CN116012845A - 一种轧辊磨床屏幕参数自动识别系统及方法 - Google Patents
一种轧辊磨床屏幕参数自动识别系统及方法 Download PDFInfo
- Publication number
- CN116012845A CN116012845A CN202211557160.7A CN202211557160A CN116012845A CN 116012845 A CN116012845 A CN 116012845A CN 202211557160 A CN202211557160 A CN 202211557160A CN 116012845 A CN116012845 A CN 116012845A
- Authority
- CN
- China
- Prior art keywords
- screen
- image
- grinding machine
- data
- parameters
- 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.)
- Pending
Links
Images
Landscapes
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明公开了一种轧辊磨床屏幕参数自动识别系统及方法,包括屏幕智能相机、图像处理识别系统、后台监控中心及触摸显示屏;方法包括如下步骤:拍摄磨床屏幕图像;采用ESDNet深度神经网络滤除磨床屏幕图像的摩尔纹;对滤除摩尔纹后的磨床屏幕图像进行矫正并剪裁;对剪裁后的磨床屏幕图像进行成像效果自检,并对磨床参数进行识别,获取屏幕上的磨床参数数据,并存储在存储模块中,本发明涉及图像识别技术领域。该轧辊磨床屏幕参数自动识别系统及方法,采用图像识别方法对轧辊磨床屏幕的数据进行识别提取,代替人工抄录,所用设备少,成本投入低,无需大批量更新磨床设备,能够在控制使用成本的前提下实现数据的智能化提取和记录。
Description
技术领域
本发明涉及图像识别技术领域,具体为一种轧辊磨床屏幕参数自动识别系统及方法。
背景技术
在冶金工业生产中,轧辊广泛应用于工业金属塑形。磨削后的轧辊需要将磨削量、磨后直径、同轴度、凸度等参数记录下来,以便进行轧辊登记入库、后续工序参数调整、成本统计与报废周期估算等。由于老式磨床多采用封闭式数控平台,无法联网且不具备数据自主记录功能,因此磨削数据需要手抄记录并手动上传至数据库,由于需要磨削轧辊数量大,且磨削参数位数多,人工抄录工作量大、易出错,并且实时性不足,大批量更换先进磨床设备成本较高,因此如何在有限成本内实现磨床设备智能化升级,对降本增效,提高生产效率具有重要的作用。
目前,屏幕数据的采集通常采用工业相机对屏幕进行拍照和算法识别。由于磨床操作空间小,安装位置受限,且不能影响师傅操作,因此屏幕识别相机不能像普通采像装置一样设置在屏幕正前方,另外,普通相机采集到的磨床屏幕图像会受到所处环境中粉尘、烟雾等的影响而成像不清晰,进一步导致数据识别不准确。
发明内容
针对现有技术的不足,本发明提供了一种轧辊磨床屏幕参数自动识别方法及系统,用于解决上述背景技术中提到的问题。
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,本发明提供了一种轧辊磨床屏幕参数自动识别系统,包括:
屏幕智能相机,呈“L”形,安装在磨床屏幕正上方,用于拍摄磨床屏幕偏振图像;
图像处理识别系统,用于对磨床屏幕图像进行处理,并识别屏幕中的数据信息;
后台监控中心,通过无线网关与所述图像处理识别系统进行数据交互,用于将接收到的数据经处理后存储到存储模块并在显示模块中显示;
触摸显示屏,通过数据线与所述图像处理识别系统进行数据交互,用于下发控制指令,还用于接收并显示屏幕参数识别结果及磨床屏幕图像结果。
进一步的,所述屏幕智能相机采用偏振相机。
进一步的,所述后台监控中心集成有存储模块及显示模块。
进一步的,所述图像处理识别系统包括:
图像预处理模块,用于对磨床屏幕图像进行去摩尔纹、矫正和剪裁处理;
参数识别模块,用于识别图像中的磨床参数数据;
图像自检模块,用于对获取的磨床图像进行成像效果自检。
第二方面,本发明提供了一种轧辊磨床屏幕参数自动识别方法,所述方法执行时使用如上述的轧辊磨床屏幕参数自动识别系统,包括以下步骤:
拍摄磨床屏幕图像;
采用ESDNet深度神经网络滤除磨床屏幕图像的摩尔纹;
对滤除摩尔纹后的磨床屏幕图像进行矫正并剪裁;
对剪裁后的磨床屏幕图像中的磨床参数进行识别,获取屏幕上的磨床参数数据,并存储在存储模块中;
同时,对剪裁后的图像进行成像效果自检。
进一步的,所述对滤除摩尔纹后的所述屏幕图像进行矫正,具体包括:
获取所述屏幕图像四个点坐标;
通过旋转、缩放、平移、透视变换计算得到变换后的图像坐标。
进一步的,所述对屏幕图像进行识别,具体包括:
选取待识别区域图像作为训练网络模型的输入图像,基于Yolov5模型构建目标识别网络;
目标识别网络对图像中的数字进行识别;
根据识别结果的坐标,对识别数据重新组合,将单个数字或小数点拼接成一个完整有效数据。
进一步的,所述对剪裁后的图像进行成像效果自检时,首先判断图像中的磨床参数是否严重变形,若是则在所述触摸显示屏及后台监控中心弹窗警示,若否则继续判断磨床参数是否被遮挡。
本发明具备以下有益效果:
本发明采用图像识别方法对轧辊磨床屏幕的数据进行识别提取,代替人工抄录,且所用设备少,成本投入低,无需大批量更新磨床设备,因此能够在控制使用成本的前提下实现数据的智能化提取和记录,另外,由于屏幕智能相机安装在磨床屏幕顶部,且其呈L形,所占用空间小,不影响工人正常工作。
针对屏幕图像中普遍存在的摩尔纹现象,通过将采集偏振图像和去摩尔纹处理算法相结合的方式,有效的滤除摩尔纹,显著降低了摩尔纹对识别精度的影响,在识别数据前,对图像进行去摩尔纹和矫正处理,使图像更清晰,不变形,能够有效提高识别结果的准确性,另外,屏幕智能相机采用偏振相机,拍摄屏幕的偏振图像,能够降低环境对成像效果的影响,有利于后续进行图像处理。
本发明系统还能够对采集的磨床屏幕图像成像效果进行自检,当屏幕智能相机受外力碰撞导致位置偏移时,会使图像变形严重,甚至部分区域无法显示,另外,当屏幕智能相机镜头前或磨床屏幕上有异物遮挡时,会导致磨床参数被遮挡,此时,通过自检模块能够检测出图像是否严重变形或者磨床参数是否被遮挡,进而发出弹窗警示,提醒工作人员检查设备,并及时进行处理,降低成像效果对识别结果的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图;
图2为本发明中系统的原理框图;
图3为本发明中屏幕识别相机和触控显示屏的安装示意图;
图4为本发明中磨床图像剪裁前后对比图。
图中,1屏幕智能相机、2图像处理识别系统、21图像预处理模块、22参数识别模块、23图像自检模块、3后台监控中心、31显示模块、32存储模块、4触摸显示屏。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图2、图3,本发明实施例提供了一种轧辊磨床屏幕参数自动识别系统,包括:
屏幕智能相机1,呈“L”形,安装在磨床屏幕正上方,用于拍摄磨床屏幕偏振图像,屏幕智能相机1体积小,所占空间小,能够在轧辊磨床所处特殊工作环境中降低相机对工作人员正常工作的影响,且屏幕智能相机1采用偏振相机,能够采集磨床屏幕的偏振图像,能够降低环境对成像效果的影响,有利于后续进行图像处理,;
图像处理识别系统2,用于对磨床屏幕图像进行处理,并识别屏幕中的数据信息;
后台监控中心3,通过无线网关与图像处理识别系统2进行数据交互,用于将接收到的数据经处理后存储到存储模块32并在显示模块31中显示,后台监控中心3集成有存储模块32及显示模块31;
触摸显示屏4,通过数据线与图像处理识别系统2进行数据交互,用于下发控制指令,还用于接收并显示屏幕参数识别结果及磨床屏幕图像,触摸显示屏4安装在磨床屏幕一侧,可实时显示数据识别结果,方便现场磨床工人对比数据识别结果与磨床屏幕真实数据,核验数据识别结果是否正确;当屏幕数据识别错误时,磨床工人可通过触控屏幕执行重新抓拍识别操作或者直接在触摸显示屏4上修改数据识别结果,并一键上传至后台监控中心3,所有相关数据如磨床屏幕图像、图像拍摄时间、磨床参数识别结果、人工修改或查阅时间等信息,均存储在存储模块32中,用于数据追溯核验。
本实施例中,在图像处理识别系统2包括:
图像处理识别模块21,用于对磨床屏幕图像进行去摩尔纹、矫正和剪裁处理,由于相机感光元件的空间频率和磨床屏幕中条纹的空间频率接近,会使图片出现彩色的高频率不规则条纹,即摩尔纹,会影响后续数据识别,因此需要去除摩尔纹,由于相机安装空间条件限制,屏幕智能相机1的拍摄视角为倾斜状态,因此需要对摄取的图像进行矫正,再者,所摄取的图像中包含大部分不存在磨床参数的区域(如图4中剪裁前的图像,下半部分即为无参数的不相关区域),因此需要对图像进行剪裁;
参数识别模块22,用于识别图像中的磨床参数数据;
图像自检模块23,用于对获取的磨床图像进行成像效果自检,当屏幕智能相机1收到外力碰撞发生位置偏移时,其所拍摄的图像会严重变形,甚至部分区域无法拍摄到,即使矫正后,也可能会有部分磨床参数无法正常显示,另外,当屏幕智能相机1镜头前或磨床屏幕上有异物遮挡时,可能会造成部分数据显示不完整,上述两种情况都会直接影响磨床数据的正常识别,图像自检模块23能够对采集的图像进行自检,当出现磨床数据无法正常识别时,会自动发出弹窗警示,提醒工作人员及时检修处理。
实施例2
请参阅图1,本发明实施例提供了一种轧辊磨床屏幕参数自动识别方法,该方法执行时使用上述的轧辊磨床屏幕参数自动识别系统,包括以下步骤:
拍摄磨床屏幕图像;
采用ESDNet深度神经网络滤除磨床屏幕图像的摩尔纹;
对滤除摩尔纹后的磨床屏幕图像进行矫正并剪裁,如图4,剪裁过程提取图像中具有磨床参数的三个特定区域;
对剪裁后的磨床屏幕图像中的磨床参数进行识别,获取屏幕上的磨床参数数据,并存储在存储模块32中;
同时,对剪裁后的图像进行成像效果自检,对图像中的磨床参数进行检测,若磨床参数无法正常显示,则说明成像效果差,进而说明屏幕智能相机1可能存在故障,如:当矫正后的图像依然变形严重,磨床参数无法正常显示,说明屏幕智能相机1可能受外力碰撞,位置发生了偏移,需要进行调整;当图像中的磨床参数被遮挡无法正常识别时,说明屏幕智能相机1的镜头或磨床屏幕可能被异物覆盖,需要进行清理。
本实施例提供的方法能够代替人工进行轧辊磨床屏幕上各项参数的识别和录入,从而降低工作人员的工作强度及人工抄录误差,使数据抄录工作更智能化。
本实施例中,对滤除摩尔纹后的屏幕图像进行矫正,具体包括:
获取屏幕图像四个点坐标;
通过旋转、缩放、平移、透视变换计算得到变换后的图像坐标。
本实施例中,在计算获取变换后的图像坐标时,利用透视变换公式:
;
其中u、v是原始图片坐标,参数w=1;
得到变换后的图片坐标(x,y):
。
上述透视变换公式的矩阵中,为第一部分,表示线性变换,主要用于图像的缩放、旋转操作,为第二部分,用于图像的平移操作,为第三部分,用于图像的透视变换,第四部分参数a33=1。
本实施例中,在对屏幕图像进行识别时,首先选取剪裁后的待识别区域图像作为训练网络模型的输入图像,基于Yolov5模型构建目标识别网络,待识别区域图像即裁剪出的具有磨床参数的图像,如图4;然后目标识别网络对图像中的数字进行识别;最后根据识别结果的坐标,对识别数据重新组合,将单个数字或小数点拼接成一个完整有效数据,由于磨床屏幕数据特征小,数据位数多,通过对屏幕图像进行区域划分,再基于Yolov5网络模型对各区域逐一进行数据识别,从而能够保证数据识别的准确率。
本实施例中,由于磨床数控屏幕中显示的数据很多,屏幕尺寸较大,且待识别数据在整张屏幕图片中所占的范围较小,因此,磨床屏幕数据存在可利用特征少、定位精度要求高、小目标聚集等一系列问题,导致对屏幕关键数据的识别存在误识别、漏识别的情况,为了解决这一问题,本文在使用Yolov5模型训练数据之前,采用了先分割、再训练模型的方法,对于去摩尔纹处理和畸变矫正后的屏幕图像,进行分区域处理,实现轧辊磨床屏幕数据识别,通过选取待识别区域,并作为训练网络模型的输入图像,避免了要识别检测的物体所占图片特征小的问题。
本实施例中对剪裁后的图像进行成像效果自检时,首先判断图像中的磨床参数是否严重变形,若是则在触摸显示屏4及后台监控中心3弹窗警示,提醒工作人员及时查看屏幕智能相机1是否移位或偏移,若否则继续判断磨床参数是否被遮挡,若磨床参数被遮挡,则在触摸显示屏4及后台监控中心3弹窗警示,提醒工作人员及时查看屏幕智能相机1镜头前是否被异物遮盖,或者磨床屏幕被异物遮盖。
实施例3
本实施例将实施例1中的系统部署在磨床设备上,将屏幕智能相机1安装在磨床屏幕的正上方,连续采集了6个月的屏幕图像数据,每两个月统计一次屏幕识别算法准确率,每项屏幕数据识别测试结果的准确率如表1所示:
表1
从表1可发现屏幕识别算法整体正确率为99%以上,其中处于磨床屏幕边缘的数据识别准确率在99.1%-99.3%之间。处于磨床屏幕中间区域的数据识别准确率在99.4%-99.6%之间,这是由于图像边缘处可能发生畸变造成的影响,因此,本发明提供的轧辊磨床屏幕参数自动识别方法及系统具有较高的准确率,能够代替人工进行屏幕参数的识别和录入,提高了轧辊磨床及后续设备工作的智能化程度。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (8)
1.一种轧辊磨床屏幕参数自动识别系统,其特征在于:包括:
屏幕智能相机,呈“L”形,安装在磨床屏幕正上方,用于拍摄磨床屏幕偏振图像;
图像处理识别系统,用于对磨床屏幕图像进行处理,并识别磨床屏幕中的参数信息;
后台监控中心,通过无线网关与所述图像处理识别系统进行数据交互,用于将接收到的数据经处理后存储到存储模块并在显示模块中显示;
触摸显示屏,通过数据线与所述图像处理识别系统进行数据交互,用于下发控制指令,还用于接收并显示屏幕参数识别结果及磨床屏幕图像。
2.根据权利要求1所述的一种轧辊磨床屏幕参数自动识别系统,其特征在于:所述屏幕智能相机采用偏振相机。
3.根据权利要求1所述的一种轧辊磨床屏幕参数自动识别系统,其特征在于:所述后台监控中心集成有存储模块及显示模块。
4.根据权利要求1所述的一种轧辊磨床屏幕参数自动识别系统,其特征在于:所述图像处理识别系统包括:
图像预处理模块,用于对磨床屏幕图像进行去摩尔纹、矫正和剪裁处理;
参数识别模块,用于识别图像中的磨床参数数据;
图像自检模块,用于对获取的磨床图像进行成像效果自检。
5.一种轧辊磨床屏幕参数自动识别方法,所述方法执行时使用如权利要求1-4任意一项所述的轧辊磨床屏幕参数自动识别系统,其特征在于:包括以下步骤:
拍摄磨床屏幕图像;
采用ESDNet深度神经网络滤除磨床屏幕图像的摩尔纹;
对滤除摩尔纹后的磨床屏幕图像进行矫正并剪裁;
对剪裁后的磨床屏幕图像进行成像效果自检,并对磨床参数进行识别,获取屏幕上的磨床参数数据,并存储在存储模块中。
6.根据权利要求5所述的一种轧辊磨床屏幕参数自动识别方法,其特征在于:所述对滤除摩尔纹后的所述屏幕图像进行矫正,具体包括:
获取所述屏幕图像四个点坐标;
通过旋转、缩放、平移、透视变换计算得到变换后的图像坐标。
7.根据权利要求5所述的一种轧辊磨床屏幕参数自动识别方法,其特征在于:所述对屏幕图像进行识别,具体包括:
选取待识别区域图像作为训练网络模型的输入图像,基于Yolov5模型构建目标识别网络;
目标识别网络对图像中的数字进行识别;
根据识别结果的坐标,对识别数据重新组合,将单个数字或小数点拼接成一个完整有效数据。
8.根据权利要求5所述的一种轧辊磨床屏幕参数自动识别方法,其特征在于:所述对剪裁后的图像进行成像效果自检时,首先判断图像中的磨床参数是否严重变形,若是则在所述触摸显示屏及后台监控中心弹窗警示,若否则继续判断磨床参数是否被遮挡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211557160.7A CN116012845A (zh) | 2022-12-06 | 2022-12-06 | 一种轧辊磨床屏幕参数自动识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211557160.7A CN116012845A (zh) | 2022-12-06 | 2022-12-06 | 一种轧辊磨床屏幕参数自动识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116012845A true CN116012845A (zh) | 2023-04-25 |
Family
ID=86018530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211557160.7A Pending CN116012845A (zh) | 2022-12-06 | 2022-12-06 | 一种轧辊磨床屏幕参数自动识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116012845A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116690402A (zh) * | 2023-08-09 | 2023-09-05 | 浙江晶盛机电股份有限公司 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
-
2022
- 2022-12-06 CN CN202211557160.7A patent/CN116012845A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116690402A (zh) * | 2023-08-09 | 2023-09-05 | 浙江晶盛机电股份有限公司 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
CN116690402B (zh) * | 2023-08-09 | 2023-11-14 | 浙江晶盛机电股份有限公司 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
CN111815630A (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
CN105513082B (zh) | 一种成捆棒材识别计数方法和装置 | |
CN116012845A (zh) | 一种轧辊磨床屏幕参数自动识别系统及方法 | |
CN106127779A (zh) | 基于视觉识别的缺陷检测方法及系统 | |
CN103051872A (zh) | 基于图像边缘提取的输送带跑偏检测方法 | |
CN102002582A (zh) | 一种利用图像识别的带钢同步分析监控方法和系统 | |
CN109540918B (zh) | 一种热轧卷边部缺陷检测装置及方法 | |
CN112465809A (zh) | 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置 | |
CN113592852A (zh) | 一种碳纤维碳丝质量在线检测系统和方法 | |
CN113469974B (zh) | 球团链篦机篦板状态监测方法及其监测系统 | |
CN115741218B (zh) | 基于加工画像分析的机床故障预警方法及系统 | |
CN107437256B (zh) | 应用于轮胎x光图像通道自动划分方法和系统 | |
CN115457276B (zh) | 基于视觉检测的输配电变压器高压绕组缠绕角度检测方法 | |
CN107403429B (zh) | 一种周期序列图像模型参数的快速自动获取方法 | |
CN113012137B (zh) | 一种面板缺陷检查方法、系统、终端设备及存储介质 | |
TWI766592B (zh) | 熱軋鋼帶表面研磨資訊系統 | |
CN104897688A (zh) | 一种化纤纸管外观检测过程中图像精确处理方法及系统 | |
CN110796188A (zh) | 一种多类型惯性传感器协同的建设工人工效监控方法 | |
CN114494778B (zh) | 用于电力设备远程监造的图像采集处理系统及其控制方法 | |
CN112150453B (zh) | 一种铁路货车摇枕弹簧折断故障自动检测方法 | |
CN114485399B (zh) | 一种尺寸检测系统及方法 | |
JP3143561B2 (ja) | 金属片の表面欠陥部手入れ方法 | |
CN113570551B (zh) | 球团链篦机篦条状态监测方法及其监测系统 | |
JP3178960B2 (ja) | 金属片の表面欠陥部手入れ方法 |
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 |