图像中的激光线及激光线端点坐标。
于本申请的一实施例中，根据同一线条的起点坐标和终点坐标，获取所述同一线条的实际斜率，将所述实际斜率与预设的理想斜率进行对比，若对比结果在预设的偏差范围内，则判定所述同一线条为激光线，依次获取所有线条的实际斜率，并进行对比，完成筛选。
于本申请的一实施例中，所述激光线垂直于地面水平方向，根据任意两个激光线端点坐标的纵坐标差值，判断二者是否处于同一水平线，保留处于同一水平线的激光线及对应端点坐标：
Level(l)＝{(xbegin,ybegin),(xend,yend)}
其中，l表示线条数目，(xbegin,ybegin),(xend,yend)分别表示激光线的起点坐标和终点坐标；
当激光线条数不为1时，判断为钢卷松卷。
于本申请的一实施例中，所述预处理还包括：
对所述钢卷图像进行滤波处理，获取边缘提取及锐化增强后的图像；
对经滤波处理后的图像进行图像二值化处理，获取黑白图像；
通过对所述黑白图像进行膨胀处理，获取所述线条及线条端点坐标。
于本申请的一实施例中，所述滤波处理包括：
对所述钢卷图像进行边缘检测，获取所述钢卷图像中的边缘方向信息，进而获取边缘图像，所述边缘检测包括
获取所述钢卷图像的图像矩阵；
设定所述钢卷图像x、y轴方向上的3*3的卷积核G_x、G_y；
对图像像素进行卷积运算，获取梯度图像Gx、Gy，
Gx＝G_x*A
Gy＝G_y*A
其中，G_x、G_y为卷积核，A为图像矩阵；
对所获梯度图像进行叠加获得边缘图像，运算公式如下：
edge＝Gx(xk,yk)+Gy(xk,yk)
其中，(xk,yk)表示叠加像素点在梯度图像中的坐标。
于本申请的一实施例中，对所述黑白图像进行膨胀处理后，连接白色部分，检测图像中的白色线条，并提取所述白色线条上的端点，获取所述线条及线条端点坐标。
本发明还提供一种钢卷松卷识别系统，包括：
激光器，用于在预设点向钢卷侧面发射激光线，所述激光线覆盖钢卷最内层至最外层的端面；
图像采集模块，用于采集包含所述激光线的钢卷图像；
钢卷图像识别模型，用于提取所述钢卷图像中的激光线及激光线端点位置信息，进而获取激光线的状态；
若激光线的状态为处于同一水平线的激光线数量为一条，则判定钢卷正常，若所述处于同一水平线的数量激光线数量不止一条，则判定钢卷发生松动。
于本申请的一实施例中，还包括预处理模块，用于对所述包含所述激光线的钢卷图像进行预处理，所述预处理包括获取所述钢卷图像中的激光线形成的若干线条及线条端点坐标，并进行筛选，获取所述钢卷图像中的激光线及激光线端点坐标。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述中任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述中任一项所述方法。
本发明的有益效果：本发明中的钢卷松卷识别方法、系统、介质和终端，通过激光照射钢卷侧面，采集带有激光线的钢卷图像，进而提取激光线，获取激光线各点坐标，根据所获坐标判断同一水平线的激光线条数；基于所获同一水平线的激光线条数判断钢卷是否发生松卷。本发明能够通过采集的实时图像识别钢卷最内层的激光线，进而通过激光线条数，及时判断出钢卷处于松卷异常的情况，避免造成不必要的损失。
附图说明
图1是本发明实施例中的钢卷松卷识别方法的整体流程示意图。
图2是本发明实施例中的钢卷松卷识别方法的钢卷未松卷的效果示意图。
图3是本发明实施例中的钢卷松卷识别方法中钢卷松卷的效果示意图。
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。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
如图1所示，本实施例中的钢卷松卷识别方法，包括：
