CN113465497A - 一种克服水雾干扰的热轧带钢运动位置在线检测方法 - Google Patents
一种克服水雾干扰的热轧带钢运动位置在线检测方法 Download PDFInfo
- Publication number
- CN113465497A CN113465497A CN202010245721.4A CN202010245721A CN113465497A CN 113465497 A CN113465497 A CN 113465497A CN 202010245721 A CN202010245721 A CN 202010245721A CN 113465497 A CN113465497 A CN 113465497A
- Authority
- CN
- China
- Prior art keywords
- image
- strip steel
- water mist
- gray scale
- hot
- 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 71
- 239000010959 steel Substances 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 24
- 239000003595 mist Substances 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 22
- 230000000007 visual effect Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 10
- 238000010191 image analysis Methods 0.000 description 10
- 239000013307 optical fiber Substances 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 7
- 238000003825 pressing Methods 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- ZAGNMMRDHSEOPE-UHFFFAOYSA-N (2-chlorophenyl) n-methylcarbamate Chemical compound CNC(=O)OC1=CC=CC=C1Cl ZAGNMMRDHSEOPE-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005098 hot rolling Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 101000666730 Homo sapiens T-complex protein 1 subunit alpha Proteins 0.000 description 2
- 102100038410 T-complex protein 1 subunit alpha Human genes 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 101100206195 Arabidopsis thaliana TCP2 gene Proteins 0.000 description 1
- 101100260044 Arabidopsis thaliana TCP5 gene Proteins 0.000 description 1
- 101100536570 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) CCT2 gene Proteins 0.000 description 1
- 101100098979 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) CCT5 gene Proteins 0.000 description 1
- 101710117064 Trimethylamine corrinoid protein 1 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- 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
- G06T7/0002—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
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种克服水雾干扰的热轧带钢运动位置在线检测方法，将判断出受到水雾干扰所拍摄的图像，采用灰度线性拉升算法对该图像进行处理，调节该图像中带钢边缘图像的灰度，增加带钢边缘图像的动态范围，对比度得到扩展，使得带钢边缘图像清晰、特征明显。本发明采用灰度线性拉升算法，使在水雾环境下避免干扰，实现高精度检测钢带的运动位置，提高检测系统的可靠性和有效性，提高热轧产品质量和成材率。
Description
技术领域
本发明涉及热轧带钢位置在线检测技术，更具体地说，涉及一种克服水雾干扰的热轧带钢运动位置在线检测方法。
背景技术
热轧精扎运动带钢位置测量系统(BSPMS)是基于视觉检测和运动物体边缘检测技术。它主要由视觉图像获取系统和图像处理分析系统组成，如图1所示。
视觉图像获取系统是由四台高速高分辨率的工业数码相机、两台激光器、一台视觉图像控制器、六台千兆以太网光纤转发器组成。
视觉图像控制器是视觉图像获取系统的指挥中心，运行在嵌入式Linux3.0系统，具有上电自起动功能，被设计成无人值守工作模式。它有两个千兆以太网口，其中第一个scoket1(TCP1)通过千兆光纤收发器DGE872与图像数据分析处理计算机(IMAGE PC)的scoket5(TCP5)连接，用于接受来自IMAGE PC的各种控制参数和向IMAGE PC发送工业相机的工作状态和视觉图像获取系统的工作状况的信息，而第二个scoket2(TCP2)作为备用。
视觉图像控制器有四个高速12BIT AD转换器，转换速率达到200KS/S，其中AD1可接收4-20MA现场信号，连接至现场带钢运动速度；AD2连接至视觉图像获取系统控制柜内部温度传感器，检测视觉图像获取系统控制柜内工作温度；AD3、AD4备用。
视觉图像控制器有24路数字量输入，其编号为DI0-DI23，每路输入在电气和信道上隔离，并能承受1MHz开关频率，信号电平符合HTL标准。各路DI输入均经光电隔离连接到FPGA，在FPGA中为每路DI均配置了数字滤波器，虑除干扰信号，提高系统的抗EMC能力。视觉图像控制器的DI0-DI3与PLC的DO连接，其中DI0连接PLC DO的MEASURING START控制信号，DI1连接PLC DO的MEASURING STOP控制信号，控制工业相机的工作，DI2、DI3备用。视觉图像控制器的DI4-DI7连接1#工业相机的四个开关量输出，DI8-DI11连接2#工业相机的四个开关量输出，DI12-DI15连接3#工业相机的四个开关量输出，DI16-DI19连接4#工业相机的四个开关量输出，通过视觉图像控制器DI4-DI19可以获取四台工业相机的工作状态和故障信息。DI20-DI23可以获取两台激光器的工作状态和故障信息。视觉图像控制器将获取四台工业相机和两台激光器的工作状态机故障信息通过以太网(TCP1)送向图像分析处理计算机IMAGEPC。
视觉图像控制器有12路数字量输出，其编号为DO0-DO12，每路输出在电气和信道上隔离，并能承受500KHz开关频率。输出干节点可以承受DC24v0.2A负载。其中DO0、DO1连接到1#工业相机的DI输入，DO2、DO3连接到2#工业相机的DI输入，DO4、DO5连接到3#工业相机的DI输入，DO6、DO7连接到4#工业相机的DI输入，DO8-DO11控制四台工业相机电源，DO12、DO13控制两台起激光器工作，DO14、DO15控制两台激光器电源。四台工业相机工作控制信号受视觉图像控制器的高速同步周期计时器和高速同步工作计时器控制。高速同步周期计时器的计时时间是工业相机快门重复动作频率的倒数，高速同步工作计时器计时时间是工业相机快门动作持续时间。当工业相机被设置为APP模式时，高速同步工作计时器计时时间≤工业相机被设定的曝光时间/2；当工业相机被设置为I/O模式时，高速同步工作计时器计时时间＝工业相机被设定的曝光时间。
以太网光纤收发器的作用是将以太网线缆通过光纤收发器转换成光纤传输。
在视觉图像获取系统需要六台光纤收发器，其中1#-4#光纤收发器供四台工业相机所用，5#光纤收发器连接视觉图像控制器的TCP1，6#光纤收发器备用。
图像分析处理系统是由图像数据分析处理计算机(IMAGE PC)、CPMC系统数据库及数据库管理计算机(DB PC)和人机交流计算机(HMI PC)组成。图像分析处理系统各计算机担负的功能及数据流向如图2所示。
其中，图像数据分析处理计算机(IMAGE PC)在图像分析处理系统职能有：1、对来自CAMERA TCP1-4的图像按指定的算法进行计算分析，并把结果通过测量输出单元的AO输出至PLC的AI；2、对来自CAMERA TCP1-4的图像按指定的算法进行计算分析，并在屏上显示；3、以图表形式显示经分析处理的各种测量数据；4、实时显示来自各工业相机的测量数据；5、选择图像信息分析处理算法，根据卷钢亮度自动调节相机增益值；6、设置图像处理区域及标尺设定；7、设置相机的IP地址、和工作模式、根据卷钢亮度设定增益值；8、设定相机出发距离(两次触发间，卷钢运行距离)，由参数配置单元负责送至视觉图像控制器；9、读取相机工作状态和故障报警，通过相机状态单元中的处理经报警输出单元输出至PLC的DI；10、设定相机及激光器工作，由参数配置单元负责送至视觉图像控制器；11、手动操作相机，由远程控制单元负责送至视觉图像控制器；12、将图像信息、经算法分析处理后得到的测量数据通过测量输出单元进行量化处理、图像数据信息经图像信息单元和IMAGE PC获取的各种事件信息经报警和事件单元输出。通过以太网传送到DB PC和HMI PC。
CPMC系统数据库及数据库管理计算机(DB PC)在图像分析处理系统职能有：1、提供一个公共关系数据库存储各种测量数据、事件信息和图像；2、提供搜索引擎。
人机交流计算机(HMI PC)在图像分析处理系统职能有：1、实时显示来自各图像数据分析处理计算机IMAGE PC通过千兆以太网送来的图像信息、测量数据和事件信息；2、显示来自SCC的卷钢信息；3、显示各图像数据分析处理计算机IMAGE PC和工业相机的工作和通讯状况；4、配置图像分析处理系统内各功能计算机的以太网的IP地址和端口号。
热轧精扎运动带钢位置测量系统是直接安装在生产现场，即在运动带钢的上方进行在线检测，由于冷却水喷在高温炎热带钢上会产生热蒸汽，在带钢表面形成水雾，严重时，影响检测带钢边缘精确，使得所获取的图像上带钢边缘变得模糊不清，在图像上呈现的是带钢边缘层次不清，给带钢边沿准确定位带来困难。
发明内容
针对现有技术中存在的上述缺陷，本发明的目的是提供一种克服水雾干扰的热轧带钢运动位置在线检测方法，采用灰度线性拉升算法，使在水雾环境下避免干扰，实现高精度检测钢带的运动位置，提高检测系统的可靠性和有效性，提高热轧产品质量和成材率。
为实现上述目的，本发明采用如下技术方案：
一种克服水雾干扰的热轧带钢运动位置在线检测方法，将判断出受到水雾干扰所拍摄的图像，采用灰度线性拉升算法对该图像进行处理，调节该图像中带钢边缘图像的灰度，增加带钢边缘图像的动态范围，对比度得到扩展，使得带钢边缘图像清晰、特征明显。
所述检测方法具体步骤如下：
1)精轧带钢进入拍摄区域；
2)启动工业数码相机；
3)工业数码相机拍摄带钢边缘的图像；
4)将图像输入至图像处理分析系统，由图像处理分析系统对图像进行如下判断：
拍摄图像是否有水雾干扰，若是，则进入步骤5)；若否，则图像的原图像f(x，y)的灰度的范围正常，图像直接在图像处理分析系统中进行带钢边缘检测；
5)对图像中带钢边缘对象进行灰度拉伸；
6)图像处理分析系统再判断经过灰度拉伸后的图像是否够清晰，若是，则进入步骤7)；若否，则返回步骤5)；
7)将清晰的图像在图像处理分析系统中进行带钢边缘检测。
所述灰度拉伸具体如下：
f(x，y)的灰度的范围[a，b]，灰度拉伸后的图像g(x，y)的灰度范围线性的扩展至[c，d]，则对于图像中任意一点的灰度值f(x，y)灰度拉伸后为g(x，y)。
所述灰度拉伸的数学表达式如下：
g(x，y)＝(d-c)/(b-a)*[f(x，y)-a]+c
在上述的技术方案中，本发明所提供的一种克服水雾干扰的热轧带钢运动位置在线检测方法，具体以下几点有益效果：
1)对被检测带钢可以进行长期的无间断连续实时检测检测；
2)采用了自适应空间建模和自学习标定的设备，更具有实用性和可靠性；
3)采用了图像和检测数据库，用户可以通过数据库浏览界面，追述任何时间的钢带位置状况，给设备维修和调整带来便利。
附图说明
图1是热轧精扎运动带钢位置测量系统的构成示意图；
图2是图1中图像分析处理系统各计算机担负的功能及数据流向示意图；
图3是本发明检测方法的流程示意图；
图4是本发明检测方法中图像处理应用程序的界面示意图；
图5是本发明检测方法中图像处理工作站通信应用程序的界面示意图；
图6是本发明检测方法中人机界面交流HMI应用程序的界面示意图；
图7是本发明检测方法数据库浏览浏览查询应用程序的界面示意图。
具体实施方式
下面结合附图和实施例进一步说明本发明的技术方案。
如图3所示，本发明所提供的一种克服水雾干扰的热轧带钢运动位置在线检测方法，将判断出受到水雾干扰所拍摄的图像，采用灰度线性拉升算法对该图像进行处理，调节该图像中带钢边缘图像的灰度，增加带钢边缘图像的动态范围，对比度得到扩展，使得带钢边缘图像清晰、特征明显。
灰度线性拉升算法是图像增强技术的一种方法，它是把原图像灰度集中在某个很小区间，图像灰度层次欠佳，进行拉升，使其灰度得到扩展，图像层次得到丰富。
