CN116245813A - 一种双层剪废料滞留检测方法、终端设备及存储介质 - Google Patents
一种双层剪废料滞留检测方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN116245813A CN116245813A CN202310001838.1A CN202310001838A CN116245813A CN 116245813 A CN116245813 A CN 116245813A CN 202310001838 A CN202310001838 A CN 202310001838A CN 116245813 A CN116245813 A CN 116245813A
- Authority
- CN
- China
- Prior art keywords
- double
- image
- waste
- layer
- shearing
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 230000014759 maintenance of location Effects 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000010008 shearing Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 13
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 12
- 239000010959 steel Substances 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 19
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 238000010924 continuous production Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000005097 cold rolling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000010960 cold rolled steel Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06T2207/30136—Metal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种双层剪废料滞留检测方法、终端设备及存储介质,该方法中包括:S1:实时采集双层剪剪切钢卷后钢卷废料掉落处的下方导板区域的图像,当接收到每次剪切时用于双层剪剪切的第一个剪切信号时,将初始图像更新为该时刻采集的图像;S2:通过动态目标检测算法对采集的图像中的动态目标进行检测,如果检测到动态目标,判定当前无废料滞留;否则,进入S3;S3:将该幅图像与初始图像进行相似度计算,如果相似度大于预设的相似度阈值,则判定当前无废料滞留;否则,判定当前有废料滞留。本发明不需要人工实时进行视频监控和判定,减少人工的工作时间和人力成本。
Description
技术领域
本发明涉及冷轧带钢生产领域,尤其涉及一种双层剪废料滞留检测方法、终端设备及存储介质。
背景技术
在冷轧带钢连续生产机组中,钢卷的头尾部分版型不好,板材的浪型和平整度很差,为了使带钢能顺利通过机组,需要用双层剪将钢卷头尾很差的部分剪切掉,剪切掉的部分后面统称为废料,在双层剪剪切时,废料会从具有一定倾斜角度的导板滑落至下方的废料斗中,但是由于废料通常是不平整的,在下滑过程中摩擦阻力会比较大,导致会滞留在导板上,如果不及时发现并清除掉滞留的废料,会影响到后面的剪切,严重时会造成大量的堆积,影响连续生产机组的运行,从而造成严重的经济损失。
目前检测双层剪废料滞留主要采用人工操作,在每次剪切时需要人员在双层剪附近区域查看是否滞留。从安全方面来看,每次废料存在掉出导板附近安全区域之外的可能性,对于人员来说有一定的危险性;从工作量来看,作为连续生产机组,需要不断安排人员去观察是否存在滞留,增加人员的工作量,人员的利用效率低下。因此,需要一种能够自动检测双层剪废料滞留的方法。
发明内容
为了解决上述问题,本发明提出了一种双层剪废料滞留检测方法、终端设备及存储介质。
具体方案如下:
一种双层剪废料滞留检测方法,包括以下步骤:
S1:实时采集双层剪剪切钢卷后钢卷废料掉落处的下方导板区域的图像,当接收到每次剪切时用于双层剪剪切的第一个剪切信号时,将初始图像更新为该时刻采集的图像;
S2:通过动态目标检测算法对采集的图像中的动态目标进行检测,如果检测到动态目标,判定当前无废料滞留;否则,进入S3;
S3:将该幅图像与初始图像进行相似度计算,如果相似度大于预设的相似度阈值,则判定当前无废料滞留;否则,判定当前有废料滞留。
进一步的,图像通过安装于双层剪侧边的摄像装置拍摄获得。
进一步的,拍摄位置处还包括用于补光的补光灯。
进一步的,图像的采集时间段为:当接收到第一个剪切信号时开始以固定的时间间隔采集;当剪切信号停止时停止采集。
进一步的,动态目标检测算法中首先采用高斯混合模型分离算法对图像中运动的前景进行提取,之后对提取的前景进行去噪点处理。
进一步的,相似度计算的算法采用直方图算法。
进一步的,当判定当前有废料滞留时,还包括通过语音报警方式通知工作人员。
一种双层剪废料滞留检测终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案,不需要人工实时进行视频监控和判定,减少人工的工作时间和人力成本;实现了双层剪废料滞留实时检测的无人化和自动化功能,提高了冷轧连续生产机组的智能化程度。
附图说明
图1所示为本发明实施例一的流程图。
图2所示为该实施例中钢卷废料掉落到导板区域上的图像。
图3所示为该实施例中导板磨损前后对比图。
图4所示为该实施例中动态目标检测结果示意图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
本发明实施例提供了一种双层剪废料滞留检测方法,如图1所示,所述方法包括以下步骤:
S1:实时采集双层剪剪切钢卷后钢卷废料掉落处的下方导板区域的图像,当接收到每次剪切时用于双层剪剪切的第一个剪切信号时,将初始图像更新为该时刻采集的图像。
该实施例中图像通过安装于双层剪侧边的摄像装置拍摄获得,摄像装置优选采用像素较高的相机,如面阵相机。如图2所示为拍摄到的钢卷废料掉落到导板区域上的图像。
进一步的,由于车间内生产区域光线较暗,为了能够拍摄到更加清晰的图像,该实施例中还包括在摄像设备拍摄位置处安装一个用于补光的补光灯,如LED光源。
由于对于每个钢卷,其头部和尾部的废料部分需要分成多次剪切,因此设定图像的采集时间段为:当接收到第一个剪切信号时开始以固定的时间间隔采集;当剪切信号停止时停止采集。由于导板区域会随着废料的不断滑落而受到磨损,如图3所示,其左图为导板磨损前图像,右图为导板磨损后图像,为了避免因导板磨损而影响后续相似度判断的准确性,该实施例中当接收到每次剪切时用于双层剪剪切的第一个剪切信号的时刻采集的图像作为初始图像。
S2:通过动态目标检测算法对采集的图像中的动态目标进行检测,如果检测到动态目标,判定当前无废料滞留;否则,进入S3。
该实施例中动态目标检测算法首先采用高斯混合模型分离算法对图像进行前后景的分割,并设定学习率参数来进行背景的训练,根据高斯混合模型分离算法提取到运动的前景后,对前景进行去噪点处理,去除光照变化产生的影响,防止误判检测到掉落。图4所示为图2对应的动态目标检测结果。
S3:将该幅图像与初始图像进行相似度计算,如果相似度大于预设的相似度阈值,则判定当前无废料滞留;否则,判定当前有废料滞留。
该实施例中相似度计算的算法采用直方图算法,相似度阈值本领域技术人员可以根据需要自行设定,在此不做限制。
进一步的,为了及时通知相关工作人员及时处理滞留废料,该实施例中当判定当前有废料滞留时,还包括通过语音报警方式通知工作人员。语音报警可以采用音箱等语音播放装置。
本发明实施例相对现有技术,不需要人工实时进行视频监控和判定,减少人工的工作时间和人力成本。本实施例实现了双层剪废料滞留实时检测的无人化和自动化功能,提高了冷轧连续生产机组的智能化程度。
实施例二:
本发明还提供一种双层剪废料滞留检测终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地,作为一个可执行方案,所述双层剪废料滞留检测终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述双层剪废料滞留检测终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述双层剪废料滞留检测终端设备的组成结构仅仅是双层剪废料滞留检测终端设备的示例,并不构成对双层剪废料滞留检测终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述双层剪废料滞留检测终端设备还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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,所述处理器是所述双层剪废料滞留检测终端设备的控制中心,利用各种接口和线路连接整个双层剪废料滞留检测终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述双层剪废料滞留检测终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述双层剪废料滞留检测终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (9)
1.一种双层剪废料滞留检测方法,其特征在于,包括以下步骤:
S1:实时采集双层剪剪切钢卷后钢卷废料掉落处的下方导板区域的图像,当接收到每次剪切时用于双层剪剪切的第一个剪切信号时,将初始图像更新为该时刻采集的图像;
S2:通过动态目标检测算法对采集的图像中的动态目标进行检测,如果检测到动态目标,判定当前无废料滞留;否则,进入S3;
S3:将该幅图像与初始图像进行相似度计算,如果相似度大于预设的相似度阈值,则判定当前无废料滞留;否则,判定当前有废料滞留。
2.根据权利要求1所述的双层剪废料滞留检测方法,其特征在于:图像通过安装于双层剪侧边的摄像装置拍摄获得。
3.根据权利要求2所述的双层剪废料滞留检测方法,其特征在于:拍摄位置处还包括用于补光的补光灯。
4.根据权利要求1所述的双层剪废料滞留检测方法,其特征在于:图像的采集时间段为:当接收到第一个剪切信号时开始以固定的时间间隔采集;当剪切信号停止时停止采集。
5.根据权利要求1所述的双层剪废料滞留检测方法,其特征在于:动态目标检测算法中首先采用高斯混合模型分离算法对图像中运动的前景进行提取,之后对提取的前景进行去噪点处理。
6.根据权利要求1所述的双层剪废料滞留检测方法,其特征在于:相似度计算的算法采用直方图算法。
7.根据权利要求1所述的双层剪废料滞留检测方法,其特征在于:当判定当前有废料滞留时,还包括通过语音报警方式通知工作人员。
8.一种双层剪废料滞留检测终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~7中任一所述方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1~7中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310001838.1A CN116245813A (zh) | 2023-01-03 | 2023-01-03 | 一种双层剪废料滞留检测方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310001838.1A CN116245813A (zh) | 2023-01-03 | 2023-01-03 | 一种双层剪废料滞留检测方法、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116245813A true CN116245813A (zh) | 2023-06-09 |
Family
ID=86634193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310001838.1A Pending CN116245813A (zh) | 2023-01-03 | 2023-01-03 | 一种双层剪废料滞留检测方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116245813A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883413A (zh) * | 2023-09-08 | 2023-10-13 | 山东鲁抗医药集团赛特有限责任公司 | 一种剔废接料滞留视觉检测方法 |
-
2023
- 2023-01-03 CN CN202310001838.1A patent/CN116245813A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883413A (zh) * | 2023-09-08 | 2023-10-13 | 山东鲁抗医药集团赛特有限责任公司 | 一种剔废接料滞留视觉检测方法 |
CN116883413B (zh) * | 2023-09-08 | 2023-12-01 | 山东鲁抗医药集团赛特有限责任公司 | 一种剔废接料滞留视觉检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053427B (zh) | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 | |
CN108052859B (zh) | 一种基于聚类光流特征的异常行为检测方法、系统及装置 | |
WO2016172870A1 (zh) | 视频监控方法、视频监控系统以及计算机程序产品 | |
CN110188807B (zh) | 基于级联超分辨率网络与改进Faster R-CNN的隧道行人目标检测方法 | |
US9594963B2 (en) | Determination of object presence and motion state | |
US9723271B2 (en) | Anomalous stationary object detection and reporting | |
EP3144773A1 (en) | Method and device for adjusting hardware refresh rate of terminal | |
CN111783744A (zh) | 一种操作现场安全防护检测方法及装置 | |
US20190138821A1 (en) | Camera blockage detection for autonomous driving systems | |
DE102015208782A1 (de) | Objekterfassungsvorrichtung, Fahrunterstützungsvorrichtung, Objekterfassungsverfahren und Objekterfassungsprogramm | |
CN102542289A (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
US20210110145A1 (en) | Unusual motion detection method and system | |
CN116245813A (zh) | 一种双层剪废料滞留检测方法、终端设备及存储介质 | |
CN105809964A (zh) | 交通预警方法和装置 | |
CN112819068B (zh) | 一种基于深度学习的船舶作业违章行为实时侦测方法 | |
KR101840167B1 (ko) | 클라우드 상에서 멀티 카메라 간의 핸드오버를 통한 관심 객체의 연계추적 장치 및 그 방법 | |
DE102013217569A1 (de) | Videoverfolgung zur videobasierten geschwindigkeitskontrolle | |
CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
CN109643488A (zh) | 交通异常事件检测装置及方法 | |
CN103810696A (zh) | 一种目标对象图像检测方法及装置 | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及系统 | |
CN105957352B (zh) | 违章停车检测方法和装置 | |
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 | |
CN114897762B (zh) | 一种煤矿工作面采煤机自动定位方法及装置 | |
CN115035564A (zh) | 基于巡逻车智能摄像机的人脸识别方法、系统及相关组件 |
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 |