CN114549406B - 热轧线的管理方法、装置及系统、计算设备和存储介质 - Google Patents
热轧线的管理方法、装置及系统、计算设备和存储介质 Download PDFInfo
- Publication number
- CN114549406B CN114549406B CN202210023027.7A CN202210023027A CN114549406B CN 114549406 B CN114549406 B CN 114549406B CN 202210023027 A CN202210023027 A CN 202210023027A CN 114549406 B CN114549406 B CN 114549406B
- Authority
- CN
- China
- Prior art keywords
- image
- hot rolling
- shooting angle
- real
- rolling line
- 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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
- G06T2207/30232—Surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Metal Rolling (AREA)
- Image Analysis (AREA)
Abstract
一种热轧线的管理方法、装置及系统、计算设备和存储介质,其中,所述方法包括:从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;对第一拍摄角度的实时监控图像进行图像检测;当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测;当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。由此,能够及时识别热轧线上的轧制问题、并快速对轧制问题采取紧急措施。
Description
技术领域
本发明涉及钢铁行业热轧领域,具体地涉及一种热轧线的管理方法、装置及系统、计算设备和存储介质。
背景技术
在钢铁热轧领域,尤其是型材、棒材、线材等产品的热轧线,在轧制过程中,高温坯料由于温度不均、密度不均、轧机异常、导轨异常等因素的影响,偶尔会发生严重弯曲、堆钢、卡钢、甚至跑出导轨之外等情况。
由于轧制速度通常较快,一旦出现堆钢、卡钢、跑钢等情况,若没有及时停止设备或采取措施,高温坯料将可能持续向外无规则飞出,产生轧制问题事件,威胁到现场人员和设备的安全。
发明内容
本发明解决的技术问题是如何及时识别热轧线上的轧制问题。
为解决上述技术问题,本发明实施例提供一种热轧线的管理方法,包括:从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;对第一拍摄角度的实时监控图像进行图像检测;当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测;当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。
可选的,所述预设位置为所述热轧线中轧辊所处位置,所述第一拍摄角度为所述轧辊的侧视角度,在所述第一拍摄角度的实时监控图像中检测到钢坯堆叠厚度超出预设安全厚度范围时,检测结果为发生轧制问题;所述第二拍摄角度为针对所述轧辊的俯视角度,在所述第二拍摄角度的实时监控图像中检测到钢坯边缘超出预设安全边缘范围时,检测结果为发生轧制问题。
可选的,对实时监控图像进行图像检测,包括:将所述实时监控图像转化为灰度图,基于钢坯的亮度特征对各帧灰度图进行二值化;从二值化后的各帧灰度图中裁剪出包含钢坯的图像区域;对所述包含钢坯的图像区域进行检测;其中,所述实时监控图像包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像。
可选的,对所述实时监控图像进行图像检测包括:将所述实时监控图像逐帧输入图像检测模型中,得到每帧图像的检测结果;其中,所述实时监控图像包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像。
可选的,所述方法还包括:当确定所述热轧线发生轧制问题时,生成紧急指令;将所述紧急指令发送至热轧线的控制设备,以使得所述热轧线的控制设备对所述热轧线进行紧急控制;其中,所述的紧急控制包括停止轧机和/或开启飞剪装置。
可选的,所述将所述紧急指令发送至热轧线的控制设备之后,还包括:停止对所述实时监控图像进行图像检测;在接收到所述热轧线的恢复指令之后,恢复对所述实时监控图像进行图像检测。
可选的,所述方法还包括:当确定所述热轧线发生轧制问题时,触发报警信号;其中,所述报警信号至少包括以下一种:控制室的声音报警信号,控制室的光报警信号,热轧线的声音报警信号,热轧线的光报警信号。
可选的,所述方法还包括:将生成所述紧急指令的时间和/或接收到所述热轧线的恢复指令的时间存储到管理日志中。
可选的,所述从所述热轧线上预设位置的多个图像采集设备获取实时监控图像之后,还包括:对所述实时监控图像中的全部或部分帧图像进行预处理;其中,所述预处理至少包括以下步骤中的一个或多个:色彩增强、清晰度增强、对比度增强、去雾、畸变矫正。
本发明实施例还提供一种热轧线的管理装置,包括:图像获取模块,用于从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;图像检测模块,用于对第一拍摄角度的实时监控图像进行图像检测;第一角度分析模块,用于当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测;第二角度分析模块,当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。
本发明实施例还提供一种计算设备,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行任一项所述热轧线的管理方法的步骤。
本发明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,所述计算机程序被处理器运行时执行任一项所述热轧线的管理方法的步骤。
本发明实施例还提供一种热轧线管理系统,包括:图像采集设备,设置于所述热轧线上的预设位置,用于采集实时监控图像,并将采集的所述实时监控图像发送给图像检测设备,其中,所述图像采集设备为多个,多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;图像检测设备,用于对第一拍摄角度的实时监控图像进行图像检测,当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测,当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。
可选的,所述系统还包括:热轧线的控制设备,设置于所述热轧线侧,用于控制所述热轧线轧制的启动和停止;所述图像检测设备,还用于当确定所述热轧线发生轧制问题时,生成紧急指令,并将所述紧急指令发送给所述热轧线的控制设备;所述热轧线的控制设备,还用于在接收到所述紧急指令时,对所述热轧线进行紧急控制;其中,所述紧急控制包括停止轧机和/或开启飞剪装置
可选的,所述图像检测设备设置于控制室,所述控制室还设置有光报警设备和/或声报警设备,所述热轧线还设置有光报警设备和/或声报警设备;所述图像检测设备,还用于在确定所述热轧线发生轧制问题时,触发控制室的光报警设备、控制室的声报警设备、所述热轧线的光报警设备、所述热轧线的声报警设备中的至少一个设备发出报警信号。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明实施例提供的热轧线的管理方法,能够通过设置在热轧线预设位置处的图像采集设备采集不同拍摄角度的实时监控图像,并通过图像检测自动识别热轧线是否发生轧制问题,例如飞钢、堆钢、卡钢等。由此,在发现轧制问题之后,能够自动实现产线设备连锁控制,将产生的影响尽可能降低。进一步,还能在一定程度上削减现场值班巡检人员的配置,从而提高轧钢厂的安全生产系数和自动化水平,节约人力成本。
进一步,先基于轧辊所处位置的侧视图像判断是否发生堆钢,再基于轧辊所处位置的俯视图像判断是否发生飞钢或跑钢,由于堆钢可能导致飞钢/跑钢,且多发生在轧辊附近,可以结合这几个特点,对是否发生轧制问题进行精确判断。
进一步,在发生轧制问题之后,可以向热轧线的控制设备发送紧急指令,以停止热轧线的轧制,防止轧制问题造成的影响进一步扩大,保证热轧线工作的安全。
进一步,当发生轧制问题、热轧线停止轧制之后,无需继续进行图像检测,待轧制恢复之后,再恢复图像检测。此时,能够节省热轧线停止轧制时图像检测的计算量,并且,能够避免因为重复的轧制问题而进行异常报警。
附图说明
图1是本发明实施例的一种热轧线的管理方法的流程示意图;
图2为本发明实施例的另一种热轧线的管理方法的流程示意图;
图3为本发明实施例的一种热轧线的管理装置的结构示意图;
图4为本发明实施例的一种热轧线的管理系统的结构示意图;
图5为本发明实施例的另一种热轧线的管理系统的示意图。
具体实施方式
如背景技术所言,热轧线若发生轧制问题,可能威胁到现场人员和设备的安全。
目前轧钢厂普遍采用的做法是在安排现场值班人员进行巡检或由中控室值班人员通过摄像机画面进行监控,在发现轧制问题情况时,立即通知相关设备人员或拍下紧急按钮,实施轧制问题事件紧急处理流程(例如停止轧机、开启飞剪装置碎断等),防止轧制问题态势扩大。
使用现有方法识别轧制问题事件并采取措施的及时性,很大程度上取决于人的因素,包括注意力、反应速度、视觉盲区、经验、责任心等,一方面是很难做到全天候不间断监控,另一方面是难以保证相关人员不出现疏漏,因此通常无法在第一时间将轧制问题的影响降到最低。此外,轧制问题事件发生之后,响应速度越慢,后果越严重,恢复产线正常生产需要的人力物力也越多,停机损失越大。
当前不存在有效的热轧线自动管理方法,能够及时识别热轧线上的轧制问题、并快速对轧制问题采取紧急措施。
为解决上述问题,本发明实施例提供了一种热轧线的管理方法,包括:从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;对第一拍摄角度的实时监控图像进行图像检测;当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测;当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。由此,能够及时识别热轧线上的轧制问题、并快速对轧制问题采取紧急措施。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
请参见图1,图1为本发明实施例提供一种热轧线的管理方法的流程示意图,所述方法由图像检测设备执行,该图像检测设备可以包括电脑、服务器、手机等具备计算能力或图像处理能力的设备执行。所述该方法可以包括如下步骤S101至步骤S104,各个步骤的详细说明如下:
步骤S101,从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度。
其中,热轧线为用于轧制钢材的产线,热轧线上包括用于运载高温钢坯的导轨以及用于令钢坯产生形变的轧辊等。
图像采集设备可以包括摄像头、工业相机、红外热像仪等能够进行实时的图像采集的设备。预设位置为提前选取的热轧线上的一个或者多个位置,预设位置可以为经常发生轧制问题的关键位置。优选地,上述预设位置可以包括热轧线中轧辊所处的位置。图像采集设备可以选用合适的分辨率、焦距、防护等级、安装位置、取景角度等,以保证能够拍摄到完整清晰的热轧线上预设位置的画面。每个预设位置可获取一个或多个角度的图像,比如采集预设位置的俯视图、仰视图、侧视图等等。在必要的情况下,可在预设位置安装光源,提升图像采集设备的成像效果。
可选的,图像采集设备将采集实时监控图像通过以太网、光纤、非对称的高速点对点串行通信数字接口(CoaXPress)、针对机器视觉应用领域的串行通信CameraLink接口、CameraLink HS接口(简称CLHS)、通用串行总线(Universal Serial Bus,简称USB)等传输接口协议连接至图像检测设备。图像检测设备通过特定的程序接口接收各个图像采集设备发送的实时监控图像。
第一拍摄角度和第二拍摄角度为不同的角度。在同一预设位置处的图像采集设备,由于拍摄角度的不同,其拍摄到的图像的内容通常也不同。需要说明的是,本实施例中虽然以两个拍摄角度为例进行说明,但是本领域技术人员应当理解,统一预设位置处可以设置更多数量的图像采集设备,从两个以上的拍摄角度进行拍摄。并且,每一预设位置的单个拍摄角度也可以设置多个图像采集设备,结合同一拍摄角度的多个图像采集设备采集到的图像的检测结果得到该拍摄角度的检测结果。
步骤S102,对第一拍摄角度的实时监控图像进行图像检测。
步骤S103,当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测。
步骤S104,当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。
其中,轧制问题可以包括飞钢(也可称为跑钢)、堆钢、卡钢等非正常轧制的问题。卡钢是钢坯被两根轧辊夹住,无法在导轨中正常运行,长时间卡钢会导致堆钢。堆钢是钢坯发生堆叠。飞钢是钢坯超出导轨向外飞出。
可选的,第一拍摄角度和第二拍摄角度的其中一个角度可以指预设位置的俯视角度,该角度的实时监控图像对应预设位置的俯视图像;另一个角度可以指预设位置的侧视角度,该角度的实时监控图像对应预设位置的侧视图像。其中,侧视和俯视都是针对热轧线而言,俯视图像是从热轧线的上方俯视地对预设位置进行拍摄得到,侧视图像从热轧线的一侧(例如,热轧线运转移动方向的左侧或者右侧)对预设位置进行拍摄得到。
可选的,对预设位置的俯视图像进行图像检测包括:检测预设位置的俯视图像的实时监控图像中钢坯的所在区域,以确定钢坯是否在位于导轨中。如果钢坯完全位于导轨中,则对应的检测结果为未发生轧制问题。如果钢坯没有完全位于导轨中,表示此时可能发生“飞钢”问题,则对应的检测结果为发生轧制问题。
可选的,对预设位置的侧视图像进行图像检测包括:检测预设位置的俯视图像的实时监控图像中钢坯的厚度,以确定钢坯在预设位置的厚度是否超出预设安全厚度范围。如果钢坯在预设位置的厚度超出预设安全厚度范围,表示此时可能发生“堆钢”、“卡钢”等问题,则对应的检测结果为发生轧制问题。如果钢坯在预设位置的厚度未超出预设安全厚度范围,则对应的检测结果为发生轧制问题。
可选的,可以对单帧或者连续多帧的第一拍摄角度的实时监控图像进行图像检测,将单帧图像的检测结果或者连续多帧图像的检测结果作为第一拍摄角度的检测结果。对应地,可以对单帧或者连续多帧的第二拍摄角度的实时监控图像进行图像检测,将单帧图像的检测结果或者连续多帧图像的检测结果作为第二拍摄角度的检测结果。其中,对某一拍摄角度连续多帧图像的检测结果作为该角度的检测结果,能够有效减少误检。
可选的,步骤S103中当所述第一拍摄角度的检测结果为发生轧制问题时,图像检测设备可以发出对应的提示。另外,步骤S104中当所述第二拍摄角度的检测结果为发生轧制问题时,可以发出对应的提示。例如,当第一拍摄角度的检测结果检测到可能发生轧制问题,即可发出紧急信号。
针对步骤S103,对同一时段的第二拍摄角度的实时监控图像进行图像检测,也即,图像检测设备同时对不同拍摄角度(包括第一拍摄角度和第二拍摄角度)的实时监控图像进行图像检测,根据不同拍摄角度的检测结果综合判断热轧线是否发生轧制问题。
针对步骤S103,对下一时段的第二拍摄角度的实时监控图像进行图像检测。也即,图像检测设备在得到第一拍摄角度的检测结果为发生轧制问题时,对预设位置的另一个拍摄角度进行追踪,由此,判断热轧线是否发生轧制问题。
图1所述的方法为对不同拍摄角度的单帧实时监控图像的检测步骤,可以基于接收到的实时监控图像的时序关系,持续对连续多帧的实时监控图像进行检测,从而能够长时间地自动管理热轧线,并实时判断是否发生轧制问题。
通过图1所述的方法,能够通过设置在热轧线预设位置处的图像采集设备采集不同拍摄角度的实时监控图像,并通过图像检测自动识别热轧线是否发生飞钢、堆钢、卡钢等轧制问题。从而能够在发现轧制问题之后,自动实现产线设备连锁控制,将产生的影响尽可能降低。进一步,还能在一定程度上削减现场值班巡检人员的配置,从而提高轧钢厂的安全生产系数和自动化水平,节约人力成本。
在一个实施例中,图1中步骤S101从所述热轧线上预设位置的多个图像采集设备获取实时监控图像之后,还可以包括:对所述实时监控图像中的全部或部分帧图像进行预处理。其中,所述预处理至少包以下步骤中的一个或多个:色彩增强、清晰度增强、对比度增强、去雾、畸变矫正。
具体地,基于获取到的实时监控图像,图像检测设备可以对获取的全部或者部分帧的图像进行预处理,使得画面中的高温钢坯更容易被识别。基于现场环境状况(例如光照、雾气、水汽、灰尘等)的不同以及图像采集设备本身成像质量(例如清晰度、饱和度、明暗度、对比度、畸变等)的不同,可以有选择性地对实时监控图像中的部分或者全部帧图像进行预处理。需要说明的是,在实时监控图像的原始成像质量已经符合检测要求的情况下,所述预处理步骤可以省略。
可选的,对所述实时监控图像中的部分帧图像进行预处理,包括:对获取的实时监控图像进行抽样,每间隔预设数量帧则抽取一帧,对抽取的图像进行预处理。进一步,对预处理后的图像进行后续的图像检测。由此,通过图像抽样的方式,在满足检测要求的同时,能够减少图像检测的计算量,提高检测效率。
在一个实施例中,所述预设位置为所述热轧线中轧辊所处位置,针对图1中的步骤S102至步骤S104,所述第一拍摄角度为所述轧辊的侧视角度,在所述第一拍摄角度的实时监控图像中检测到钢坯堆叠厚度超出预设安全厚度范围时,检测结果为发生轧制问题;所述第二拍摄角度为针对所述轧辊的俯视角度,在所述第二拍摄角度的实时监控图像中检测到钢坯边缘超出预设安全边缘范围时,检测结果为发生轧制问题。
其中,预设安全边缘范围可以为导轨边缘以内的范围,钢坯超出预设安全边缘范围,也即钢坯边缘超出导轨。或者,预设安全边缘范围也可以为根据需要确定的其他范围。
具体地,图像检测设备先对轧辊所处位置的侧视图像进行图像检测,如果检测到钢坯在预设位置的厚度超出预设安全厚度范围,则可能发生堆钢的问题,图像检测设备确定第一拍摄角度的检测结果为发生轧制问题。图像检测设备继续获取下一时段的该轧辊所处位置的俯视图像进行检测,如果检测到钢坯边缘超出预设安全边缘范围时,则可能发生飞钢或跑钢的问题,此时需要及时停止设备或采取措施,保证轧制现场的安全。
本实施例中,先基于轧辊所处位置的侧视图像判断是否发生堆钢,再基于轧辊所处位置的俯视图像判断是否发生飞钢,由于堆钢可能导致飞钢,且多发生在轧辊附近,可以结合这几个特点,对是否发生轧制问题进行精确判断。在一个变化例中,如果拍摄角度超过两个(例如,3个或者更多),那么可以先对侧视图像进行检测,如果检测结果为发生轧制问题,则对剩余的多个拍摄角度的图像进行检测,如果剩余的多个拍摄角度的图像的检测结果中,至少一个检测结果为发生轧制问题,那么判断所述热轧线发生轧制问题。由于各种轧制问题(尤其是飞钢问题)通常是由堆钢引起的,因此,可以先通过侧视图像检测是否发生堆钢,在检测到发生堆钢时再进一步检测其他拍摄角度的图像,否则不对其他拍摄角度的图像进行检测。由此,可以尽量减少图像检测带来的算力消耗,而且,由于堆钢问题和其他问题之间具有时间先后关系,因此这种方式也不会导致问题的漏判断。
针对图1中步骤S102和步骤S103,对实时监控图像(包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像)进行图像检测的第一个实施例中,该第一个实施例的图像检测步骤可以包括:将所述实时监控图像转化为灰度图,基于钢坯的亮度特征对各帧灰度图进行二值化;从二值化后的各帧灰度图中裁剪出包含钢坯的图像区域;对所述包含钢坯的图像区域进行检测。
可选的,将实时监控图像的各帧图像转换成灰度图的步骤可以基于跨平台计算机视觉库Open-CV等图像转换工具实现。
可选的,基于钢坯的亮度特征对各帧灰度图进行二值化,包括:基于高温钢坯的亮度特征(一般而言,高温钢坯的亮度远大于其他物体的亮度),设置合适的阈值,并根据该阈值将各帧灰度图进行二值化处理。
可选的,所述从二值化后的各帧灰度图中裁剪出包含钢坯的图像区域,对所述包含钢坯的图像区域进行检测,包括:将二值化处理后的灰度图中裁剪出钢坯的图像区域,提取钢坯边缘点在图像区域中对应的像素坐标,并将提取的边缘点的像素坐标进行连线,得到钢坯边缘的连线。
进一步,当第一拍摄角度为所述轧辊的侧视角度时,基于步骤S102对第一拍摄角度的实时监控图像进行图像检测得到侧视角度下钢坯边缘的连线之后,可以基于钢坯边缘的连线计算出钢坯堆叠厚度,并与预设安全厚度范围进行比较。
当第一拍摄角度为所述轧辊的俯视角度时,基于步骤S102对第一拍摄角度的实时监控图像进行图像检测得到俯视角度下钢坯边缘的连线之后,可以将钢坯边缘的连线对应的钢坯边缘与预设安全边缘范围进行比较。
上述图像检测步骤,能够基于钢坯的亮度特征完成图像检测,无需进行模型训练,计算量更小、检测效率也更高。
针对图1中步骤S102和步骤S103,对实时监控图像(包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像)进行图像检测的第二个实施例中,该第二个实施例的图像检测步骤可以包括:将所实时监控图像中逐帧输入图像检测模型中,得到每帧图像的检测结果。
其中,图像检测模型是通过训练样本进行模型训练得到的神经网络模型,其可以基于软件算法实现,训练样本为与实时监控图像格式一致的图像,训练后的图像检测模型能够根据输入的各帧图像得到各帧图像的检测结果。
可选的,图像检测模型可以基于像实例分割、目标检测、边缘提取等方法,得到第一拍摄角度和/或第二拍摄角度的实时监控图像的检测结果。
上述图像检测步骤,能够训练好的图像检测模型完成图像检测,通过模型的迭代能够有效提高识别的准确性。
需要说明的是,对不同拍摄角度的实时监控图像可以采用不同的图像检测步骤,例如,在轧辊的侧视角度一般仅可以观测到钢坯的侧面,可以采用第一个实施例的图像检测步骤,在保证能够计算出钢坯侧面的堆叠厚度的同时,也能够节约计算量。在轧辊的俯视角度可以拍摄到导轨、轧辊、热轧线上的其他器件,也即能够拍摄到除了钢坯之外的很多干扰因素,此时可以采用第二个实施例的图像检测步骤,能够有效提高检测效果。
在一个实施例中,图1中的热轧线的管理方法还可以包括:当确定所述热轧线发生轧制问题时,生成紧急指令;将所述紧急指令发送至热轧线的控制设备,以使得所述热轧线的控制设备对所述热轧线进行紧急控制;其中,所述的紧急控制包括停止轧机和/或开启飞剪装置。
其中,紧急指令可以用于控制热轧线停止轧制,比如,停止热轧线上的全部作业或者停止热轧线上的轧机。紧急指令还可以用于开启飞剪装置,以碎断发生轧制问题的预设位置处的钢坯。
热轧线的控制设备可以为设置于热轧线侧的电脑或者控制器等设备,其可以控制热轧线轧制的开启和停止。
可选的,图像检测设备可以通过网络或者专用通讯接口与热轧线的控制设备进行通讯,以传输彼此之间的信号。
由此,在发生轧制问题之后,图像检测设备可以向热轧线的控制设备发送紧急指令,以使得热轧线的控制设备对所述热轧线进行紧急控制,防止轧制问题造成的影响进一步扩大,保证热轧线工作的安全。
在一个实施例中,所述热轧线的管理方法还可以包括:当确定所述热轧线发生轧制问题时,触发报警信号;其中,所述报警信号至少包括以下一种:控制室的声音报警信号,控制室的光报警信号,热轧线的声音报警信号,热轧线的光报警信号。
其中,控制室为用于管理热轧线的工作室,在发现热轧线发生轧制问题时,可以启动控制室的光报警信号和/或声音报警信号,以通知控制室内的工作人员及时对热轧线上的故障进行处理。可选的,图像检测设备可以设置于控制室内。
另外,在发现热轧线发生轧制问题时,还可以启动热轧线的光报警信号和/或声音报警信号,提醒热轧线附近的工作人员及时处理故障、小心危险。
在一个实施例中,所述热轧线的管理方法还可以包括:将生成所述紧急指令的时间和/或接收到所述热轧线的恢复指令的时间存储到管理日志中。
其中,管理日志用于记录热轧线的工作情况,可以包括热轧线因故障停止轧制的时间(也即图像检测设备生成紧急指令的时间)、热轧线恢复轧制的时间(也即接收到热轧线的恢复指令的时间)。
可选的,管理日志中还可以记录实际发生的轧制问题、实况画面(可以为发生轧制问题对应的实时监控图像)、对轧制问题进行故障处理的时间等等,用于后续查询和追溯。
在一个实施例中,所述将所述紧急指令发送至热轧线的控制设备之后,还包括:停止对所述实时监控图像进行图像检测;在接收到所述热轧线的恢复指令之后,恢复对所述实时监控图像进行图像检测。
其中,恢复指令为用于告知图像检测设备热轧线开始轧制的指令,其可以由热轧线的控制设备生成并发送给图像检测设备。本实施例中的图像检测可以包括图1中步骤S102和/或步骤S103的图像检测。
当发生轧制问题、热轧线停止轧制之后,无需继续进行图像检测,待轧制恢复之后,再恢复图像检测。此时,能够节省热轧线停止轧制时图像检测的计算量,并且,能够避免因为重复的轧制问题而进行异常报警。
请参见图2,图2为本发明实施例的另一种热轧线的管理方法的流程图,该方法可以包括:
步骤S201,从热轧线上预设位置的多个图像采集设备获取实时监控图像;
步骤S202,对获取的实时图像进行预处理;
步骤S203,对预处理后的图像进行图像检测,得到第一拍摄角度和第二拍摄角度的检测结果;
步骤S204,判断热轧线是否发生轧制问题;当判断结果为是,跳转至步骤S205向热轧线的控制设备发送紧急指令,并触发报警信号;当判断结果为否,跳转至步骤S201,继续获取后续的实时监控图像并进行图像预处理和图像检测的步骤。
步骤S206,停止图像检测,等待热轧线的恢复指令;
步骤S207,接收到回复指令之后,则继续进行图像检测,也即跳转至步骤S203。
关于图2中方法的工作原理、工作方式的更多内容,可以参照上述图1的相关描述,这里不再赘述。
请参见图3,本发明实施例还提供一种热轧线的管理装置30,包括:图像获取模块301,用于从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;图像检测模块302,用于对第一拍摄角度的实时监控图像进行图像检测;第一角度分析模块303,用于当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测;第二角度分析模块304,当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。
在一个实施例中,所述预设位置为所述热轧线中轧辊所处位置,所述第一拍摄角度为所述轧辊的侧视角度,在所述第一拍摄角度的实时监控图像中检测到钢坯堆叠厚度超出预设安全厚度范围时,检测结果为发生轧制问题;所述第二拍摄角度为针对所述轧辊的俯视角度,在所述第二拍摄角度的实时监控图像中检测到钢坯边缘超出预设安全边缘范围时,检测结果为发生轧制问题。
在一个实施例中,图像检测模块302和第一角度分析模块303中对实时监控图像进行图像检测,可以包括:将所述实时监控图像转化为灰度图,基于钢坯的亮度特征对各帧灰度图进行二值化;从二值化后的各帧灰度图中裁剪出包含钢坯的图像区域;对所述包含钢坯的图像区域进行检测;其中,所述实时监控图像包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像。
在一个实施例中,图像检测模块302和第一角度分析模块303中对实时监控图像进行图像检测,可以包括:将所实时监控图像逐帧输入图像检测模型中,得到每帧图像的检测结果;其中,所述实时监控图像包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像。
在一个实施例中,热轧线的管理装置30还可以包括:紧急指令生成模块,用于当确定所述热轧线发生轧制问题时,生成紧急指令;紧急指令发送模块,用于将所述紧急指令发送至热轧线的控制设备,以使得所述热轧线的控制设备对所述热轧线进行紧急控制;其中,所述紧急控制包括停止轧机和/或开启飞剪装置。
在一个实施例中,所述将所述紧急指令发送至热轧线的控制设备之后,热轧线的管理装置30还可以包括:停止检测模块,用于停止对所述实时监控图像进行图像检测;恢复检测模块,用于在接收到所述热轧线的恢复指令之后,恢复对所述实时监控图像进行图像检测。
在一个实施例中,热轧线的管理装置30还可以包括:报警模块,用于当确定所述热轧线发生轧制问题时,触发报警信号;其中,所述报警信号至少包括以下一种:控制室的声音报警信号,控制室的光报警信号,热轧线的声音报警信号,热轧线的光报警信号。
在一个实施例中,热轧线的管理装置30还可以包括:日志存储模块,用于将生成所述紧急指令的时间和/或接收到所述热轧线的恢复指令的时间存储到管理日志中。
在一个实施例中,所述从所述热轧线上预设位置的多个图像采集设备获取实时监控图像之后,热轧线的管理装置30还可以包括:预处理模块,用于对所述实时监控图像中的全部或部分帧图像进行预处理;其中,所述预处理至少包以下步骤中的一个或多个:色彩增强、清晰度增强、对比度增强、去雾、畸变矫正。
关于上述热轧线的管理装置30的工作原理、工作方式的更多内容,可以参照上述图1和图2中热轧线的管理方法的相关描述,这里不再赘述。
本发明实施例还提供一种计算设备,所述计算设备可以包括如上的图像检测设备,或者,所述计算设备可以包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行图1或图2中所述热轧线的管理方法的步骤。
进一步地,本发明实施例还公开一种计算机可读存储介质,其上存储有计算机指令,计算机指令运行时执行上述图1或图2中热轧线的管理方法的技术方案。优选地,存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。存储介质可以包括ROM、RAM、磁盘或光盘等。
请参见图4,本发明实施例还提供一种热轧线管理系统40,包括:图像采集设备401,设置于所述热轧线上的预设位置,用于采集实时监控图像,并将采集的所述实时监控图像发送给图像检测设备,其中,所述图像采集设备为多个,多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;图像检测设备402,用于对第一拍摄角度的实时监控图像进行图像检测,当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测,当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题。
在一个实施例中,所述热轧线管理系统40还可以包括:热轧线的控制设备403,设置于所述热轧线侧,用于控制所述热轧线轧制的启动和停止;所述图像检测设备402,还用于当确定所述热轧线发生轧制问题时,生成紧急指令,并将所述紧急指令发送给所述热轧线的控制设备;所述热轧线的控制设备403,还用于在接收到所述紧急指令时,停止所述热轧线的轧制。
在一个实施例中,所述图像检测设备402设置于控制室,所述控制室还设置有光报警设备和/或声报警设备,所述热轧线还设置有光报警设备和/或声报警设备;所述图像检测设备402,还用于在确定所述热轧线发生轧制问题时,触发控制室的光报警设备、控制室的声报警设备、所述热轧线的光报警设备、所述热轧线的声报警设备中的至少一个设备发出报警信号。
请参见图5,图5为本发明实施例的另一种热轧线的管理系统的示意图,该热轧线管理系统可以包括多个图像采集设备2。在必要的情况下,可选择地安装对应的光源设备3。各个图像采集设备2通过数据传输装置4连接至图像检测设备5。图像检测设备5通过特定的程序接口获取各个图像采集设备2采集的实时监控图像。可选的,图像采集设备2可以拍摄视频流,将其中的各帧图像作为实时监控图像发送给图像检测设备5。数据传输装置4采用以太网及路由器/交换机,除了用于连接图像检测设备5和图像采集设备2之外,还可用于同时连接热轧线的控制设备8。当图像检测设备5检测到热轧线发生轧制问题时,可以通过图像检测设备5的显示设备6进行提示,或者通过连接在图像检测设备5上的室内报警装置7进行提示,或者间接通过连接在热轧线的控制设备8上的现场报警装置9进行提示。图像检测设备5通过专用通讯接口与热轧线的控制设备8进行通讯,发出紧急指令以提示异常,然后由热轧线的控制设备8控制热轧线的轧制,例如停止轧制、开启飞剪装置、恢复轧制等
可选的,图像检测设备5采用带图形处理器(graphics processing unit,简称GPU)的服务器,负责运行图像获取、图像预处理、图像检测和生成停止之后或者其他指令等算法模块。
关于图4和图5中的热轧线的管理系统的工作原理、工作方式的更多内容,可以参照上述图1和图2中热轧线的管理方法的相关描述,这里不再赘述。
具体地,在本发明实施例中,所述处理器可以为中央处理单元(centralprocessing unit,简称CPU),该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor,简称DSP)、专用集成电路(application specificintegrated circuit,简称ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,简称ROM)、可编程只读存储器(programmable ROM,简称PROM)、可擦除可编程只读存储器(erasable PROM,简称EPROM)、电可擦除可编程只读存储器(electricallyEPROM,简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(random accessmemory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random access memory,简称RAM)可用,例如静态随机存取存储器(staticRAM,简称SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronousDRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,简称DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,简称ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,简称DR RAM)。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,表示前后关联对象是一种“或”的关系。
本申请实施例中出现的“多个”是指两个或两个以上。
本申请实施例中出现的第一、第二等描述,仅作示意与区分描述对象之用,没有次序之分,也不表示本申请实施例中对设备个数的特别限定,不能构成对本申请实施例的任何限制。
本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式,以实现设备间的通信,本申请实施例对此不做任何限定。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (14)
1.一种热轧线的管理方法,其特征在于,所述方法包括:
从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;
对第一拍摄角度的实时监控图像进行图像检测;
当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测;
当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题;
其中,所述预设位置为所述热轧线中轧辊所处位置,所述第一拍摄角度为所述轧辊的侧视角度,在所述第一拍摄角度的实时监控图像中检测到钢坯堆叠厚度超出预设安全厚度范围时,所述第一拍摄角度的检测结果为发生轧制问题;
其中,所述第二拍摄角度为针对所述轧辊的俯视角度,在所述第二拍摄角度的实时监控图像中检测到钢坯边缘超出预设安全边缘范围时,所述第二拍摄角度的检测结果为发生轧制问题。
2.根据权利要求1所述的方法,其特征在于,对实时监控图像进行图像检测,包括:
将所述实时监控图像转化为灰度图,基于钢坯的亮度特征对各帧灰度图进行二值化;
从二值化后的各帧灰度图中裁剪出包含钢坯的图像区域;
对所述包含钢坯的图像区域进行检测;
其中,所述实时监控图像包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像。
3.根据权利要求1所述的方法,其特征在于,对所述实时监控图像进行图像检测包括:
将所述实时监控图像逐帧输入图像检测模型中,得到每帧图像的检测结果;
其中,所述实时监控图像包括所述第一拍摄角度的实时监控图像和/或第二拍摄角度的实时监控图像。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当确定所述热轧线发生轧制问题时,生成紧急指令;
将所述紧急指令发送至热轧线的控制设备,以使得所述热轧线的控制设备对所述热轧线进行紧急控制;
其中,所述的紧急控制包括停止轧机和/或开启飞剪装置。
5.根据权利要求4所述的方法,其特征在于,所述将所述紧急指令发送至热轧线的控制设备之后,还包括:
停止对所述实时监控图像进行图像检测;
在接收到所述热轧线的恢复指令之后,恢复对所述实时监控图像进行图像检测。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当确定所述热轧线发生轧制问题时,触发报警信号;
其中,所述报警信号至少包括以下一种:控制室的声音报警信号,控制室的光报警信号,热轧线的声音报警信号,热轧线的光报警信号。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
将生成所述紧急指令的时间和/或接收到所述热轧线的恢复指令的时间存储到管理日志中。
8.根据权利要求1所述的方法,其特征在于,所述从所述热轧线上预设位置的多个图像采集设备获取实时监控图像之后,还包括:
对所述实时监控图像中的全部或部分帧图像进行预处理;
其中,所述预处理至少包括以下步骤中的一个或多个:色彩增强、清晰度增强、对比度增强、去雾、畸变矫正。
9.一种热轧线的管理装置,其特征在于,所述装置包括:
图像获取模块,用于从所述热轧线上预设位置的多个图像采集设备获取实时监控图像,其中,所述多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;
图像检测模块,用于对第一拍摄角度的实时监控图像进行图像检测;
第一角度分析模块,用于当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测;
第二角度分析模块,当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题;
其中,所述预设位置为所述热轧线中轧辊所处位置,所述第一拍摄角度为所述轧辊的侧视角度,在所述第一拍摄角度的实时监控图像中检测到钢坯堆叠厚度超出预设安全厚度范围时,所述第一拍摄角度的检测结果为发生轧制问题;
其中,所述第二拍摄角度为针对所述轧辊的俯视角度,在所述第二拍摄角度的实时监控图像中检测到钢坯边缘超出预设安全边缘范围时,所述第二拍摄角度的检测结果为发生轧制问题。
10.一种计算设备,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行权利要求1至8任一项所述方法的步骤。
11.一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运行时执行权利要求1至8任一项所述方法的步骤。
12.一种热轧线的管理系统,其特征在于,所述系统包括:
图像采集设备,设置于所述热轧线上的预设位置,用于采集实时监控图像,并将采集的所述实时监控图像发送给图像检测设备,其中,所述图像采集设备为多个,多个图像采集设备的拍摄角度至少包括第一拍摄角度和第二拍摄角度;
图像检测设备,用于对第一拍摄角度的实时监控图像进行图像检测,当所述第一拍摄角度的检测结果为发生轧制问题时,对同一时段或下一时段的第二拍摄角度的实时监控图像进行图像检测,当所述第二拍摄角度的检测结果为发生轧制问题时,判断所述热轧线发生轧制问题;
其中,所述预设位置为所述热轧线中轧辊所处位置,所述第一拍摄角度为所述轧辊的侧视角度,在所述第一拍摄角度的实时监控图像中检测到钢坯堆叠厚度超出预设安全厚度范围时,所述第一拍摄角度的检测结果为发生轧制问题;
其中,所述第二拍摄角度为针对所述轧辊的俯视角度,在所述第二拍摄角度的实时监控图像中检测到钢坯边缘超出预设安全边缘范围时,所述第二拍摄角度的检测结果为发生轧制问题。
13.根据权利要求12所述的系统,其特征在于,所述系统还包括:
热轧线的控制设备,设置于所述热轧线侧,用于控制所述热轧线轧制的启动和停止;
所述图像检测设备,还用于当确定所述热轧线发生轧制问题时,生成紧急指令,并将所述紧急指令发送给所述热轧线的控制设备;
所述热轧线的控制设备,还用于在接收到所述紧急指令时,对所述热轧线进行紧急控制;
其中,所述紧急控制包括停止轧机和/或开启飞剪装置。
14.根据权利要求12或13所述的系统,其特征在于,所述图像检测设备设置于控制室,所述控制室还设置有光报警设备和/或声报警设备,所述热轧线还设置有光报警设备和/或声报警设备;
所述图像检测设备,还用于在确定所述热轧线发生轧制问题时,触发控制室的光报警设备、控制室的声报警设备、所述热轧线的光报警设备、所述热轧线的声报警设备中的至少一个设备发出报警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210023027.7A CN114549406B (zh) | 2022-01-10 | 2022-01-10 | 热轧线的管理方法、装置及系统、计算设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210023027.7A CN114549406B (zh) | 2022-01-10 | 2022-01-10 | 热轧线的管理方法、装置及系统、计算设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549406A CN114549406A (zh) | 2022-05-27 |
CN114549406B true CN114549406B (zh) | 2022-11-22 |
Family
ID=81669122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210023027.7A Active CN114549406B (zh) | 2022-01-10 | 2022-01-10 | 热轧线的管理方法、装置及系统、计算设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549406B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523893B (zh) * | 2023-05-16 | 2023-12-26 | 华院计算技术(上海)股份有限公司 | 一种基于机器视觉的飞钢检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107635101A (zh) * | 2017-10-27 | 2018-01-26 | 广东欧珀移动通信有限公司 | 拍摄方法、装置、存储介质和电子设备 |
CN111640112A (zh) * | 2020-06-11 | 2020-09-08 | 云从科技集团股份有限公司 | 图像检测方法、系统、平台、设备及介质、图像处理装置 |
CN112750107A (zh) * | 2021-01-11 | 2021-05-04 | 齐鲁工业大学 | 基于轮廓边数拟合与凸包处理的球形工件识别方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816045A (zh) * | 2019-02-11 | 2019-05-28 | 青岛海信智能商用系统股份有限公司 | 一种商品识别方法及装置 |
CN111127558B (zh) * | 2019-12-20 | 2023-06-27 | 北京理工大学 | 确定装配体检测角度的方法、装置、电子设备及存储介质 |
-
2022
- 2022-01-10 CN CN202210023027.7A patent/CN114549406B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107635101A (zh) * | 2017-10-27 | 2018-01-26 | 广东欧珀移动通信有限公司 | 拍摄方法、装置、存储介质和电子设备 |
CN111640112A (zh) * | 2020-06-11 | 2020-09-08 | 云从科技集团股份有限公司 | 图像检测方法、系统、平台、设备及介质、图像处理装置 |
CN112750107A (zh) * | 2021-01-11 | 2021-05-04 | 齐鲁工业大学 | 基于轮廓边数拟合与凸包处理的球形工件识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114549406A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111564015B (zh) | 一种轨道交通周界入侵的监测方法及装置 | |
CN114549406B (zh) | 热轧线的管理方法、装置及系统、计算设备和存储介质 | |
CN103207185A (zh) | 钢卷端部质量检测系统及方法 | |
CN106807801B (zh) | 一种高速精冲机模具表面废料智能在线检测方法及装置 | |
WO2021020866A9 (ko) | 원격 모니터링을 위한 영상 분석 시스템 및 방법 | |
CN113139950B (zh) | 一种目标对象识别的方法及装置 | |
CN112184773A (zh) | 一种基于深度学习的安全帽佩戴检测方法及系统 | |
CN112637568B (zh) | 基于多节点边缘计算设备的分布式安全监控方法和系统 | |
CN103810696A (zh) | 一种目标对象图像检测方法及装置 | |
CN110992323B (zh) | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 | |
CN115953719A (zh) | 一种多目标识别的计算机图像处理系统 | |
CN115049955A (zh) | 一种基于视频分析技术的火灾探测分析方法及装置 | |
JP5859845B2 (ja) | 通板異常検出装置 | |
CN116246206A (zh) | 一种基于标志物边缘检测的输煤系统溢煤识别系统 | |
CN115494074A (zh) | 用于连铸板坯表面缺陷的在线检测方法 | |
CN116245813A (zh) | 一种双层剪废料滞留检测方法、终端设备及存储介质 | |
CN114671215A (zh) | 一种基于图像识别和ai算法在皮带无人值守的应用 | |
CN111598085B (zh) | 玻璃面板定位方法、装置、设备和存储介质 | |
CN114757905A (zh) | 一种基于视觉的卷绳缠绕异常检测装置及方法 | |
KR20230107035A (ko) | 전력 설비를 위한 화재 대응 방법 및 영상인식 기반 화재 대응 시스템 | |
JP5267789B2 (ja) | 外観検査装置及びプログラム | |
CN113112427A (zh) | 一种铁水运输的监测方法、装置、设备及存储介质 | |
JP2013205381A (ja) | 冷間圧延機に通板する鋼帯の欠陥検出方法および欠陥検出システム | |
CN110930362A (zh) | 一种螺钉安全检测方法、装置及系统 | |
TWI546133B (zh) | The method of detecting the knife condition of hot - cutting end cutting machine |
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 |