S1.在预设点向钢卷侧面发射激光线，所述激光线覆盖钢卷最内层至最外层的端面；
S2.采集包含所述激光线的钢卷图像；
S3.通过预先建立的钢卷图像识别模型，提取所述钢卷图像中的激光线及激光线端点位置信息，进而获取激光线的状态；
S4.若激光线的状态为处于同一水平线的激光线数量为一条，则判定钢卷正常，若所述处于同一水平线的数量激光线数量不止一条，则判定钢卷发生松动。
在本实施例中的步骤S1中，首先在规定位置架设激光发射装置，例如激光器，本实施例中的激光发射装置可以采用激光器，在钢卷侧面X米的位置放置激光器；打开激光器，令激光刚好照射在钢卷侧面；经过激光照射后，钢卷最内层出现一道清晰完整的激光线，本实施例中的激光线横切钢卷最内层。在本实施例中激光线沿钢卷轴线方向在钢卷最内层表面呈一直线，并且激光线垂直于地面水平方向发射。
在本实施例中的步骤S2中，通过图像采集设备对钢卷图像进行采集，本实施例中的图像采集设备可以采用最常见的相机，可选的，可以在激光器的位置旁安装相机，相机类型包括但不限于工业相机、网络相机；通过相机拍摄带有激光线的高清钢卷图像。
在本实施例中的步骤S3中，通过预先建立的钢卷图像识别模型，提取钢卷图像中的激光线及激光线端点位置信息，进而获取激光线的状态。在本实施例中，首先需要对钢卷图像进行预处理，图像预处理包括滤波处理，图像二值化，膨胀处理等操作，通过预处理后，获取钢卷图像中的激光线及激光线端点位置信息，在通过步骤S4，根据所获端点坐标判断同一水平线的激光线条数，判断同一水平位置的激光线条数。当激光线条数不为1时，判断为钢卷松卷。
在本实施例中，对包含所述激光线的钢卷图像进行预处理，预处理还包括获取钢卷图像中的激光线形成的若干线条及线条端点坐标，并进行筛选，获取钢卷图像中的激光线及激光线端点坐标。根据同一线条的起点坐标和终点坐标，获取同一线条的实际斜率，将所述实际斜率与预设的理想斜率进行对比，若对比结果在预设的偏差范围内，则判定所述同一线条为激光线，依次获取所有线条的实际斜率，并进行对比，完成筛选。
具体的，对钢卷图像进行滤波处理，包括高通滤波等，得到边缘提取及锐化增强后的图像，滤波处理的步骤包括：使用Sobel算子对图像进行边缘检测，得到所述图像中边缘方向信息，获取边缘图像；对边缘图像进行图像对比度增强，获取所述钢卷图像的图像矩阵，例如：设定所述图像x、y方向上的3*3的卷积核G_x、G_y；
对钢卷图像像素进行卷积运算，获取梯度图像Gx、Gy，运算公式如下：
Gx＝G_x*A
Gy＝G_y*A
其中G_x、G_y为卷积核，A为图像矩阵；
对所获梯度图像进行叠加获得边缘图像,运算公式如下：
edge＝Gx(xk,yk)+Gy(xk,yk)
其中，(xk,yk)表示叠加像素点在梯度图像中的坐标；
对滤波处理后的图像进行图像二值化操作，得到黑白图像，例如：设定阈值为kth；所述增强后图像像素值小于kth时设为1，大于k时设为0，得到黑白图像矩阵binary，条件表达式为：
if k＞kth binary＝0
if k＜kth binary＝1
其中k为所述增强后图像像素值；
对所述黑白图像进行膨胀处理，连接白色部分，得到图像预处理结果，例如：设定膨胀处理n×n大小的卷积核G；对所述黑白图像进行卷积运算，运算公式如下：
B′＝G*B；
其中，B为所述黑白图像矩阵，B＇为图像预处理结果。
在本实施例中，提取图像预处理结果中的线条及线条端点坐标，提取线条的步骤包括：检测所述预处理后图像中的白色线条，提取线条上端点，线条及其端点的表达式为：
Line(n)＝{(xbegin,ybegin),(xend,yend)}
其中，n为线条条数，(xbegin,ybegin)为线条起点坐标，(xend,yend)为线条终点坐标。
在本实施例中，对线条进行筛选得到激光线及激光线端点坐标，筛选得激光线的步骤包括：设定钢卷图像中激光线的理想斜率为βideal；根据端点，计算所述提取到的线条的实际斜率βn，计算公式如下：
β(n)＝(|yend-ybegin|)/(|xend-xbegin|)
其中，其中n为线条条数，(xbegin,ybegin)为线条起点坐标，(xend,yend)为线条终点坐标；
判断实际斜率βn与所述理想斜率βideal的差值是否在一定范围内；当实际斜率βn与理想斜率βideal的差值在一定范围内时，则判定线条为激光线线条，保留线条及其端点坐标，可选的，可以通过如下判断条件：
if|βn-βideal|<Δβ
其中，Δβ为实际斜率βn与所述理想斜率βideal的差值的变换范围；
在本实施例中，筛选得到激光线及其端点坐标表达式位为：
Laser(k)＝{(xbegin,ybegin),(xend,yend)}
其中，k表示激光线数目，(xbegin,ybegin),(xend,yend)表示激光线的起点坐标和终点坐标。
在本实施例中，根据激光线端点坐标判断同一水平线的激光线条数，判断同一水平位置的激光线条数的步骤包括：
设定阈值ΔY；计算所获激光线线条起点坐标纵坐标差值，当差值在设定阈值范围内时，判断为两端点在同一水平线，即激光线在同一水平线，可选的，可以通过如下条件表达式：
if[Laser(n)-Laser(n-1)]ybegin<ΔY
保留处于同一水平线的激光线及对应端点坐标，表达式为：
Level(l)＝{(xbegin,ybegin),(xend,yend)}
其中，l表示同一水平线的激光线数目，(xbegin,ybegin),(xend,yend)表示同一水平线的激光线的起点坐标和终点坐标。
在本实施例中，基于所获同一水平线的激光线条数判断钢卷是否发生松卷，判断松卷的步骤包括：当激光线条数不为1时，判断为钢卷松卷，可选的可以通过如下表达式：
if l＞1
其中，l为检测到的同一水平线的激光线条数。
相应地，本实施例还提供一种钢卷松卷识别系统，包括：
激光器，用于在预设点向钢卷侧面发射激光线，所述激光线覆盖钢卷最内层至最外层的端面；
图像采集模块，用于采集包含所述激光线的钢卷图像；
钢卷图像识别模型，用于提取所述钢卷图像中的激光线及激光线端点位置信息，进而获取激光线的状态；
若激光线的状态为处于同一水平线的激光线数量为一条，则判定钢卷正常，若所述处于同一水平线的数量激光线数量不止一条，则判定钢卷发生松动。
还包括预处理模块，用于对所述包含所述激光线的钢卷图像进行预处理，所述预处理包括获取所述钢卷图像中的激光线形成的若干线条及线条端点坐标，并进行筛选，获取所述钢卷图像中的激光线及激光线端点坐标。
本实施例中的钢卷松卷识别系统可以采用上述方法实施例中的工作方式进行工作，完成对钢卷松卷识别。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中，除非另外规定，否则通过使用“第一”、“第二”等序号对共同的对象进行描述，只表示其指代相同对象的不同实例，而非是采用表示被描述的对象必须采用给定的顺序，无论是时间地、空间地、排序地或任何其他方式。在上述实施例中，说明书对“本实施例”、“一实施例”、“另一实施例”、或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“本实施例”、“一实施例”、“另一实施例”的多次出现不一定全部都指代相同的实施例。
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例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，但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)

1.一种钢卷松卷识别方法，其特征在于，包括：
在预设点向钢卷侧面发射激光线，所述激光线覆盖钢卷最内层至最外层的端面；
采集包含所述激光线的钢卷图像；
通过预先建立的钢卷图像识别模型，提取所述钢卷图像中的激光线及激光线端点位置信息，进而获取激光线的状态，所述获取激光线的状态包括：对钢卷图像进行预处理，图像预处理包括滤波处理、图像二值化、膨胀处理，通过预处理后，获取钢卷图像中的激光线及激光线端点位置信息，根据所述端点位置信息判断同一水平线的激光线条数；
若激光线的状态为处于同一水平线的激光线数量为一条，则判定钢卷正常，若所述处于同一水平线的数量激光线数量不止一条，则判定钢卷发生松动。
2.根据权利要求1所述的钢卷松卷识别方法，其特征在于，所述激光线沿钢卷轴线方向在钢卷最内层表面呈一直线，对所述包含所述激光线的钢卷图像进行预处理，所述预处理包括获取所述钢卷图像中的激光线形成的若干线条及线条端点坐标，并进行筛选，获取所述钢卷图像中的激光线及激光线端点坐标。
3.根据权利要求2所述的钢卷松卷识别方法，其特征在于，根据同一线条的起点坐标和终点坐标，获取所述同一线条的实际斜率，将所述实际斜率与预设的理想斜率进行对比，若对比结果在预设的偏差范围内，则判定所述同一线条为激光线，依次获取所有线条的实际斜率，并进行对比，完成筛选。
4.根据权利要求2所述的钢卷松卷识别方法，其特征在于，所述激光线垂直于地面水平方向，根据任意两个激光线端点坐标的纵坐标差值，判断二者是否处于同一水平线，保留处于同一水平线的激光线及对应端点坐标：
Level(l)＝{(xbegin，ybegin)，(xend，yend)}
其中，l表示线条数目，(xbegin，ybegin)，(xend，yend)分别表示激光线的起点坐标和终点坐标；
当激光线条数不为1时，判断为钢卷松卷。
5.根据权利要求2所述的钢卷松卷识别方法，其特征在于，所述预处理还包括：
对所述钢卷图像进行滤波处理，获取边缘提取及锐化增强后的图像；
对经滤波处理后的图像进行图像二值化处理，获取黑白图像；
通过对所述黑白图像进行膨胀处理，获取所述线条及线条端点坐标。
6.根据权利要求5所述的钢卷松卷识别方法，其特征在于，所述滤波处理包括：
对所述钢卷图像进行边缘检测，获取所述钢卷图像中的边缘方向信息，进而获取边缘图像，所述边缘检测包括
获取所述钢卷图像的图像矩阵；
设定所述钢卷图像x、y轴方向上的3*3的卷积核G_x、G_y；
对图像像素进行卷积运算，获取梯度图像Gx、Gy，
Gx＝G_x*A
Gy＝G_y*A
其中，G_x、G_y为卷积核，A为图像矩阵；
对所获梯度图像进行叠加获得边缘图像，运算公式如下：
edge＝Gx(xk，yk)+Gy(xk，yk)
其中，(xk，yk)表示叠加像素点在梯度图像中的坐标。
7.根据权利要求5所述的钢卷松卷识别方法，其特征在于，对所述黑白图像进行膨胀处理后，连接白色部分，检测图像中的白色线条，并提取所述白色线条上的端点，获取所述线条及线条端点坐标。
8.一种钢卷松卷识别系统，其特征在于，包括
激光器，用于在预设点向钢卷侧面发射激光线，所述激光线覆盖钢卷最内层至最外层的端面；
图像采集模块，用于采集包含所述激光线的钢卷图像；
钢卷图像识别模型，用于提取所述钢卷图像中的激光线及激光线端点位置信息，进而获取激光线的状态，所述获取激光线的状态包括：对钢卷图像进行预处理，图像预处理包括滤波处理、图像二值化、膨胀处理，通过预处理后，获取钢卷图像中的激光线及激光线端点位置信息，根据所述端点位置信息判断同一水平线的激光线条数；
若激光线的状态为处于同一水平线的激光线数量为一条，则判定钢卷正常，若所述处于同一水平线的数量激光线数量不止一条，则判定钢卷发生松动。
9.根据权利要求8所述的钢卷松卷识别系统，其特征在于：
还包括预处理模块，用于对所述包含所述激光线的钢卷图像进行预处理，所述预处理包括获取所述钢卷图像中的激光线形成的若干线条及线条端点坐标，并进行筛选，获取所述钢卷图像中的激光线及激光线端点坐标。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法。
11.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述方法。
CN202110595124.9A 2021-05-28 2021-05-28 一种钢卷松卷识别方法、系统、介质和终端 Active CN113284117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110595124.9A CN113284117B (zh) 2021-05-28 2021-05-28 一种钢卷松卷识别方法、系统、介质和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110595124.9A CN113284117B (zh) 2021-05-28 2021-05-28 一种钢卷松卷识别方法、系统、介质和终端

Publications (2)

Publication Number Publication Date
CN113284117A CN113284117A (zh) 2021-08-20
CN113284117B true CN113284117B (zh) 2022-10-18

Family

ID=77282672

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110595124.9A Active CN113284117B (zh) 2021-05-28 2021-05-28 一种钢卷松卷识别方法、系统、介质和终端

Country Status (1)

Country Link
CN (1) CN113284117B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113284115B (zh) * 2021-05-28 2022-11-22 中冶赛迪信息技术(重庆)有限公司 一种钢卷塔形识别方法、系统、介质和终端
CN113570602B (zh) * 2021-09-24 2021-12-14 江苏昌存铜业有限公司 一种基于人工智能的热轧钢卷卷曲评估方法
CN114777673B (zh) * 2022-05-05 2023-05-23 中冶赛迪信息技术(重庆)有限公司 钢卷卷曲形态确定方法、系统、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111968103A (zh) * 2020-08-27 2020-11-20 中冶赛迪重庆信息技术有限公司 一种钢卷间距检测方法、系统、介质及电子终端
CN112733841A (zh) * 2020-12-30 2021-04-30 中冶赛迪重庆信息技术有限公司 钢卷内部紊乱判断方法、系统、设备及介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107570533B (zh) * 2017-08-18 2019-03-01 北京首钢自动化信息技术有限公司 一种用于消除钢卷塔型的动态控制装置及其方法
US10175615B1 (en) * 2017-09-08 2019-01-08 Kabushiki Kaisha Toshiba Transfer belt unit and image forming apparatus
CN110479794A (zh) * 2018-01-01 2019-11-22 四会市圆成机械科技有限公司 一种带钢卷塔形消除装置
CN109816645B (zh) * 2019-01-18 2020-11-17 创新奇智(广州)科技有限公司 一种钢卷松卷的自动检测方法
CN111340027A (zh) * 2020-03-05 2020-06-26 中冶赛迪重庆信息技术有限公司 一种堆钢识别方法、系统、电子设备及介质
CN111553950B (zh) * 2020-04-30 2023-04-18 中冶赛迪信息技术(重庆)有限公司 一种钢卷对中判断方法、系统、介质及电子终端
CN112365538B (zh) * 2020-10-13 2022-08-16 西安理工大学 一种自动上卷系统的高效目标检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111968103A (zh) * 2020-08-27 2020-11-20 中冶赛迪重庆信息技术有限公司 一种钢卷间距检测方法、系统、介质及电子终端
CN112733841A (zh) * 2020-12-30 2021-04-30 中冶赛迪重庆信息技术有限公司 钢卷内部紊乱判断方法、系统、设备及介质

Also Published As

Publication number Publication date
CN113284117A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN113284117B (zh) 一种钢卷松卷识别方法、系统、介质和终端
CN111815630B (zh) 一种用于lcd屏幕的缺陷检测方法、装置
JP6358351B1 (ja) 表面欠陥検査方法及び表面欠陥検査装置
CN110781885A (zh) 基于图像处理的文本检测方法、装置、介质及电子设备
CN106920233A (zh) 基于图像处理的划痕检测方法、装置及电子设备
CN113592886B (zh) 建筑图纸的审图方法、装置、电子设备及介质
CN113012157B (zh) 一种设备缺陷视觉检测方法及系统
US9519060B2 (en) Methods and systems for vehicle classification from laser scans using global alignment
CN111539238A (zh) 二维码图像修复方法、装置、计算机设备和存储介质
CN111582000A (zh) 一种条形码定位方法、装置及相关设备
CN112085721A (zh) 基于人工智能的水淹车定损方法、装置、设备及存储介质
CN115205297A (zh) 一种气动风动绞车的异常状态检测方法
CN114155363A (zh) 换流站车辆识别方法、装置、计算机设备和存储介质
CN113284115B (zh) 一种钢卷塔形识别方法、系统、介质和终端
CN112950594B (zh) 产品表面缺陷的检测方法、设备及存储介质
CN104268550A (zh) 特征提取方法及装置
CN106778844B (zh) 隧道内裂缝匹配方法和系统
CN104573698A (zh) 面向成像测量的图像纹理主方向识别方法
CN113239738B (zh) 一种图像的模糊检测方法及模糊检测装置
CN111753723B (zh) 一种基于密度校准的指纹识别方法及装置
EP2037407A1 (de) Verfahren zur Objekterfassung
CN110264531A (zh) 一种棋盘格角点的捉取方法、装置、系统及可读存储介质
CN115272984B (zh) 占道经营检测方法、系统、计算机及可读存储介质
JP2004151815A (ja) 特定領域抽出方法、特定領域抽出装置、特定領域抽出プログラム及びそのプログラムを記録した記録媒体
CN111784689B (zh) 多角度低对比度划痕提取方法、装置及存储介质

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: 20-24 / F, No.7 Longjing Road, North New District, Yubei District, Chongqing

Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant