CN114119712B - 一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法 - Google Patents
一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法 Download PDFInfo
- Publication number
- CN114119712B CN114119712B CN202111439536.XA CN202111439536A CN114119712B CN 114119712 B CN114119712 B CN 114119712B CN 202111439536 A CN202111439536 A CN 202111439536A CN 114119712 B CN114119712 B CN 114119712B
- Authority
- CN
- China
- Prior art keywords
- bar
- width
- black
- scale
- photo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005096 rolling process Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 title claims abstract description 14
- WTFXARWRTYJXII-UHFFFAOYSA-N iron(2+);iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[Fe+2].[Fe+3].[Fe+3] WTFXARWRTYJXII-UHFFFAOYSA-N 0.000 claims abstract description 10
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 52
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 claims description 44
- 229910052742 iron Inorganic materials 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 8
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 208000020673 hypertrichosis-acromegaloid facial appearance syndrome Diseases 0.000 abstract 1
- 238000013139 quantization Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法，以图像处理为基础，采用遍历搜索的方法，通过设定具体的灰度阈值，读取图片中棒材的边界坐标以及氧化铁皮黑带的边界坐标，通过坐标的比例以及棒材的实物半径，获取氧化铁皮黑带的宽度，进而实现棒材轧制中氧化铁皮黑带宽度的测量。通过上述方式可以实现氧化铁皮黑带的数据量化，大批量的该类，可以为工艺参数的制定、规律的寻找、相关大数据处理、机器学习等提供数据支撑。
Description
技术领域
本发明属于棒材轧制技术领域，具体涉及一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法。
背景技术
棒材轧制终轧孔型为圆形，棒材轧制末机架实际示意图如图1所示。当棒材在孔型中的纵向延伸（即宽展）过大时，如图1（b）所示，则材料会流动进入辊缝间隙，出现耳子缺陷（材料流动进入辊缝，导致圆形产品产生一个凸起，称为耳子缺陷）。纵向延伸（即宽展）过小时，则会出现直径不足的情况（如图1（c）所示）。也即在轧制过程中，棒材与空气接触的部分的宽度(如图1（a）中B所示，现场一般称为哈夫面的宽度)越小，越容易出现耳子缺陷，B越大，越容易出现直径不足的情况（评判的阈值设为Btar，与产品有关，可以根据终轧品的孔型直接计算出，并存储待调用）。
在生产中，一线人员根据经验，容易了解工艺参数对B的定性影响，比如，增加机架间张力会导致B变大，增大压下量会导致B变小等。但是他们很难定量知道具体的量化关系，尤其当现场有超过百种的钢种规格，温度在波动，机架在磨损等。采用神经网络训练解决多参数（自变量）问题，目前已经成为工业生产中常用的方式，上述问题也可以采用类似的方式进行解决。但是采用神经网络训练的前提是要有大量的数据样本，即需要告诉模型，什么样的工艺参数（比如钢种，压下量，温度，辊速比等），会导致多大的B值。
在轧制中，棒材接触空气的部分（即哈夫面，图1（a）中B对应的部分），其氧化铁皮并不会受到挤压剥落，并且会继续生长，而其他部位的氧化铁皮会挤压变形剥落，其外貌形状如图2所示，在棒材表面形成一条哈夫面氧化黑带。目前，在生产现场，氧化铁皮黑带的宽度一直以来只能靠师傅们用眼睛观察，定性知道大小，而无法具体定量，这种方法显然阻碍了相关工艺参数关系的更深入研究。
因此，寻求一种智能的、准确的测量哈夫面氧化黑带宽度的方法，将棒材表面氧化铁皮形成的“黑带”宽度作为一种数据测量反馈，为相关后续工艺参数的优化提供数据支撑，以期减少耳子缺陷、及减少尺寸超限发生的概率。
发明内容
针对现有技术的不足，本发明的目的在于提供一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法，该方法以图像处理为基础，智能测量棒材轧制哈夫面氧化黑带宽度，本发明的方法可以为工艺参数的制定、规律的寻找、相关大数据处理、机器学习等提供数据支撑。
本发明是通过以下技术方案实现的：
一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法，包括以下步骤：
步骤一、利用高速相机，获取轧制后棒材照片，照片中，背景为黑色，灰度小于30，棒材呈灰白色，灰度为120~150，棒材中的黑带呈黑色，灰度小于70；
步骤二、读取照片数据，获取照片的高度HEIGHT和宽度WIDTH，并计算各点的RGB值和灰度值：
采用C#编程，利用C#语言的API函数，自动读取相机照片，并自动获取各点的RGB，并采用式（1）所示的形式，计算各点的灰度值；
Gray=0.299 * R + 0.587 * G + 0.114 * B （1）
同时采用C#语言的API函数，自动获取照片的宽度和高度大小，分别记为WIDTH和HEIGHT，单位均是像素；
步骤三、建立坐标系，获取照片中棒材的左右边界，在坐标系中标出：
以照片的宽度方向为横坐标，高度方向为纵坐标，建立坐标系；通过遍历搜索的方法，得到棒材的左侧边界横坐标XA、右侧边界的横坐标XC；
具体过程为：令纵坐标y从0至HEIGHT，逐像素变化，对于每一个y，均从左往右搜索，即令x从0至WIDTH逐像素变化，每次搜索到灰度值大于50的点，则记录该点横坐标，并停止本次搜索；其中，50为照片中棒材与背景的边界阈值，不同的图片，可以适当修正；
将y的值加1，继续重复执行上述搜索；
搜索完成后，将记录的所有横坐标求平均值，得到棒材的左侧边界横坐标XA；
采用相同的原理，在照片中，从右往左搜索，找到棒材的右侧边界的横坐标XC。
步骤四、获取照片中氧化铁皮黑带的左右边界：
在上述坐标系中，通过遍历搜索的方法，得到氧化铁皮黑带的左侧边界横坐标XD以及右侧边界的横坐标XE；
具体过程为：令纵坐标y从0至HEIGHT，逐像素变化，对于每一个y，均从左往右搜索，即令x从XA至XC逐像素变化，每次搜索到灰度值小于70的点，则记录该点横坐标，并停止本次搜索；其中，70为图中棒材与氧化铁皮黑带的边界阈值，不同的图片，可以适当修正；
将y的值加1，继续重复执行上述搜索；
搜索完成后，将记录的所有横坐标求平均值，得到氧化铁皮黑带的左侧边界横坐标XD；
采用相同的原理，在照片中，从右往左搜索，找到氧化铁皮黑带的右侧边界的横坐标XE。
步骤五、获取棒材实际半径Rbar，计算氧化铁皮黑带的理论宽度：
设氧化铁皮黑带理论宽度为WANA，采用式（2），计算其值
WANA=2Rbar*（XE - XD）/（XC - XA） （2）
步骤六、获取氧化铁皮黑带的修正宽度：
根据氧化铁皮中心与棒材中心的偏移距离，在[1,2.2)之间进行线性插值，求其修正系数α，得到修正的氧化铁皮宽度为α*WANA，实现棒材轧制哈夫面氧化黑带宽度的测量。
求修正系数α的过程具体为：
由于轧辊偏移，导致氧化铁皮黑带不在视图中心时，需求其修正系数；当氧化铁皮的边缘为棒材边缘，即点C和点E重合， 此种情况真实的氧化铁皮黑带宽度应该在式（2）基础上放大2.2倍，即为2.2WANA，此时判断为无效图片，不处理；
当氧化铁皮中心与棒材中心重合时，WANA放大倍数为1倍，修正系数即为1；
根据氧化铁皮中心线和棒材中心线的偏移距离，在[1,2.2）之间，采用线性插值，求其修正系数。
本发明的有益效果为：
本发明以图像处理为基础，采用遍历搜索的方法，通过设定具体的灰度阈值，读取照片中棒材的边界坐标以及氧化铁皮黑带的边界坐标，通过坐标的比例以及棒材的实物半径，获取氧化铁皮黑带的宽度，进而实现棒材轧制中氧化铁皮黑带宽度的测量。
本发明实现将棒材表面氧化铁皮形成的“黑带”宽度作为一种数据测量反馈，为相关后续工艺参数的优化提供数据支撑，可减少耳子缺陷、及减少尺寸超限发生的概率。
本发明的方法可以为工艺参数的制定、规律的寻找、相关大数据处理、机器学习等提供数据支撑。
附图说明
图1为棒材轧制末机架剖视示意图；
图2为哈夫面氧化黑带实物图；
图3为氧化铁皮黑带示意图；
图4为氧化铁皮黑带中心偏移示意图；
图5为A点横坐标XA的具体求解操作流程图。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
步骤一、利用高速相机，获取轧制后棒材照片，照片中，背景为黑色，灰度小于30，棒材呈灰白色，灰度为120~150，棒材中的黑带呈黑色，灰度小于70；
步骤二、读取照片数据，获取照片的高度HEIGHT和宽度WIDTH，并计算各点的RGB值和灰度值：
采用C#编程，利用C#语言的API函数，自动读取相机照片，并自动获取各点的RGB，并采用式（1）所示的形式，计算各点的灰度值；
Gray=0.299 * R + 0.587 * G + 0.114 * B （1）
同时采用C#语言的API函数，自动获取照片的宽度和高度大小，分别记为WIDTH和HEIGHT，单位均是像素；
步骤三、建立坐标系，获取照片中棒材的左右边界，在坐标系中标出：
以照片的宽度方向为横坐标，高度方向为纵坐标，建立坐标系，如图3所示；通过遍历搜索的方法，得到棒材的左侧边界横坐标XA、右侧边界的横坐标XC；
具体过程为：令纵坐标y从0至HEIGHT，逐像素变化，对于每一个y，均从左往右搜索，即令x从0至WIDTH逐像素变化，每次搜索到灰度值大于50的点，则记录该点横坐标，并停止本次搜索；其中，50为照片中棒材与背景的边界阈值，不同的图片，可以适当修正；
将y的值加1，继续重复执行上述搜索；
搜索完成后，将记录的所有横坐标求平均值，得到棒材的左侧边界横坐标XA，其位置如图3中A点所示，求解横坐标XA的具体操作流程如图5所示；
采用相同的操作流程，在照片中，从右往左搜索，找到棒材的右侧边界的横坐标XC，其位置如图3中C点所示。
步骤四、获取照片中氧化铁皮黑带的左右边界：
在上述坐标系中，通过遍历搜索的方法，得到氧化铁皮黑带的左侧边界横坐标XD以及右侧边界的横坐标XE；
具体过程为：令纵坐标y从0至HEIGHT，逐像素变化，对于每一个y，均从左往右搜索，即令x从XA至XC逐像素变化，每次搜索到灰度值小于70的点，则记录该点横坐标，并停止本次搜索；其中，70为图中棒材与氧化铁皮黑带的边界阈值，不同的图片，可以适当修正；
将y的值加1，继续重复执行上述搜索；
搜索完成后，将记录的所有横坐标求平均值，得到氧化铁皮黑带的左侧边界横坐标XD，其位置如图3中D点所示；
采用相同的操作流程，在照片中，从右往左搜索，找到氧化铁皮黑带的右侧边界的横坐标XE，其位置如图3中E点所示。
步骤五、获取棒材实际半径Rbar，计算氧化铁皮黑带的理论宽度：
设氧化铁皮黑带理论宽度为WANA，采用式（2），计算其值
WANA=2Rbar*（XE - XD）/（XC - XA） （2）
步骤六、获取氧化铁皮黑带的修正宽度：
由于轧辊偏移，导致氧化铁皮黑带不在视图中心时，需求其修正系数；当氧化铁皮的边缘为棒材边缘，即点C和点E重合，如图4（b）所示，此种情况真实的氧化铁皮黑带宽度应该在式（2）基础上放大2.2倍，即为2.2WANA，此时判断为无效图片，不处理；
当氧化铁皮中心与棒材中心重合时，WANA放大倍数为1倍，修正系数即为1；
根据氧化铁皮中心线和棒材中心线的偏移距离，在[1,2.2）之间，采用线性插值，求其修正系数。
得到修正的氧化铁皮宽度为α*WANA，实现棒材轧制哈夫面氧化黑带宽度的测量。
Claims (4)
1.一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法，其特征在于，包括以下步骤：
步骤一、利用高速相机，获取轧制后棒材照片，照片中，背景为黑色，灰度小于30，棒材呈灰白色，灰度为120～150，棒材中的黑带呈黑色，灰度小于70；
步骤二、读取照片数据，获取照片的高度HEIGHT、宽度WIDTH以及各点的RGB值，并计算各点的灰度值：
采用C#编程，利用C#语言的API函数，自动读取相机照片，并自动获取各点的RGB，并采用式(1)所示的形式，计算各点的灰度值；
Gray＝0.299*R+0.587*G+0.114*B (1)
同时采用C#语言的API函数，自动获取照片的宽度和高度大小，分别记为WIDTH和HEIGHT，单位均是像素；
步骤三、建立坐标系，获取照片中棒材的左右边界，在坐标系中标出：
以照片的宽度方向为横坐标，高度方向为纵坐标，建立坐标系；通过遍历搜索的方法，得到棒材的左侧边界横坐标XA、右侧边界的横坐标XC；
步骤四、获取照片中氧化铁皮黑带的左右边界：
在上述坐标系中，通过遍历搜索的方法，得到氧化铁皮黑带的左侧边界横坐标XD以及右侧边界的横坐标XE；
步骤五、获取棒材实际半径Rbar，计算氧化铁皮黑带的理论宽度：
设氧化铁皮黑带理论宽度为WANA，采用式(2)，计算其值
WANA＝2Rbar*(XE-XD)/(XC-XA) (2)
步骤六、获取氧化铁皮黑带的修正宽度：
根据氧化铁皮中心与棒材中心的偏移距离，在[1,2.2)之间进行线性插值，求其修正系数α，得到修正的氧化铁皮宽度为α*WANA，实现棒材轧制哈夫面氧化黑带宽度的测量。
2.根据权利要求1所述的一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法，其特征在于：步骤三中，获取棒材左右边界得到具体过程为：
令纵坐标y从0至HEIGHT，逐像素变化，对于每一个y，均从左往右搜索，即令x从0至WIDTH逐像素变化，每次搜索到灰度值大于50的点，则记录该点横坐标，并停止本次搜索；其中，50为照片中棒材与背景的边界阈值，不同的照片适当修正；
将y的值加1，继续重复执行上述搜索；
搜索完成后，将记录的所有横坐标求平均值，得到棒材的左侧边界横坐标XA；
采用相同的原理，在照片中，从右往左搜索，找到棒材的右侧边界的横坐标XC。
3.根据权利要求1所述的一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法，其特征在于：步骤四中，获取氧化铁皮黑带左右边界的具体过程为：
令纵坐标y从0至HEIGHT，逐像素变化，对于每一个y，均从左往右搜索，即令x从XA至XC逐像素变化，每次搜索到灰度值小于70的点，则记录该点横坐标，并停止本次搜索；其中，70为照片中棒材与氧化铁皮黑带的边界阈值，不同的照片适当修正；
将y的值加1，继续重复执行上述搜索；
搜索完成后，将记录的所有横坐标求平均值，得到氧化铁皮黑带的左侧边界横坐标XD；
采用相同的原理，在照片中，从右往左搜索，找到氧化铁皮黑带的右侧边界的横坐标XE。
4.根据权利要求1所述的一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法，其特征在于：步骤六中，求修正系数α的过程具体为：
由于轧辊偏移，导致氧化铁皮黑带不在视图中心时，需求其修正系数；当氧化铁皮的边缘为棒材边缘，即点C和点E重合，此种情况真实的氧化铁皮黑带宽度应该在式(2)基础上放大2.2倍，即为2.2WANA，此时判断为无效图片，不处理；
当氧化铁皮中心与棒材中心重合时，WANA放大倍数为1倍，修正系数即为1；
根据氧化铁皮中心线和棒材中心线的偏移距离，在[1,2.2)之间，采用线性插值，求其修正系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111439536.XA CN114119712B (zh) | 2021-11-30 | 2021-11-30 | 一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111439536.XA CN114119712B (zh) | 2021-11-30 | 2021-11-30 | 一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114119712A CN114119712A (zh) | 2022-03-01 |
| CN114119712B true CN114119712B (zh) | 2024-05-17 |
Family
ID=80368400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111439536.XA Active CN114119712B (zh) | 2021-11-30 | 2021-11-30 | 一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114119712B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001321829A (ja) * | 2000-05-18 | 2001-11-20 | Sumitomo Metal Ind Ltd | 鋼板の製造方法および製造装置 |
| JP4704511B1 (ja) * | 2010-09-29 | 2011-06-15 | エヌ・ティ・ティジーピー・エコ株式会社 | 線幅算出装置と算出方法並びに算出プログラム |
| CN104778684A (zh) * | 2015-03-06 | 2015-07-15 | 江苏大学 | 钢材表面异质型缺陷的自动测量、表征分类方法及其系统 |
| EP2957860A1 (en) * | 2013-04-01 | 2015-12-23 | Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) | Shape measuring device |
| CN112116619A (zh) * | 2020-09-16 | 2020-12-22 | 昆明理工大学 | 一种基于结构约束的多线结构光系统条纹中心线提取方法 |
| CN112313019A (zh) * | 2018-06-28 | 2021-02-02 | 杰富意钢铁株式会社 | 钢材非压下部宽度检测装置及其检测方法 |
-
2021
- 2021-11-30 CN CN202111439536.XA patent/CN114119712B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001321829A (ja) * | 2000-05-18 | 2001-11-20 | Sumitomo Metal Ind Ltd | 鋼板の製造方法および製造装置 |
| JP4704511B1 (ja) * | 2010-09-29 | 2011-06-15 | エヌ・ティ・ティジーピー・エコ株式会社 | 線幅算出装置と算出方法並びに算出プログラム |
| EP2957860A1 (en) * | 2013-04-01 | 2015-12-23 | Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) | Shape measuring device |
| CN104778684A (zh) * | 2015-03-06 | 2015-07-15 | 江苏大学 | 钢材表面异质型缺陷的自动测量、表征分类方法及其系统 |
| CN112313019A (zh) * | 2018-06-28 | 2021-02-02 | 杰富意钢铁株式会社 | 钢材非压下部宽度检测装置及其检测方法 |
| CN112116619A (zh) * | 2020-09-16 | 2020-12-22 | 昆明理工大学 | 一种基于结构约束的多线结构光系统条纹中心线提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于扫描式高温计的宽厚板轧件头部形状提取模型;祝夫文等;新乡学院学报;20180330;第35卷(第03期);55-57 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114119712A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114820773B (zh) | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 | |
| CN107578410B (zh) | 转辙机缺口图像自动识别方法 | |
| WO2001035050A1 (fr) | Procede pour mesurer la qualite d'un corps en forme de bande, procede de suppression de la cambrure, instrument pour mesurer la qualite d'un corps en forme de bande, machine de laminage et dispositif de rognage | |
| CN114549441B (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN112801966B (zh) | 一种热轧带钢跑偏的在线检测方法 | |
| CN114119712B (zh) | 一种基于图像处理的棒材轧制哈夫面氧化黑带宽度的测量方法 | |
| CN112801965A (zh) | 一种基于卷积神经网络的烧结皮带异物监测方法及系统 | |
| CN116630309A (zh) | 一种布匹断纬瑕疵检测方法 | |
| CN117232396B (zh) | 一种高速生产线产品质量视觉检测系统及方法 | |
| CN113112470A (zh) | 一种基于人工智能的冷轧过程钢材弯曲检测分析方法 | |
| CN107909573B (zh) | 金属工件环形表面刀纹检测方法及装置 | |
| CN112986277B (zh) | 一种热轧带钢精轧辊印的检测方法 | |
| CN116105606A (zh) | 一种钢铁宽厚板长度视觉测量系统和方法 | |
| CN114998354A (zh) | 基于图形滤波的钢带辊印检测方法 | |
| CN112361985B (zh) | 一种基于机器视觉的坯料弯曲度检测方法 | |
| CN111626946B (zh) | 用于高速物料传输视觉检测系统的运动模糊核测量方法 | |
| CN112313019B (zh) | 钢材非压下部宽度检测装置及其检测方法 | |
| CN108399184B (zh) | 一种钢材的表面处理方法 | |
| CN115090695B (zh) | 基于机器视觉的精轧机架间带钢尾部跑偏连续控制方法 | |
| CN117444458B (zh) | 一种用于焊接机器人的自动控制方法 | |
| CN112634344B (zh) | 一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法 | |
| CN115018798A (zh) | 一种基于深度学习的金属表面缺陷检测方法 | |
| CN117361083A (zh) | 一种重载码垛机输送链上型材位姿的检测方法及系统 | |
| CN118628489A (zh) | 基于机器视觉的包装盒烙封质量检测方法 | |
| CN118314358A (zh) | 一种橡胶卷曲用视觉测量系统 |
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 |