假定某个原图像受到水雾干扰，其灰度层次很差，只在[a，b]区间变化，且[a，b]区间很小。造成钢板边缘模糊，不利于检测。通过灰度拉升算法使新图像的灰度变化在[c，d]之间。一般要就[c，d]的区间是[a，b]区间的4倍以上。经灰度拉升后，图像灰度变化范围扩大，层次丰富，就能使带钢边缘清晰度得到改善。
本发明检测方法具体步骤如下：
1)精轧带钢进入拍摄区域；
2)启动工业数码相机；
3)工业数码相机拍摄带钢边缘的图像；
4)将图像输入至图像处理分析系统，由图像处理分析系统对图像进行如下判断：
拍摄图像是否有水雾干扰，若是，则进入步骤5)；若否，则图像的原图像f(x，y)的灰度的范围正常，图像直接在图像处理分析系统中进行带钢边缘检测；
5)对图像中带钢边缘对象进行灰度拉伸；
6)图像处理分析系统再判断经过灰度拉伸后的图像是否够清晰，若是，则进入步骤7)；若否，则返回步骤5)；
7)将清晰的图像在图像处理分析系统中进行带钢边缘检测。
灰度拉伸具体如下：
f(x，y)的灰度的范围[a，b]，灰度拉伸后的图像g(x，y)的灰度范围线性的扩展至[c，d]，则对于图像中任意一点的灰度值f(x，y)灰度拉伸后为g(x，y)。
灰度拉伸的数学表达式如下：
g(x，y)＝(d-c)/(b-a)*[f(x，y)-a]+c
原来模糊不清缺少层次的图像，经灰度拉伸处理后使得图像变得清晰有层次，改善了图像质量，带钢表面的水雾基本被清除，带钢边缘较清晰，提高了钢板边沿定位的准确度。
本发明检测方法的机械条件包括所有工业数码相机已经过位置标定。电器条件包括由图像数据分析处理计算机(IMAGE PC)、CPMC系统数据库及数据库管理计算机(DB PC)和人机交流计算机(HMI PC)组成的图像分析系统。
在图像数据分析处理计算机(IMAGE PC)上运行着三个应用程序：1、相机控制应用程序；2、图像处理应用程序；3、图像处理工作站通信应用程序。
其中，相机控制应用程序主要包括控制相机的工作模式(四台相机同步控制、单相机控制等)、相机触发方式(网络触发、电平触发或脉冲触发)、相机工作参数设置、工作操作、冷却器操作、连续触发、停止触发、更新曝光时间、数据操作、通道参数设置、测量值显示、服务器工作信息等。
图像处理应用程序，如图4所示，在界面的左上方有四个显示实时图像的窗口，在实时图像显示窗中的左上方是工作侧1#相机实时图像，左下方是工作侧2#相机实时图像，右上方是传动侧4#相机实时图像，右下方是传动侧3#相机实时图像。在每个图像显示子窗内都实时显示当前图形边沿的位置、背景灰度、相机工作温度。
界面的左下方是实时测量曲线显示，曲线用四种不同颜色表示，分别代表中心偏差、宽度偏差、工作侧高度偏差和传动侧高度偏差。曲线的X轴表示采集的长度个数，Y轴表示测量的数值。X轴、Y轴的坐标值随测量值和记录长度自动刷新。
界面的右上方显示程序运行状态。当没连上相机时显示“设备异常”；当连上相机，没按“运行”按钮时，显示“设备空闲”；当按下“运行”按钮后，程序进入实时测量状态，此时显示“测量中”；在测量状态下按下“停止”按钮，程序回到“空闲”状态；当按下“退出”按钮，程序正常安全退出；当按下“设置”按钮后，界面上弹出设置子窗口；设置子窗口，只有一个图像存盘间隔设置对话框，可以设置图像存盘间隔，默认为5，最小为3；一个“参数更新”按钮，当在Execl对钢板偏移参数修正保存后，须按此按钮，进行参数更新；界面的右侧中间是信息栏，程序运行中出现的各种状况均会在此显示，如相机断线重连、网络断开重连、存盘失败等等。
界面右下方是实时数据显示栏，共有六项：
1)钢板编号，显示正在测量的钢板编号，由PLC发来；
2)宽度，表示正在测量的钢板宽度，由PLC发来；
3)中心偏差，实时测量结果；
4)宽度偏差，实时测量结果；
5)工作侧偏差，实时测量结果；
6)传动侧偏差，实时测量结果；
***测量显示值的颜色与实时曲线显示的曲线颜色一一对应。
如图5所示，图像处理工作站通信应用程序是完成IMGPC图像处理程序与网络数据的传输和对测量数据结果进行量纲转换，并把经量纲转换后的数据进行数模转换，变成对应的4-20ma电流送至PLC。可以通过最小电流、最大电流、最小量程和最大量程来对各输出通道进行配置，配置后的参数，要按“更新”钮，将配置参数存盘。
人机交流计算机(HMI PC)上运行着两个应用程序：1、通讯管理程序HMI CWS；2、人机界面交流HMI应用程序。
通讯管理程序HMI CWS是图像分析系统数据交流的管理中心，具有以下几个职能：
1)管理各种数据和信息流向；
2)监控网络连接状态，发现问题，即及采取重连，并把信息送至HMI显示；
3)准确传送PLC发来的新板信息；
4)打包传送带钢实时测量数据至PLC和DB PC。
人机界面交流HMI应用程序的界面如图6所示，界面左方是钢板信息和设备状态显示，钢板信息由PLC送来。F4状态栏显示F4 IMGPC设备的工作状态，设备正常时对应的设备框打上钩。网络状态栏显示网络的连接状况，正常打钩。
界面中间是实时显示钢板中心偏差和宽度偏差的曲线，X轴和Y轴的坐标会跟随记录的幅值和长度自动刷新。
界面右侧是工作侧和传动侧偏差的实时情况，X轴和Y轴的坐标会跟随记录的偏差幅值和板宽自动刷新。
CPMC系统数据库及数据库管理计算机(DB PC)上运行着两个应用程序：1、数据库通讯应用程序；2、数据库浏览浏览查询应用程序。
数据库通讯应用程序具有以下几个职能：
1)接收HNI CWS送来的新板名；
2)接收HNI CWS送来已打包新板测量数据结果；
3)将新板测量数据结果以新板名为文件名存盘，供DB PC浏览查询。
数据库浏览浏览查询应用程序的界面如图7所示，在界面左侧上方是“数据库操作”栏，在操作栏上方显示正在被访问的数据库文件名，在“显示文件名”拦下，显时系统时间，对话框慵懒输入要找的数据文件名，日期、时间选择控件用来设置要寻找数据文件的时间。
在界面上有四个数据库数据加载按钮，分别为“加载数据”、“钢板号搜索”、“最近2小时”和“指定时间”，具体功能如下：
1)“加载数据”按下此按钮，程序将打开数据库文件夹，用户可以在打开的数据文件夹中选择要查询的数据文件，打开将数据呈现在界面上；
2)“最近2小时”按下此按钮，程序将最近2小时的数据文件呈现在搜索结果栏内，用户可以选择需要查询的数据文件，并打开。将数据呈现在界面上；
3)“钢板号搜索”在文件名对话框中输入要打开的数据文件名(钢板号)，按下此按钮，如文件名存在，则程序自动打开数据文件，并将数据呈现在界面上；如没输入文件名或输入文件名(钢板号)不存在，程序会报错；
4)“指定时间”在上面日期时间控件内输入要打开的数据文件的时间，程序将符合日期时间的前20个数据文件呈现在下面搜索结果栏内，用户可选择要打开的数据文件，数据将呈现在界面上。
在界面上有7个数据浏览操作按钮：
1)“自动”按下此按钮程序自动浏览，每个0.25s移动一个数据；
2)“首条”按下此按钮程序自动显示最前20条记录数据；
3)“末条”按下此按钮程序自动显示最后20条记录数据；
4)“上一页”向前移动20条记录；
5)“下一页”向后移动20条记录；
6)“上一条”向前移动1条记录；
7)“下一条”向后移动1条记录。
在界面中间有四个曲线显示窗，分别是中心偏移、宽度偏移、工作侧偏移和传动侧偏移，四个窗体内的曲线随着7个数据浏览按钮的操作，向前或向后移动，一幅界面显示20条数据。
在界面中部下方是四个测量数据的数值显示，显示的数据与曲线同步刷新。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (4)
1.一种克服水雾干扰的热轧带钢运动位置在线检测方法，其特征在于：将判断出受到水雾干扰所拍摄的图像，采用灰度线性拉升算法对该图像进行处理，调节该图像中带钢边缘图像的灰度，增加带钢边缘图像的动态范围，对比度得到扩展，使得带钢边缘图像清晰、特征明显。
2.如权利要求1所述的克服水雾干扰的热轧带钢运动位置在线检测方法，其特征在于：所述检测方法具体步骤如下：
1)精轧带钢进入拍摄区域；
2)启动工业数码相机；
3)工业数码相机拍摄带钢边缘的图像；
4)将图像输入至图像处理分析系统，由图像处理分析系统对图像进行如下判断：
拍摄图像是否有水雾干扰，若是，则进入步骤5)；若否，则图像的原图像f(x，y)的灰度的范围正常，图像直接在图像处理分析系统中进行带钢边缘检测；
5)对图像中带钢边缘对象进行灰度拉伸；
6)图像处理分析系统再判断经过灰度拉伸后的图像是否够清晰，若是，则进入步骤7)；若否，则返回步骤5)；
7)将清晰的图像在图像处理分析系统中进行带钢边缘检测。
3.如权利要求2所述的克服水雾干扰的热轧带钢运动位置在线检测方法，其特征在于：所述灰度拉伸具体如下：
f(x，y)的灰度的范围[a，b]，灰度拉伸后的图像g(x，y)的灰度范围线性的扩展至[c，d]，则对于图像中任意一点的灰度值f(x，y)灰度拉伸后为g(x，y)。
4.如权利要求3所述的克服水雾干扰的热轧带钢运动位置在线检测方法，其特征在于：所述灰度拉伸的数学表达式如下：
g(x，y)＝(d-c)/(b-a)*[f(x，y)-a]+c
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010245721.4A CN113465497B (zh) | 2020-03-31 | 2020-03-31 | 一种克服水雾干扰的热轧带钢运动位置在线检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010245721.4A CN113465497B (zh) | 2020-03-31 | 2020-03-31 | 一种克服水雾干扰的热轧带钢运动位置在线检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113465497A true CN113465497A (zh) | 2021-10-01 |
| CN113465497B CN113465497B (zh) | 2022-11-15 |
Family
ID=77865633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010245721.4A Active CN113465497B (zh) | 2020-03-31 | 2020-03-31 | 一种克服水雾干扰的热轧带钢运动位置在线检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113465497B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101224472A (zh) * | 2008-02-03 | 2008-07-23 | 东北大学 | 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 |
| KR20100128501A (ko) * | 2009-05-28 | 2010-12-08 | (주) 애인테크놀로지 | 철강공정 내부 크랙 및 중심편석 판정 방법 |
| CN103903230A (zh) * | 2014-03-28 | 2014-07-02 | 哈尔滨工程大学 | 一种视频图像海雾去除清晰化方法 |
| CN104515776A (zh) * | 2013-09-26 | 2015-04-15 | 宝钢新日铁汽车板有限公司 | 一种确定带钢表面缺陷位置的装置和方法 |
| CN105678731A (zh) * | 2014-11-17 | 2016-06-15 | 宝钢新日铁汽车板有限公司 | 一种识别带钢瓢曲的方法 |
| CN106391728A (zh) * | 2015-07-28 | 2017-02-15 | Posco公司 | 带钢位置测量装置、带钢跑偏控制装置及计算方法 |
| CN108562586A (zh) * | 2017-12-25 | 2018-09-21 | 西南石油大学 | 一种管道油水两相流相分布识别方法 |
| CN109614852A (zh) * | 2018-10-29 | 2019-04-12 | 昆山睿力得软件技术有限公司 | 一种基于图像处理的车灯检测技术 |
| CN109949292A (zh) * | 2019-03-20 | 2019-06-28 | 湖南镭目科技有限公司 | 一种带钢表面缺陷的检测方法及装置 |
| CN110033419A (zh) * | 2019-04-17 | 2019-07-19 | 山东超越数控电子股份有限公司 | 一种适应于舰基图像去雾的处理方法 |
-
2020
- 2020-03-31 CN CN202010245721.4A patent/CN113465497B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101224472A (zh) * | 2008-02-03 | 2008-07-23 | 东北大学 | 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 |
| KR20100128501A (ko) * | 2009-05-28 | 2010-12-08 | (주) 애인테크놀로지 | 철강공정 내부 크랙 및 중심편석 판정 방법 |
| CN104515776A (zh) * | 2013-09-26 | 2015-04-15 | 宝钢新日铁汽车板有限公司 | 一种确定带钢表面缺陷位置的装置和方法 |
| CN103903230A (zh) * | 2014-03-28 | 2014-07-02 | 哈尔滨工程大学 | 一种视频图像海雾去除清晰化方法 |
| CN105678731A (zh) * | 2014-11-17 | 2016-06-15 | 宝钢新日铁汽车板有限公司 | 一种识别带钢瓢曲的方法 |
| CN106391728A (zh) * | 2015-07-28 | 2017-02-15 | Posco公司 | 带钢位置测量装置、带钢跑偏控制装置及计算方法 |
| CN108562586A (zh) * | 2017-12-25 | 2018-09-21 | 西南石油大学 | 一种管道油水两相流相分布识别方法 |
| CN109614852A (zh) * | 2018-10-29 | 2019-04-12 | 昆山睿力得软件技术有限公司 | 一种基于图像处理的车灯检测技术 |
| CN109949292A (zh) * | 2019-03-20 | 2019-06-28 | 湖南镭目科技有限公司 | 一种带钢表面缺陷的检测方法及装置 |
| CN110033419A (zh) * | 2019-04-17 | 2019-07-19 | 山东超越数控电子股份有限公司 | 一种适应于舰基图像去雾的处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 何永辉等: "宝钢热轧带钢表面质量在线检测系统研发及应用", 《第二届钢材质量控制技术学术研讨会文集》, 2 March 2012 (2012-03-02) * |
| 陈志斌等: "灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用", 《红外与激光工程》, 30 September 2014 (2014-09-30) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113465497B (zh) | 2022-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7463945B2 (en) | Electronic fingerprints for machine control and production machines | |
| Wang et al. | Sensor fusion for online tool condition monitoring in milling | |
| CN112207482A (zh) | 一种用于焊接质量控制的多元信息监控和控制系统及方法 | |
| CN101315337B (zh) | 一种坯布表面疵点在线检测装置 | |
| CN110347124A (zh) | 利用了网络的诊断服务系统以及诊断方法 | |
| KR20070062909A (ko) | 모델 작성 장치 및 모델 작성 시스템 및 이상 검출 장치 | |
| CN101854505B (zh) | 在过程控制系统中用户显示器的数字视频记录和重放 | |
| RU2683151C1 (ru) | Устройство диагностики неисправностей и способ диагностики неисправностей | |
| CN102109841A (zh) | 参与涉及制造执行系统的过程的部件的动态装置监控系统 | |
| US11940357B2 (en) | System for predicting anomalies of machining | |
| CN113458157B (zh) | 一种适用热轧带钢位置检测装置的同步拍摄与传输方法 | |
| CN113465497B (zh) | 一种克服水雾干扰的热轧带钢运动位置在线检测方法 | |
| CN113538320A (zh) | 一种用于热轧带钢跑偏量检测的灰度自适应方法 | |
| US7587080B1 (en) | Image retention user interface | |
| CN114266286A (zh) | 一种焊接过程信息的在线检测方法及装置 | |
| CN106405130A (zh) | 一种自动化刚性测试系统及测试方法 | |
| CN116273735B (zh) | 一种用于点胶机运动控制系统 | |
| EP3514641A1 (en) | System to manage and monitor a plurality of numerical control machine tools | |
| CN202948288U (zh) | 一种基于金属带锯条颤振特性的锯切负载检测装置 | |
| CN115921548A (zh) | 一种带钢浪形在线检测系统 | |
| CN113458156B (zh) | 热轧精轧带钢位置的在线监测装置的标定方法 | |
| CN112974753B (zh) | 一种火焰清理机铸坯扒皮量在线测量与调节方法 | |
| CN114821025A (zh) | 一种基于深度学习的表计识别方法和系统 | |
| CN113284084A (zh) | 一种基于智能自控的双视觉设备故障诊断移动平台 | |
| CN110198471A (zh) | 异常识别方法、装置、智能设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |