CN114383506B - 一种基于红外技术的高速线材盘卷形状与位置检测方法 - Google Patents
一种基于红外技术的高速线材盘卷形状与位置检测方法 Download PDFInfo
- Publication number
- CN114383506B CN114383506B CN202210031709.2A CN202210031709A CN114383506B CN 114383506 B CN114383506 B CN 114383506B CN 202210031709 A CN202210031709 A CN 202210031709A CN 114383506 B CN114383506 B CN 114383506B
- Authority
- CN
- China
- Prior art keywords
- curve
- coil
- image
- original material
- shape
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 46
- 239000000463 material Substances 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 230000000007 visual effect Effects 0.000 claims description 24
- 238000001931 thermography Methods 0.000 claims description 13
- 239000013307 optical fiber Substances 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000009987 spinning Methods 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于红外技术的高速线材盘卷形状与位置检测方法，通过获取线材盘卷运输辊道上的原始物料图像并转换为相应的灰度图像；采用标准中值滤波法对灰度图像进行降噪处理；再采用双向阈值分割法获取盘卷的边缘轮廓与凹点；采用最小二乘拟合算法拟合得到相应的等效椭圆，并且将计算得到的等效椭圆的中心点位置和长轴长度作为该曲线段组合对应的线材盘卷层的中心位置和直径，推算得到当前原始物料图像中所有盘卷的形状与位置情况。本发明提出的通过分析提取轮廓、凹点，并通过曲线配对的方法获取所有盘卷的形状与位置情况，对突变等情况及时提醒产线操作工进行相应处理，降低了产品质量问题。
Description
技术领域
本发明涉及图像识别技术领域，具体而言涉及一种基于红外技术的高速线材盘卷形状与位置检测方法。
背景技术
目前吐丝机工作时，线材通过高速旋转的吐丝管时，受到吐丝管管壁的正压力、滑动摩擦力、精轧机和夹送辊的推力、自身的离心力的作用下，随着吐丝管的形状逐渐弯曲变形，由直线运动逐渐弯曲，并在吐丝管出口达到所要求的曲率，形成螺旋线圈,均匀平稳的成圈吐出。由于现场影响吐丝机正常工作的因素较多，吐丝机容易发生如下故障：(1)吐圈不圆。吐丝机开始吐圈后，部分圈形不好或吐丝的圆度不够，导致空冷轨道和集卷站经常发生堆钢、卡钢影响生产正常进行。(2)甩尾。线材尾部经吐丝机吐出时出现的线圈乱、成圈不圆，线圈排列间距不等，甩尾幅度随轧制速度提高而越趋严重，严重时尾部成子弹头飞出。(3)吐丝线圈左右摆动。在吐丝的过程中，出现吐出线圈左右摆动的现象，在一定程度上增加集卷难度，并严重影响盘卷包装质量。(4)吐丝圈出现大小圈。吐丝状态不稳定出现吐圈大小圈交替。(5)吐丝时向单面倾斜。吐丝时向一个方向倾斜，造成线圈单面摩擦,线圈变形。
申请号为CN202110569887.6的发明中公开了一种钢卷端面图像分割方法、装置及电子设备，申请号为CN202110871963.9的发明中公开了一种基于人工智能的钢卷松卷自动检测方法和装置，申请号为CN202110932645.9的发明中公开了一种一种基于人工智能的铝卷长度预测方法及系统，申请号为CN202011615504.6的发明中公开了一种圆检测及拟合方法、装置、电子设备和存储介质，前者通过获取大量的钢卷数据集以及多次扫描获取钢卷边缘点进行分析计算，而后3个文件则通过繁复算法以提高识别准确度，上述使用的方法不仅计算数据庞大而且识别时间较长。
当前现场判断吐丝机运行情况依然依靠操作工主观经验判断，并没有形成一套客观的判断依据，不仅存在人工成本较高，并且专业技能人员较少，而且由于人工进行判断将存在及时性较差、准确度较低的问题，导致吐丝机问题对线材产品质量造成的影响。
发明内容
本发明针对现有技术中的不足，提供一种能够系统化判断线材异常情况，降低人工成本与出错率的高速线材盘卷形状与位置检测方法。
为实现上述目的，本发明采用以下技术方案：
第一方面，本发明实施例提出了一种基于红外技术的高速线材盘卷形状与位置检测方法，其特征在于，所述检测方法包括以下步骤：
S1，获取线材盘卷运输辊道上的原始物料图像，将原始物料图像转换为相应的灰度图像；
S2，采用标准中值滤波法对步骤S1中的灰度图像进行降噪处理；
S3，对降噪处理后的灰度图像逐行扫描，采用双向阈值分割法获取盘卷的边缘轮廓与凹点；凹点是指边缘轮廓线上曲率突变值大于最大允许曲率变化阈值的像素点；
S4，根据步骤S3中得到的凹点，将边缘轮廓分割成若干段曲线，按照曲线段的位置进行两两配对，生成若干个曲线段组合，每个曲线段组合中的两个曲线段属于同一层线材盘卷；
S5，针对每个曲线段组合，采用最小二乘拟合算法拟合得到相应的等效椭圆，并且将计算得到的等效椭圆的中心点位置和长轴长度作为该曲线段组合对应的线材盘卷层的中心位置和直径，推算得到当前原始物料图像中所有盘卷的形状与位置情况。
进一步地，所述检测方法还包括以下步骤：
S6，对当前原始物料图像中所有盘卷的形状与位置情况进行判断，若出现等效直径或中心位置突变，触发警报。
进一步地，步骤S3中，采用双向阈值分割法获取盘卷的边缘轮廓的过程包括以下子步骤：
S31，从视野左侧向视野右侧进行逐行扫描，获取所有左侧边界点；其中，当灰度图像中其中一行的其中一个像素点的像素灰度值高于阈值Tgray，则认为该像素点是该行外轮廓的左侧边界点；
S32，反向从视野右侧向视野左侧进行扫描，获取所有右侧边界点；其中，当灰度图像中其中一行的其中一个像素点的像素灰度值高于阈值Tgray，则认为该像素点是该行外轮廓的右侧边界点；
S33，组合所有左侧边界点，构成左侧轮廓边缘曲线；组合所有右侧边界点，构成右侧轮廓边缘曲线。
进一步地，步骤S3中，所述凹点的获取过程包括以下子步骤：
S34，设左侧轮廓边缘曲线为(L0,L1,...，Ln-1)，右侧轮廓边缘曲线为(R0,R1,...，Rn-1)；
S35，从左侧轮廓边缘曲线上选取其中一个检测点Li(xi,yi)，设当前检测点Li(xi,yi)的前继点和后继点分别为Lpre(xpre,ypre)和Lnext(xnext,ynext)，根据下述不等式组计算得到xi或yi的局部极值点，作为左侧轮廓边缘曲线上的其中一个待估凹点：
S36，将左侧轮廓边缘曲线沿着视野中点顺时针旋转1°，再次判断旋转后对步骤S35中计算得到的待估凹点是否满足上述不等式组中的任意一个，若满足，则计数加1，反之则计数为0；
S37，重复步骤S36，直至完成旋转一周360°，累计该待估凹点满足上述不等式组的次数，若超过设定次数阈值Te，则将该待估凹点记为凹点；
S38，重复步骤S35至步骤S37，直至分析得到左侧轮廓边缘曲线上所有的凹点，按序排列得到左侧轮廓边缘曲线的凹点序列Lc1,Lc2,...,Lcn，再采用同样的方法分析得到右侧轮廓边缘曲线上所有的凹点，按序排列得到右侧轮廓边缘曲线的凹点序列Rc1,Rc2,...,Rcn。
进一步地，步骤S4中，所述配对的过程包括以下步骤：
S41，按序排列得到左侧轮廓边缘曲线的凹点序列Lc1,Lc2,...,Lcn，按序排列得到右侧轮廓边缘曲线的凹点序列Rc1,Rc2,...,Rcn，其中，左侧连续凹点连接成的曲线段为Lc1Lc2，Lc2Lc3，…，Lc(n-1)Lcn，右侧连续凹点连接成的曲线段为Rc1Rc2，Rc2Rc3，…，Rc(n-1)Rcn；
S42，计算每个左侧曲线段的中点坐标和每个右侧曲线段的中点坐标；
S43，选择其中一个左侧曲线段LciLc(i+1)的中点坐标(xli,yli)，依次求出右侧曲线段的中点坐标中与中点坐标(xli,yli)在y轴方向上差值最小的中点坐标(xri,yri)，若|yli-yri|小于设定阈值T，则认为左侧曲线段LciLc(i+1)与右侧曲线段RcjRc(j+1)为一组，若未找到满足条件的右侧曲线段，则该左侧曲线段不计入统计范围；
S44，重复步骤S44，直至分析匹配完成所有左侧曲线段。
第二方面，本发明实施例提出了一种基于红外技术的高速线材盘卷形状与位置的检测仪，所述装置包括：图像采集系统、数据传输系统和数据处理系统；
所述图像采集系统包括安装在线材盘卷运输辊道正上方的红外热成像相机，该红外热成像相机的视野宽度大于线材盘卷运输辊道宽度，用于获取盘卷运输辊道上的盘卷的原始物料图像；
所述数据处理系统包括工业控制计算机和显示器；所述工业控制计算机用于采用权利要求1-5任一项中所述检测方法对图像采集系统采集的原始物料图像进行计算分析，得到当前原始物料图像中所有盘卷的形状与位置情况；所述显示器用于同步显示原始物料图像和工业控制计算机输出的分析结果；
所述数据传输系统包括分别设置在现场控制箱和室内控制箱内的光纤收发器和用于连接图像采集系统和数据处理系统的光纤及网线。
进一步地，所述数据处理系统包括报警模组，报警模组通过I/O接口卡与工业控制计算机连接；
所述工业控制计算机对当前原始物料图像中所有盘卷的形状与位置情况进行判断，若出现等效直径或中心位置突变，发送警报信号至报警模组，使报警模组发出声光警报。
本发明的有益效果是：
本发明提出的通过数字图像处理技术，对吐丝机形成的盘卷线圈形状及位置进行图像抓取，分析提取轮廓、凹点，并通过曲线配对的方法获取所有盘卷的形状与位置情况，对突变等情况及时提醒产线操作工进行相应处理，从而及时发现吐丝机生产故障，降低了由于吐丝机问题对线材产品质量造成的影响，并减少人工误判等情况的出现，同时降低了人工成本。
附图说明
图1是本发明实施例的红外技术的高速线材盘卷形状与位置检测方法的流程结构示意图。
图2是本发明实施例的红外技术的高速线材盘卷形状与位置检测方法的结构示意图。
图3是本发明实施例的双向阈值分割示意图。
图4是本发明实施例的曲线段匹配方法示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
实施例一
图1是本发明实施例的红外技术的高速线材盘卷形状与位置检测方法的流程结构示意图。图2是本发明实施例的红外技术的高速线材盘卷形状与位置检测方法的结构示意图。本实施例提出了一种基于红外技术的高速线材盘卷形状与位置检测方法，该检测方法包括以下步骤：
S1，获取线材盘卷运输辊道上的原始物料图像，将原始物料图像转换为相应的灰度图像。
S2，采用标准中值滤波法对步骤S1中的灰度图像进行降噪处理。
S3，对降噪处理后的灰度图像逐行扫描，采用双向阈值分割法获取盘卷的边缘轮廓与凹点；凹点是指边缘轮廓线上曲率突变值大于最大允许曲率变化阈值的像素点。
S4，根据步骤S3中得到的凹点，将边缘轮廓分割成若干段曲线，按照曲线段的位置进行两两配对，生成若干个曲线段组合，每个曲线段组合中的两个曲线段属于同一层线材盘卷。
S5，针对每个曲线段组合，采用最小二乘拟合算法拟合得到相应的等效椭圆，并且将计算得到的等效椭圆的中心点位置和长轴长度作为该曲线段组合对应的线材盘卷层的中心位置和直径，推算得到当前原始物料图像中所有盘卷的形状与位置情况。
优选的，本实施例的检测方法还包括以下步骤：
S6，对当前原始物料图像中所有盘卷的形状与位置情况进行判断，若出现等效直径或中心位置突变，触发警报。
一、原始图像处理
首先获取线材盘卷运输辊道上的原始物料图像，将原始物料图像转换为相应的灰度图像。
然后，采用标准中值滤波法对上面获取的灰度图像进行降噪处理。
例如，本实施例采用一个红外热成像相机，每台相机上安装有一个镜头。红外热成像相机安装在线材盘卷运输辊道中间正上方，与运输辊道的垂直距离为2.0m，成像设备的采集频率为3帧/s，另外红外热成像相机的视野宽度需大于线材盘卷运输辊道宽度，通过此红外热成像相机获取线材盘卷运输辊道上的原始物料图像。
此外，由于成像设备安装在靠近吐丝机的位置，环境温度较高，因此在相机及镜头外侧均装有一套风冷防护罩，风冷防护罩具备IP56防护等级，内部夹层通入压缩空气，在降温保护设备正常运行的同时，在镜头前端形成一道风帘。在防护罩下端面的中心处开设孔位，便于相机及镜头采集图像。
二、轮廓、凹点提取
图3是本发明实施例的双向阈值分割示意图。在步骤S3中，采用双向阈值分割法获取盘卷的边缘轮廓的过程包括以下子步骤：
S31，从视野左侧向视野右侧进行逐行扫描，获取所有左侧边界点；其中，当灰度图像中其中一行的其中一个像素点的像素灰度值高于阈值Tgray，则认为该像素点是该行外轮廓的左侧边界点。
S32，反向从视野右侧向视野左侧进行扫描，获取所有右侧边界点；其中，当灰度图像中其中一行的其中一个像素点的像素灰度值高于阈值Tgray，则认为该像素点是该行外轮廓的右侧边界点。
S33，组合所有左侧边界点，构成左侧轮廓边缘曲线；组合所有右侧边界点，构成右侧轮廓边缘曲线。
优选的，在步骤S3中凹点的获取过程包括以下子步骤：
S34，设左侧轮廓边缘曲线为(L0,L1,...，Ln-1)，右侧轮廓边缘曲线为(R0,R1,...，Rn-1)。
S35，从左侧轮廓边缘曲线上选取其中一个检测点Li(xi,yi)，设当前检测点Li(xi,yi)的前继点和后继点分别为Lpre(xpre,ypre)和Lnext(xnext,ynext)，根据下述不等式组计算得到xi或yi的局部极值点，作为左侧轮廓边缘曲线上的其中一个待估凹点：
S36，将左侧轮廓边缘曲线沿着视野中点顺时针旋转1°，再次判断旋转后对步骤S35中计算得到的待估凹点是否满足上述不等式组中的任意一个，若满足，则计数加1，反之则计数为0。
S37，重复步骤S36，直至完成旋转一周360°，累计该待估凹点满足上述不等式组的次数，若超过设定次数阈值Te，则将该待估凹点记为凹点。
S38，重复步骤S35至步骤S37，直至分析得到左侧轮廓边缘曲线上所有的凹点，按序排列得到左侧轮廓边缘曲线的凹点序列Lc1,Lc2,...,Lcn，再采用同样的方法分析得到右侧轮廓边缘曲线上所有的凹点，按序排列得到右侧轮廓边缘曲线的凹点序列Rc1,Rc2,...,Rcn。
例如，本实施例中对图片进行逐行扫描，对于图片中的某一行，从视野左侧向视野右侧进行扫描，若某一点A的像素灰度值高于阈值Tgray，则认为A是该行外轮廓的左侧边界点；从视野右侧向视野左侧进行扫描，若某一点B的像素灰度值高于阈值Tgray，则认为B是该行外轮廓的右侧边界点。
逐行扫描完成后，即可得到本次线材盘卷图片的左右两条外侧轮廓。
然后通过上述扫描过的图片寻找凹点，每层线材盘卷都可近似为一个椭圆形，因此两段椭圆弧相交处表现为曲线凹陷和明显的曲率突变，称为凹点。经过步骤三处理后得到的是两段由离散像素点集合成的曲线，设左侧曲线为(L0,L1,...，Ln-1)，右侧曲线为(R0,R1,...，Rn-1)，左侧和右侧处理逻辑类似，以左侧曲线为例，假设当前检测点为Li(xi,yi)，其前继点和后继点分别为Lpre(xpre,ypre)和Lnext(xnext,ynext)，则曲线上的凹点必须是x或y的局部极值点，即需至少满足下列4个不等式组中的一个：
左侧曲线沿着视野中点顺时针旋转1°，再次判断旋转后原凹点的对应点是否依然至少满足上述4个不等式组中的一个，若满足，则计数加1。旋转完成一周(360°)后，累计各凹点至少满足上述4个不等式组中一个的次数，若超过设定阈值Te，则记为凹点。
三、配对
图4是本发明实施例的曲线段匹配方法示意图。步骤S4中，所述配对的过程包括以下步骤：
S41，按序排列得到左侧轮廓边缘曲线的凹点序列Lc1,Lc2,...,Lcn，按序排列得到右侧轮廓边缘曲线的凹点序列Rc1,Rc2,...,Rcn，其中，左侧连续凹点连接成的曲线段为Lc1Lc2，Lc2Lc3，…，Lc(n-1)Lcn，右侧连续凹点连接成的曲线段为Rc1Rc2，Rc2Rc3，…，Rc(n-1)Rcn。
S42，计算每个左侧曲线段的中点坐标和每个右侧曲线段的中点坐标。
S43，选择其中一个左侧曲线段LciLc(i+1)的中点坐标(xli,yli)，依次求出右侧曲线段的中点坐标中与中点坐标(xli,yli)在y轴方向上差值最小的中点坐标(xri,yri)，若|yli-yri|小于设定阈值T，则认为左侧曲线段LciLc(i+1)与右侧曲线段RcjRc(j+1)为一组，若未找到满足条件的右侧曲线段，则该左侧曲线段不计入统计范围。
S44，重复步骤S44，直至分析匹配完成所有左侧曲线段。
本实施例在配对后的曲线段组合，采用最小二乘拟合算法拟合出等效椭圆，得到等效椭圆的中心点位置和长轴长度作为该层线材盘卷的中心位置和直径，进一步得到当前图片中所有盘卷的形状与位置情况，若出现等效直径或中心位置突变，则触发警报，告知操作工对吐丝机配置进行检查调整。
实施例二
本申请实施例提供了一种基于红外技术的高速线材盘卷形状与位置的检测仪，该装置包括：图像采集系统、数据传输系统和数据处理系统。
本实施例的图像采集系统包括安装在线材盘卷运输辊道正上方的红外热成像相机，该红外热成像相机的视野宽度大于线材盘卷运输辊道宽度，用于获取盘卷运输辊道上的盘卷的原始物料图像。
数据处理系统包括工业控制计算机和显示器；工业控制计算机用于采用权利要求1-5任一项中所述检测方法对图像采集系统采集的原始物料图像进行计算分析，得到当前原始物料图像中所有盘卷的形状与位置情况；显示器用于同步显示原始物料图像和工业控制计算机输出的分析结果，具体的实施过程可以参照上述第一方面提供的方法实施例，此处不做详细阐述说明。
数据传输系统包括分别设置在现场控制箱和室内控制箱内的光纤收发器和用于连接图像采集系统和数据处理系统的光纤及网线。
优选的本实施例的数据处理系统包括报警模组，报警模组通过I/O接口卡与工业控制计算机连接。
其中，工业控制计算机对当前原始物料图像中所有盘卷的形状与位置情况进行判断，若出现等效直径或中心位置突变，发送警报信号至报警模组，使报警模组发出声光警报。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (5)
1.一种基于红外技术的高速线材盘卷形状与位置检测方法，其特征在于，所述检测方法包括以下步骤：
S1，获取线材盘卷运输辊道上的原始物料图像，将原始物料图像转换为相应的灰度图像；
S2，采用标准中值滤波法对步骤S1中的灰度图像进行降噪处理；
S3，对降噪处理后的灰度图像逐行扫描，采用双向阈值分割法获取盘卷的边缘轮廓与凹点；凹点是指边缘轮廓线上曲率突变值大于最大允许曲率变化阈值的像素点；
S4，根据步骤S3中得到的凹点，将边缘轮廓分割成若干段曲线，按照曲线段的位置进行两两配对，生成若干个曲线段组合，每个曲线段组合中的两个曲线段属于同一层线材盘卷；
S5，针对每个曲线段组合，采用最小二乘拟合算法拟合得到相应的等效椭圆，并且将计算得到的等效椭圆的中心点位置和长轴长度作为该曲线段组合对应的线材盘卷层的中心位置和直径，推算得到当前原始物料图像中所有盘卷的形状与位置情况；
步骤S3中，采用双向阈值分割法获取盘卷的边缘轮廓的过程包括以下子步骤：
S31，从视野左侧向视野右侧进行逐行扫描，获取所有左侧边界点；其中，当灰度图像中其中一行的其中一个像素点的像素灰度值高于阈值Tgray，则认为该像素点是该行外轮廓的左侧边界点；
S32，反向从视野右侧向视野左侧进行扫描，获取所有右侧边界点；其中，当灰度图像中其中一行的其中一个像素点的像素灰度值高于阈值Tgray，则认为该像素点是该行外轮廓的右侧边界点；
S33，组合所有左侧边界点，构成左侧轮廓边缘曲线；组合所有右侧边界点，构成右侧轮廓边缘曲线；
步骤S3中，所述凹点的获取过程包括以下子步骤：
S34，设左侧轮廓边缘曲线为(L0，L1，...，Ln-1)，右侧轮廓边缘曲线为(R0，R1，...，Rn-1)；
S35，从左侧轮廓边缘曲线上选取其中一个检测点Li(xi，yi)，设当前检测点Li(xi，yi)的前继点和后继点分别为Lpre(xpre，ypre)和Lnext(xnext，ynext)，根据下述不等式组计算得到xi或yi的局部极值点，作为左侧轮廓边缘曲线上的其中一个待估凹点：
S36，将左侧轮廓边缘曲线沿着视野中点顺时针旋转1°，再次判断旋转后对步骤S35中计算得到的待估凹点是否满足上述不等式组中的任意一个，若满足，则计数加1，反之则计数为0；
S37，重复步骤S36，直至完成旋转一周360°，累计该待估凹点满足上述不等式组的次数，若超过设定次数阈值Te，则将该待估凹点记为凹点；
S38，重复步骤S35至步骤S37，直至分析得到左侧轮廓边缘曲线上所有的凹点，按序排列得到左侧轮廓边缘曲线的凹点序列Lc1，Lc2，...，Lcn，再采用同样的方法分析得到右侧轮廓边缘曲线上所有的凹点，按序排列得到右侧轮廓边缘曲线的凹点序列Rc1，Rc2，...，Rcn。
2.根据权利要求1所述的基于红外技术的高速线材盘卷形状与位置检测方法，其特征在于，所述检测方法还包括以下步骤：
S6，对当前原始物料图像中所有盘卷的形状与位置情况进行判断，若出现等效直径或中心位置突变，触发警报。
3.根据权利要求1所述的基于红外技术的高速线材盘卷形状与位置检测方法，其特征在于，步骤S4中，所述配对的过程包括以下步骤：
S41，按序排列得到左侧轮廓边缘曲线的凹点序列Lc1，Lc2，...，Lcn，按序排列得到右侧轮廓边缘曲线的凹点序列Rc1，Rc2，...，Rcn，其中，左侧连续凹点连接成的曲线段为Lc1Lc2，Lc2Lc3，…，Lc(n-1)Lcn，右侧连续凹点连接成的曲线段为Rc1Rc2，Rc2Rc3，…，Rc(n-1)Rcn；
S42，计算每个左侧曲线段的中点坐标和每个右侧曲线段的中点坐标；
S43，选择其中一个左侧曲线段LciLc(i+1)的中点坐标(xli，yli)，依次求出右侧曲线段的中点坐标中与中点坐标(xli，yli)在y轴方向上差值最小的中点坐标(xri，yri)，若|yli-yri|小于设定阈值T，则认为左侧曲线段LciLc(i+1)与右侧曲线段RcjRc(j+1)为一组，若未找到满足条件的右侧曲线段，则该左侧曲线段不计入统计范围；
S44，重复步骤S43，直至分析匹配完成所有左侧曲线段。
4.一种基于红外技术的高速线材盘卷形状与位置的检测仪，其特征在于，所述检测仪包括：图像采集系统、数据传输系统和数据处理系统；
所述图像采集系统包括安装在线材盘卷运输辊道正方上的红外热成像相机，该红外热成像相机的视野宽度大于线材盘卷运输辊道宽度，用于获取盘卷运输辊道上的盘卷的原始物料图像；
所述数据处理系统包括工业控制计算机和显示器；所述工业控制计算机用于采用权利要求1-3任一项中所述检测方法对图像采集系统采集的原始物料图像进行计算分析，得到当前原始物料图像中所有盘卷的形状与位置情况；所述显示器用于同步显示原始物料图像和工业控制计算机输出的分析结果；
所述数据传输系统包括分别设置在现场控制箱和室内控制箱内的光纤收发器和用于连接图像采集系统和数据处理系统的光纤及网线。
5.根据权利要求4所述的基于红外技术的高速线材盘卷形状与位置的检测仪，其特征在于，所述数据处理系统包括报警模组，报警模组通过I/O接口卡与工业控制计算机连接；
所述工业控制计算机对当前原始物料图像中所有盘卷的形状与位置情况进行判断，若出现等效直径或中心位置突变，发送警报信号至报警模组，使报警模组发出声光警报。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210031709.2A CN114383506B (zh) | 2022-01-12 | 2022-01-12 | 一种基于红外技术的高速线材盘卷形状与位置检测方法 |
| PCT/CN2022/119357 WO2023134193A1 (zh) | 2022-01-12 | 2022-09-16 | 一种基于红外技术的高速线材盘卷形状与位置检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210031709.2A CN114383506B (zh) | 2022-01-12 | 2022-01-12 | 一种基于红外技术的高速线材盘卷形状与位置检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114383506A CN114383506A (zh) | 2022-04-22 |
| CN114383506B true CN114383506B (zh) | 2024-03-19 |
Family
ID=81202086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210031709.2A Active CN114383506B (zh) | 2022-01-12 | 2022-01-12 | 一种基于红外技术的高速线材盘卷形状与位置检测方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114383506B (zh) |
| WO (1) | WO2023134193A1 (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114383506B (zh) * | 2022-01-12 | 2024-03-19 | 江苏沙钢高科信息技术有限公司 | 一种基于红外技术的高速线材盘卷形状与位置检测方法 |
| CN116630315B (zh) * | 2023-07-24 | 2023-09-29 | 山东东阿亿福缘阿胶制品有限公司 | 基于计算机视觉的饮料包装缺陷智能检测方法 |
| CN116793229A (zh) * | 2023-08-25 | 2023-09-22 | 钛玛科（北京）工业科技有限公司 | 一种基于3d相机的智能视觉测宽装置 |
| CN117197140B (zh) * | 2023-11-07 | 2024-02-20 | 东莞市恒兴隆实业有限公司 | 基于机器视觉的不规则金属扣成型检测方法 |
| CN117760313B (zh) * | 2024-02-22 | 2024-04-30 | 钛玛科（北京）工业科技有限公司 | 一种用于卷材测宽和中心点偏差的扫描式测量方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10164436A (ja) * | 1996-12-04 | 1998-06-19 | Sony Corp | 輪郭抽出装置、輪郭抽出方法、キー信号生成装置及びキー信号生成方法 |
| CN105631876A (zh) * | 2015-12-29 | 2016-06-01 | 中国兵器科学研究院宁波分院 | 一种基于全局二值化的ct图像分辨率自动测试方法 |
| CN106372642A (zh) * | 2016-08-31 | 2017-02-01 | 北京航空航天大学 | 基于轮廓曲线分割弧合并与组合的椭圆快速检测方法 |
| CN107507208A (zh) * | 2017-07-12 | 2017-12-22 | 天津大学 | 一种基于轮廓上曲率估计的图像特征点提取方法 |
| CN111308987A (zh) * | 2020-02-21 | 2020-06-19 | 西安理工大学 | 基于图像处理的开卷机自动上卷控制系统及检测方法 |
| CN112634256A (zh) * | 2020-12-30 | 2021-04-09 | 杭州三坛医疗科技有限公司 | 圆检测及拟合方法、装置、电子设备和存储介质 |
| CN113284154A (zh) * | 2021-05-25 | 2021-08-20 | 武汉钢铁有限公司 | 钢卷端面图像分割方法、装置及电子设备 |
| CN113554635A (zh) * | 2021-07-30 | 2021-10-26 | 江苏苏桥焊材有限公司 | 基于人工智能的钢卷松卷自动检测方法和装置 |
| CN113628195A (zh) * | 2021-08-13 | 2021-11-09 | 宿迁林讯新材料有限公司 | 一种基于人工智能的铝卷长度预测方法及系统 |
| CN113888517A (zh) * | 2021-10-13 | 2022-01-04 | 广东奥普特科技股份有限公司 | 一种卷绕机下料视觉检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100512374C (zh) * | 2007-12-05 | 2009-07-08 | 北京航空航天大学 | 一种基于阈值分割的图像边缘检测方法 |
| CN114383506B (zh) * | 2022-01-12 | 2024-03-19 | 江苏沙钢高科信息技术有限公司 | 一种基于红外技术的高速线材盘卷形状与位置检测方法 |
-
2022
- 2022-01-12 CN CN202210031709.2A patent/CN114383506B/zh active Active
- 2022-09-16 WO PCT/CN2022/119357 patent/WO2023134193A1/zh unknown
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10164436A (ja) * | 1996-12-04 | 1998-06-19 | Sony Corp | 輪郭抽出装置、輪郭抽出方法、キー信号生成装置及びキー信号生成方法 |
| CN105631876A (zh) * | 2015-12-29 | 2016-06-01 | 中国兵器科学研究院宁波分院 | 一种基于全局二值化的ct图像分辨率自动测试方法 |
| CN106372642A (zh) * | 2016-08-31 | 2017-02-01 | 北京航空航天大学 | 基于轮廓曲线分割弧合并与组合的椭圆快速检测方法 |
| CN107507208A (zh) * | 2017-07-12 | 2017-12-22 | 天津大学 | 一种基于轮廓上曲率估计的图像特征点提取方法 |
| CN111308987A (zh) * | 2020-02-21 | 2020-06-19 | 西安理工大学 | 基于图像处理的开卷机自动上卷控制系统及检测方法 |
| CN112634256A (zh) * | 2020-12-30 | 2021-04-09 | 杭州三坛医疗科技有限公司 | 圆检测及拟合方法、装置、电子设备和存储介质 |
| CN113284154A (zh) * | 2021-05-25 | 2021-08-20 | 武汉钢铁有限公司 | 钢卷端面图像分割方法、装置及电子设备 |
| CN113554635A (zh) * | 2021-07-30 | 2021-10-26 | 江苏苏桥焊材有限公司 | 基于人工智能的钢卷松卷自动检测方法和装置 |
| CN113628195A (zh) * | 2021-08-13 | 2021-11-09 | 宿迁林讯新材料有限公司 | 一种基于人工智能的铝卷长度预测方法及系统 |
| CN113888517A (zh) * | 2021-10-13 | 2022-01-04 | 广东奥普特科技股份有限公司 | 一种卷绕机下料视觉检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023134193A1 (zh) | 2023-07-20 |
| CN114383506A (zh) | 2022-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114383506B (zh) | 一种基于红外技术的高速线材盘卷形状与位置检测方法 | |
| CN114897894B (zh) | 一种筒纱菊花芯缺陷检测方法 | |
| CN114842007B (zh) | 一种基于图像处理的纺织品磨损缺陷检测方法 | |
| CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
| CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
| CN114998321B (zh) | 一种基于光学手段的纺织材料表面毛羽程度识别方法 | |
| CN115311267B (zh) | 一种格纹织物异常检测方法 | |
| CN112241574B (zh) | 基于图像纹理信息的带式输送机托辊状态测控方法和装置 | |
| CN115205297B (zh) | 一种气动风动绞车的异常状态检测方法 | |
| CN115171022A (zh) | 一种施工场景下的安全帽佩戴检测方法及系统 | |
| CN117095004B (zh) | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 | |
| CN113884299B (zh) | 基于人工智能的滚塑机械故障检测方法 | |
| CN111179236A (zh) | 一种用于造球机的生球粒度分析方法及装置 | |
| CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
| CN115330790A (zh) | 基于图像的电缆绞线质量检测方法及系统 | |
| CN116188468A (zh) | 一种hdmi线缆传输分拣智能控制系统 | |
| CN117029703B (zh) | 一种通讯线缆现场生产数据实时管理监测系统 | |
| CN112183436B (zh) | 基于像素点八邻域灰度对比的高速公路能见度检测方法 | |
| JP7428197B2 (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 | |
| CN114693652B (zh) | 基于高斯混合模型的织物缺陷检测方法 | |
| CN114655655A (zh) | 一种基于UNet网络的传送带跑偏检测方法 | |
| CN108387580A (zh) | 一种轴承缺陷检测装置 | |
| CN117173166B (zh) | 一种光缆表面缺陷检测方法 | |
| CN117456427B (zh) | 一种炼钢转炉的钢水倾倒方法 | |
| CN115330776A (zh) | 一种钢丝绳磨损程度检测方法 |
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 |
Country or region after: China Address after: Room 608C, Changle Building, Zhangjiagang Free Trade Zone, Suzhou City, Jiangsu Province, China Applicant after: JIANGSU SHAGANG GAOKE INFORMATION TECHNOLOGY Co.,Ltd. Applicant after: INSTITUTE OF RESEARCH OF IRON & STEEL, JIANGSU PROVINCE/SHA-STEEL, Co.,Ltd. Applicant after: JIANGSU SHAGANG GROUP Co.,Ltd. Address before: Shagang science and technology building, Yongxin Road, Jinfeng Town, Zhangjiagang City, Suzhou City, Jiangsu Province Applicant before: INSTITUTE OF RESEARCH OF IRON & STEEL, JIANGSU PROVINCE/SHA-STEEL, Co.,Ltd. Country or region before: China Applicant before: JIANGSU SHAGANG GAOKE INFORMATION TECHNOLOGY Co.,Ltd. Applicant before: JIANGSU SHAGANG GROUP Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |