TWI843654B - 型鋼端部變形檢測系統 - Google Patents
型鋼端部變形檢測系統 Download PDFInfo
- Publication number
- TWI843654B TWI843654B TW112135623A TW112135623A TWI843654B TW I843654 B TWI843654 B TW I843654B TW 112135623 A TW112135623 A TW 112135623A TW 112135623 A TW112135623 A TW 112135623A TW I843654 B TWI843654 B TW I843654B
- Authority
- TW
- Taiwan
- Prior art keywords
- line
- module
- steel
- contour
- judgment
- Prior art date
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 71
- 239000010959 steel Substances 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000010586 diagram Methods 0.000 claims description 19
- 230000008030 elimination Effects 0.000 claims description 9
- 238000003379 elimination reaction Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本發明是一種型鋼端部變形檢測系統，型鋼界定一鋼體及分別位於鋼體兩端之頭端及尾端，頭端係鄰近抵靠於靠板，檢測系統包括：攝影設備、目標檢測演算模組、演算模組、回歸線單元及端變分析模組，由攝影設備取得型鋼的圖像，目標檢測演算模組連結攝影設備並取得圖像，由輪廓點判斷單元對輪廓線及輔助線進行分析並取得輪廓點，再由演算模組及回歸線單元取得作為判斷基準的回歸線，最後由端變分析模組連結演算模組並取得回歸線作為基準，並朝向各主要輪廓點連線形成判讀線，依據各判讀線取得一端變數據，藉此取得型鋼於頭端位置是否發生端變。
Description
本發明係一種型鋼檢測，尤指一種型鋼端部變形檢測系統。
按，型鋼的種類眾多，其中以H型鋼為例，H型鋼的製作方式有焊接及軋延兩種，其中以軋延生產為主時，透過萬能軋機軋延H型鋼，H型鋼的腹板在上下水平輥之間進行軋延，翼板則在水平輥側面和立輥之間同時軋延成形，在完成型鋼軋延作業後依據所需長度進行鋸切，此時每支型鋼的表面溫度約在攝氏550-700度左右，完成鋸切後的型鋼必須確認頭端部位是否有變形情況，由於型鋼在完成鋸切後的溫度仍高，量測人員無法靠近進行任何儀器方面的測量，因此，只能採用適合的距離透過人力肉眼判斷型鋼的頭端是否有變形的可能，此判斷方式的準確性必然不佳，且對於測量人員而言，靠近高溫的型鋼由肉眼判別，其存在相當高的工作風險。
以下在實施方式中詳細敘述本發明之詳細特徵以及優點，其內容足以使任何熟習相關技藝者瞭解本發明之技術內容並據以實施，且根據本說明書所揭露之內容、申請專利範圍及圖式，任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。
本發明之主要目的在於：本發明的型鋼端部變形檢測系統透過攝影設備、目標檢測演算模組、演算模組、回歸線單元及端變分析模組，針對圖像中的鋼體及頭端取得輪廓線以及輔助線進行分析並取得輪廓點，再由演算模組及回歸線單元取得作為判斷基準的回歸線，最後由端變分析模組連結演算模
組並取得回歸線作為基準，並朝向各主要輪廓點連線形成判讀線，依據各判讀線取得一端變數據，藉此取得型鋼於頭端位置是否發生端變。
為達上述目的，本發明係一種型鋼端部變形檢測系統，其型鋼界定一鋼體及分別位於該鋼體兩端之一頭端及一尾端，該頭端係鄰近抵靠於一靠板，該系統包括：一攝影設備，其對部分該頭端及與該頭端相連之部分該鋼體取得一圖像；一目標檢測演算模組，其連結該攝影設備並取得該圖像，該目標檢測演算模組包括：一由該鋼體一側朝該頭端方向界定一輪廓線之輪廓線單元、一界定複數橫向佈設該鋼體及該頭端之輔助線之輔助線判斷單元及一輪廓點判斷單元，其對該輪廓線與各該輔助線交叉位置判讀形成一輪廓點；一演算模組，其連結該目標檢測演算模組，該演算模組包含一雜訊排除單元及一回歸線單元，其中該雜訊排除單元針對該圖像中該鋼體遠離該頭端位置界定一判斷區域，針對該判斷區域中的各該輪廓點進行離群值運算，並取得可容許誤差內的主要輪廓點，由該回歸線單元依序連接各該主要輪廓點且朝該頭端方向延伸產生一回歸線；及一端變分析模組，其連結該演算模組並取得該回歸線作為基準，並朝向各該主要輪廓點連線形成一判讀線，依據各該判讀線取得一端變數據。
根據本發明之一實施例，更包括一圖像模組，其連結該端變分析模組，由各該判讀線產生一供得知該端部端變狀態之分析圖。
根據本發明之一實施例，其中該圖像模組連結一誤差範圍模組，由該誤差範圍模組產生一供結合該分析圖之誤差值顯示圖形。
根據本發明之一實施例，其中該目標檢測演算模組更包括一角點定位單元，其針對該圖像中該頭端鄰近該靠板位置產生一角點。
根據本發明之一實施例，其中該鋼體由一腹板以及位於該腹板兩端之翼板構成，而該基準線則位於其中之一該翼板。
1:型鋼
10:鋼體
100:腹板
102:翼板
12:頭端
2:檢測系統
20:影設備
21:目標檢測演算模組
210:輪廓線單元
210L:輪廓線
212:輔助線判斷單元
212L:輔助線
214:輪廓點判斷單元
2140:局部範圍
2141:候選點
2142:輪廓點
2142a:主要輪廓點
216:角點定位單元
2160:角點
22:演算模組
220:雜訊排除單元
220:除單元
220a:判斷區域
222:回歸線單元
222L:回歸線
24:端變分析模組
24L:判讀線
25:圖像模組
26:誤差範圍模組
26L:誤差容許範圍線
3:靠板
圖1 為本發明型鋼端部變形檢測系統之系統方塊示意圖。
圖2 為本發明型鋼拍攝部位之結構位置示意圖。
圖3 為本發明由目標檢測演算模組中經修改的模型架構取得輪廓線及輔助線之示意圖。
圖4 為本發明由目標檢測演算模組中經修改的損失參數以keypoint技術取得輪廓點之示意圖。
圖5 為本發明輪廓點分布之示意圖。
圖6 為本發明由雜訊排除單元取得可容許誤差內的主要輪廓點之標示示意圖。
圖7 為本發明由回歸線單元取得回歸線之標示示意圖。
圖8 為本發明由端變分析模組取得端變數據經圖像模組顯示之標示示意圖。
以下藉由具體實施例說明本發明之實施方式，熟悉此技藝之人士可由本說明書所揭示之內容輕易地瞭解本發明之其他優點及功效。
本說明書所附圖式所繪示之結構、比例、大小等，均僅用以配合說明書所揭示之內容，以供熟悉此技藝之人士之瞭解與閱讀，並非用以限定本發明可實施之限定條件，故不具技術上之實質意義，任何結構之修飾、比例關係之改變或大小之調整，在不影響本發明所能產生之功效及所能達成之目的下，均應仍落在本發明所揭示之技術內容得能涵蓋之範圍內。同時，本說明書中所引用之如“一”、“兩”、“上”等之用語，亦僅為便於敘述之明瞭，而非用以限定本發明可實施之範圍，其相對關係之改變或調整，在無實質變更技術內容下，當亦視為本發明可實施之範疇。
本發明是一種型鋼端部變形檢測系統，請參考圖1所示，為本發明型鋼端部變形檢測系統之系統方塊示意圖。本發明的檢測系統主要是利用攝影設備對型鋼取得圖像，具體而言，型鋼1界定一鋼體10及分別位於該鋼體10兩端之一頭端12(參考圖2)及一尾端(圖面未示)，而本發明主要檢測的鋼體10結構是由一腹板100以及位於腹板100兩端之翼板102構成，也就是H型鋼的基礎結構。
檢測系統2包括：攝影設備20、目標檢測演算模組21、演算模組22、回歸線單元222及端變分析模組24，其中攝影設備20主要是以可程式化邏輯控制器(programmable logic controller，簡稱PLC)控制相機進行拍攝，由於拍攝時型鋼1為橫向放置，且頭端12抵靠於靠板3以固定型鋼1擺放拍攝的確切位置。為方便後續判讀因此將圖像轉90度，使型鋼1為直立狀態，同時並裁切出部分頭端12及與頭端12相連之部分鋼體10(也就是翼板102)取得如圖2中的圖像。
而後運用目標檢測演算模組21中的輪廓線單元210、輔助線判斷單元212及輪廓點判斷單元214取得輪廓點，一併參考圖3、圖4及圖5所示，為本發明由目標檢測演算模組中經修改的模型架構取得輪廓線及輔助線之示意圖、由目標檢測演算模組中經修改的損失參數以keypoint技術取得輪廓點之示意圖及輪廓點分布之示意圖。
由圖3可知，目標檢測演算模組21主要以深度學習中的RetinaNet網絡結構為主，並針對其內的模型架構(即為輪廓線單元210及輔助線判斷單元212)以及損失參數進行修改，其中既有的模型架構主要是針對偵測物進行輪廓判讀的物件判讀單元，例如拍攝到的人行輪廓，以及針對上述人形輪廓進行特徵判讀的特徵單元，例如：人臉、四肢等，反觀本發明則是針對RetinaNet網絡結構中模型架構的多尺度偵測單元進行修正刪除，由於多尺度偵測單元主要應用於多個物
體遠、近距離的偵測判斷，由於本發明對於鋼體10的偵測採取固定距離，因此可刪除多尺度偵測單元，僅保留物件判讀單元，此物件判讀單元也就是本發明中的輪廓線單元210，輪廓線單元210針對圖像中鋼體10一側朝頭端12方向界定一輪廓線210L，另外，透過輔助線判斷單元212界定複數橫向的輔助線212L用以佈設鋼體10及頭端12。
值得一提的是，為了限制輔助線212L形成的位置，目標檢測演算模組另包括有角點定位單元216，角點定位單元216針對圖像(參考圖2及圖3)中頭端12位置，鄰近靠板3位置產生一角點2160，輔助線判斷單元212透過判讀角點2160位置，作為輔助線212L繪製的底部判讀。
由圖4可知，對於上述既有的損失參數(即為輪廓點判斷單元214)為anch or box，為了要比較真正的(ground-truth)bounding box，和演算法預測出(predict ed)的bounding box，以簡單的計算兩個bounding boxes的面積，並扣掉重複計算重疊的部份，以計算出聯集(Union)的總面積。而IoU這個metric則是計算重疊部分，或交集(Intersection)在聯集中的比例有多少)。而本發明主要以對輪廓點進行判讀，為能提升判斷準確度，因此將anchor box修改成keypoint，所謂keypoint，由圖4中可看出，在一大範圍區域以形成多個候選點2141，並且在輪廓線210L與輔助線212L交界處圈出一局部範圍2140，由局部範圍2140中的各候選點2141定位出確切的輪廓點2142位置。由上述運算方式可得到圖5中位於鋼體10一側朝頭端12上的各輪廓點2142分布位置。
由上述的輪廓點判斷單元214取得輪廓點2142後，一併參考圖6、圖7及圖8所示，為本發明由雜訊排除單元取得可容許誤差內的主要輪廓點之標示示意圖、由回歸線單元取得回歸線之標示示意圖及由端變分析模組取得端變數據之標示示意圖。
前述中的輪廓點2142由輪廓點判斷單元214判斷後，除了輪廓點2142之外，於周邊亦產生許多雜訊點(圖面未示)，為避免在後續計算回歸線時因雜訊點造成誤差，因此由圖6中可知，演算模組22中的雜訊排除單元220針對圖像中鋼體遠離頭端位置界定一判斷區域220a，針對判斷區域220a中的各輪廓點2142進行離群值運算，並取得可容許誤差內的主要輪廓點2142a。而後於圖7中可知，由演算模組22中的回歸線單元222依序連接各主要輪廓點2142a且朝頭端12方向延伸產生一回歸線222L，再由圖8中端變分析模組24連結演算模組22並取得回歸線222L作為基準，並朝向各主要輪廓點(由於主要輪廓點過於密集，為避免看不清楚，故圖面省略)連線形成一判讀線24L，依據各判讀線24L取得一端變數據，特別說明，本實施例中，主要輪廓點位於判讀線24L左端點位置。透過上述方式取得的端變數據，讓作業人員在無須靠近高溫型鋼的情況下，透過科技判讀方式即可有效且更精準的確認型鋼於頭端是否發生端變情況，然，為了讓端變數據能以圖像方式呈現如圖8，結合本發明的檢測系統2中的圖像模組25以及誤差範圍模組26，其中圖像模組25連結端變分析模組24，由各判讀線24L產生一供得知該端部端變狀態之分析圖，也就是圖中各判讀線24L(藍線)的位置呈現，同時圖像模組25連結的誤差範圍模組26供產生的誤差值顯示圖形供結合分析圖，而誤差值顯示圖形由圖8中顯示為兩條分別位於回歸線222L兩側的誤差容許範圍線26L(紅線)，當以回歸線222L作為基準並朝各主要輪廓點連線形成的判讀線24L若超出誤差容許範圍線26L時，則代表超出的部位發生超過誤差容許範圍的端變。由圖8中3號位置至2號位置皆超出誤差容許範圍線26L，代表3號位置至2號位置的部位已出現端變形況。
由上述可知，透過本發明的型鋼端部變形檢測系統，能夠經攝影設備的影片拍攝取得影像後，經由各種演算模組取得主要輪廓點，並針對各主要輪廓點結合回歸線取得端變數據，藉此取得型鋼於頭端位置是否發生端變，
其精準度遠超過以往透過肉眼判斷的方式，讓型鋼端變的問題得到全面的解決。
上述實施例僅為例示性說明本發明的原理及其功效，而非用於限制本發明。任何熟悉此項技藝的人士均可在不違背本發明的精神及範疇下，對上述實施例進行修改。因此本發明的權利保護範圍，應如後述申請專利範圍所列。
2:檢測系統
20:攝影設備
21:目標檢測演算模組
210:輪廓線單元
212:輔助線判斷單元
214:輪廓點判斷單元
216:角點定位單元
22:演算模組
220:雜訊排除單元
222:回歸線單元
24:端變分析模組
25:圖像模組
26:誤差範圍模組
Claims (5)
- 一種型鋼端部變形檢測系統，其型鋼界定一鋼體及分別位於該鋼體兩端之一頭端及一尾端，該頭端係鄰近抵靠於一靠板，該系統包括：一攝影設備，其對部分該頭端及與該頭端相連之部分該鋼體取得一圖像；一目標檢測演算模組，其連結該攝影設備並取得該圖像，該目標檢測演算模組包括：一由該鋼體一側朝該頭端方向界定一輪廓線之輪廓線單元、一界定複數橫向佈設該鋼體及該頭端之輔助線之輔助線判斷單元及一輪廓點判斷單元，其對該輪廓線與各該輔助線交叉位置判讀形成一輪廓點；一演算模組，其連結該目標檢測演算模組，該演算模組包含一雜訊排除單元及一回歸線單元，其中該雜訊排除單元針對該圖像中該鋼體遠離該頭端位置界定一判斷區域，針對該判斷區域中的各該輪廓點進行離群值運算，並取得可容許誤差內的主要輪廓點，由該回歸線單元依序連接各該主要輪廓點且朝該頭端方向延伸產生一回歸線；及一端變分析模組，其連結該演算模組並取得該回歸線作為基準，並朝向各該主要輪廓點連線形成一判讀線，依據各該判讀線取得一端變數據。
- 如請求項1所述之型鋼端部變形檢測系統，更包括一圖像模組，其連結該端變分析模組，由各該判讀線產生一供得知該端部端變狀態之分析圖。
- 如請求項2所述之型鋼端部變形檢測系統，其中該圖像模組連結一誤差範圍模組，由該誤差範圍模組產生一供結合該分析圖之誤差值顯示圖形。
- 如請求項1所述之型鋼端部變形檢測系統，其中該目標檢測演算模組更包括一角點定位單元，其針對該圖像中該頭端鄰近該靠板位置產生一角點。
- 如請求項1所述之型鋼端部變形檢測系統，其中該鋼體由一腹板以及位於該腹板兩端之翼板構成，而該基準線則位於其中之一該翼板。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112135623A TWI843654B (zh) | 2023-09-19 | 2023-09-19 | 型鋼端部變形檢測系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112135623A TWI843654B (zh) | 2023-09-19 | 2023-09-19 | 型鋼端部變形檢測系統 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TWI843654B true TWI843654B (zh) | 2024-05-21 |
Family
ID=92077241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112135623A TWI843654B (zh) | 2023-09-19 | 2023-09-19 | 型鋼端部變形檢測系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI843654B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112767326A (zh) * | 2021-01-07 | 2021-05-07 | 湖南大学 | 钢轨表面缺陷检测方法、装置、设备及存储介质 |
| CN115131330A (zh) * | 2022-07-15 | 2022-09-30 | 北京铁科英迈技术有限公司 | 多源传感器融合的钢轨表面缺陷检测与测量方法及系统 |
| TWI786522B (zh) * | 2020-01-20 | 2022-12-11 | 日商杰富意鋼鐵股份有限公司 | 表面檢查裝置、表面檢查方法、鋼材製造方法、鋼材品質管理方法以及鋼材製造設備 |
-
2023
- 2023-09-19 TW TW112135623A patent/TWI843654B/zh active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI786522B (zh) * | 2020-01-20 | 2022-12-11 | 日商杰富意鋼鐵股份有限公司 | 表面檢查裝置、表面檢查方法、鋼材製造方法、鋼材品質管理方法以及鋼材製造設備 |
| CN112767326A (zh) * | 2021-01-07 | 2021-05-07 | 湖南大学 | 钢轨表面缺陷检测方法、装置、设备及存储介质 |
| CN115131330A (zh) * | 2022-07-15 | 2022-09-30 | 北京铁科英迈技术有限公司 | 多源传感器融合的钢轨表面缺陷检测与测量方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shan et al. | A stereovision-based crack width detection approach for concrete surface assessment | |
| CN107735674B (zh) | 表面缺陷检测装置、表面缺陷检测方法及钢材的制造方法 | |
| JP5488953B2 (ja) | 凹凸疵検査方法及び装置 | |
| US8506159B2 (en) | Method for detecting defect in material and system for the method | |
| JP5150721B2 (ja) | 連続鋳造されたスラブの表面欠陥を検出かつ分類するための方法 | |
| Wang et al. | Effects of scanning orientation on outlier formation in 3D laser scanning of reflective surfaces | |
| CN101825438B (zh) | 一种板材厚度的激光测量装置 | |
| JP5568947B2 (ja) | ねじ穴または穴の内部表面欠陥検査装置 | |
| CA2683104A1 (en) | Apparatus and method for measuring three-dimensional shape of a wood block | |
| JP2014048226A (ja) | 条鋼材の形状検査装置及び条鋼材の形状検査方法 | |
| CN105300296A (zh) | 一种激光拼焊曲面拼缝测量方法及其实现装置 | |
| BR112021001219A2 (pt) | sistema de inspeção óptica e método para usar um sistema de inspeção óptica | |
| JP2011257389A (ja) | 構造物変位量測定方法 | |
| CN103930233A (zh) | 缝焊操作的监视装置、方法、程序以及存储介质 | |
| US9152844B2 (en) | Shape measuring device, shape measuring method, and method for manufacturing glass plate | |
| TWI843654B (zh) | 型鋼端部變形檢測系統 | |
| CN107588732A (zh) | 轨边列车零部件高度测量方法和系统 | |
| CN107218891A (zh) | 一种尺寸测量方法、装置及系统 | |
| CN111928930A (zh) | 一种基于结构光成像的3d视觉检测系统 | |
| JP2011209041A (ja) | 表面検査装置および表面検査方法 | |
| KR100711408B1 (ko) | 강판의 폭 온라인 측정 장치 | |
| Sheng et al. | Online detection method of weld penetration based on molten pool morphology and metallic vapor radiation for fiber laser welding | |
| KR101908808B1 (ko) | 강판의 형상 결함 검출 장치 및 방법 | |
| CN112067626A (zh) | 一种基于结构光成像的3d视觉检测系统 | |
| CN116198562A (zh) | 基于机器视觉的车钩对接智能监测方法及存储介质 |