CN112361985A - 一种基于机器视觉的坯料弯曲度检测方法 - Google Patents
一种基于机器视觉的坯料弯曲度检测方法 Download PDFInfo
- Publication number
- CN112361985A CN112361985A CN202011321169.9A CN202011321169A CN112361985A CN 112361985 A CN112361985 A CN 112361985A CN 202011321169 A CN202011321169 A CN 202011321169A CN 112361985 A CN112361985 A CN 112361985A
- Authority
- CN
- China
- Prior art keywords
- blank
- cameras
- visual field
- blanks
- camera
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 230000000007 visual effect Effects 0.000 claims abstract description 40
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 19
- 239000010959 steel Substances 0.000 claims abstract description 19
- 238000005452 bending Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 239000000428 dust Substances 0.000 abstract description 4
- 230000004044 response Effects 0.000 abstract description 2
- 239000002184 metal Substances 0.000 description 4
- 239000002436 steel type Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于机器视觉的坯料弯曲度检测方法,包括如下步骤:确定所需相机的数量和位置;采用移动侦测的方式实时对各相机视野区间内的图像进行检测,并控制坯料的运动状态;所有相机同时对各自视野区间内的坯料进行检测,若各相机所检测到的坯料均为直线状态,则判定该坯料为正常坯料;若任一相机所检测的坯料为非直线状态,则进行弯钢判断;计算最大内凹点T的内凹距离LT。本发明采用多台相机同时分别对不同的坯料区间进行检测,各相机的视野区间清晰准确,不易受到现场光源、粉尘等干扰物的影响,有效地提高了检测精度和准确度,并且各相机分工协作,检测响应速度快,充分减少了坯料在入炉前的等待时间,有效提高了作业效率。
Description
技术领域
本发明涉及坯料弯曲度检测领域,特别涉及一种基于机器视觉的坯料弯曲度检测方法。
背景技术
钢铁生产过程中,入炉坯料常会出现不同程度的弯曲,通常表现为“C”形弯钢结构,因此需要对坯料进行弯曲度检测,以充分保证成品质量。现有坯料弯曲度检测方法通常是在被检测区域设置一台冷/热金属检测器,当冷/热金属检测器检测到坯料时,则控制坯料停止运动,并同时触发视觉检测***对坯料进行拍摄,由此判断弯曲情况。该检测方法存在如下问题:
1、由于冷/热金属检测器无法判断坯料的运动状态,因此若坯料存在轻微抖动与偏移现象,则会导致拍摄的实际效果存在物体虚化、边缘不清晰的情况,从而影响检测结果。
2、现有视觉检测***通常只设置有一台相机,而该相机的视野范围必须覆盖整根坯料,因此其检测精度往往较低,并且易受到现场光源、粉尘等干扰物的影响,从而导致检测失败与误报,稳定性差,无法达到满意的检测效果。
发明内容
本发明提供一种基于机器视觉的坯料弯曲度检测方法,其主要目的在于解决现有钢铁行业在进行坯料弯曲度检测时,由于受到检测光源变换、粉尘扰动和震动偏移等因素的影响,而导致的检测准确度低,精度低且稳定性差等的问题。
本发明采用如下技术方案:
一种基于机器视觉的坯料弯曲度检测方法,包括如下步骤:
(1)根据检测精度的要求,结合坯料长度L和相机的像素计算所需的相机数量,并将各相机等间距水平一字排列设置;
(2)采用移动侦测的方式实时对各相机视野区间内的图像进行检测,当坯料的头尾两端均进入相机的视野区间内,则控制坯料停止运动;
(3)所有相机同时对各自视野区间内的坯料进行检测,若各相机所检测到的坯料均为直线状态,则判定该坯料为正常坯料;若任一相机所检测的坯料为非直线状态,则执行步骤(4);
(4)弯钢判断,其包括如下子步骤:
(4.1)计算各相机的视野区间内坯料两端点连线的直线方程;
(4.2)根据各直线方程的斜率变化找出坯料开始出现弯曲时的视野区间d以及坯料出现最大内凹点T时的视野区间c;
(4.3)结合最小二乘法和求导法求得最大内凹点T的内凹距离LT,若内凹距离LT大于预设值,则判定该坯料为弯钢,否则判定该坯料为正常坯料。
进一步,在步骤(4.1)中,各相机的视野区间内坯料两端点的坐标分别记为An(xan,yan)和Bn(xbn,ybn),则坯料两端点连线的直线方程为:
yn=knxn+bn
其中:n表示视野区间的序号,kn表示视野区间n的斜率,bn表示视野区间n的截距。
更进一步,在步骤(4.2)中,视野区间d的判断依据为:视野区间d之前的斜率均为0,并且视野区间d的斜率kd>0(或者kd<0);视野区间c的判断依据为:视野区间d至视野区间c-1内的斜率均大于0(或者小于0),并且视野区间c的斜率kc≤0(或者kc≥0)。
更进一步,在步骤(4.3)中,首先利用最小二乘法原则,将视野区间d至视野区间c内所有坯料端点坐标拟合成曲线方程,并用求导法求得该曲线方程的极大值点,进而求得最大内凹点T的内凹距离LT,该曲线方程为:
其中:u、v、w均为常数,并且u≠0;
内凹距离LT的计算公式为:
其中:α为单位像素尺寸。
再进一步,在拟合曲线方程之前,需将视野区间d+1至视野区间c内的所有x坐标转换为视野区间d内的x绝对坐标,其转换公式为:
其中:xAn和xBn分别为xan和xbn转换后的x绝对坐标,M为相机宽度方向的像素值。
进一步,在步骤(4.3)中,若内凹距离LT>0.005L,则判定该坯料为弯钢,否则判定该坯料为正常坯料。
进一步,在步骤(1)中,坯料的检测精度为1mm,相机分辨率为M*N像素,所需相机数量count_cam的计算公式为
Count_cam = L /(M / 1000)。
进一步,在步骤(2)中,控制坯料停止运动后,应等待3-5秒,并再次采用移动侦测的方式判断坯料是否完全处于静止状态。
和现有技术相比,本发明产生的有益效果在于:
1、本发明采用多台相机同时分别对不同的坯料区间进行检测,各相机的视野区间清晰准确,不易受到现场光源、粉尘等干扰物的影响,有效地提高了检测精度和准确度,并且各相机分工协作,检测响应速度快,充分减少了坯料在入炉前的等待时间,有效提高了作业效率。
2、本发明采用移动侦测的方式控制坯料的运动状态,能够确保在坯料完全静止的状态下进行弯曲度检测,从而防止坯料在检测过程中因出现抖动或偏移的现象而导致相机拍摄虚化、不清晰的情况,确保检测结果稳定可靠。
3、本发明根据“C”形弯钢的结构特征提供了一种简单快速的坯料弯曲度计算方法,能够准确、快速地计算出坯料最大内凹点的内凹距离,从而为坯料的弯曲度判断提供了量化的参考值。
附图说明
图1为正常坯料与相机的布置示意图。
图2为第一种弯钢类型与相机的布置示意图。
图3为第二种弯钢类型与相机的布置示意图。
图4为各相机视野区间内的两端点的连线示意图。
图5为本发明中弯钢判断的流程示意图。
具体实施方式
下面参照附图说明本发明的具体实施方式。为了全面理解本发明,下面描述到许多细节,但对于本领域技术人员来说,无需这些细节也可实现本发明。
参照图1至图5,一种基于机器视觉的坯料弯曲度检测方法,包括如下步骤:
1、根据检测精度的要求,结合坯料长度L和相机的像素计算所需的相机数量,并将各相机等间距水平一字排列设置,使得各相机的视野区间对应唯一的坯料区间。
具体地,坯料的检测精度为1mm,当相机分辨率为M*N像素时,可以得到所需相机数量count_cam为:
Count_cam = L / (M / 1000)。
一般来说,坯料长度为12米,当相机的分辨率达到2560*1920时,则在长度方向上设置5台相机可以保证检测效果。
图1至图3提供了三种典型的坯料类型与相机的布置示意图,其中图1为正常坯料,图2为实际生产中较为常见第一种弯钢类型,该弯钢的一个端部弯曲成“C”形结构,图3为实际生产中较为常见第二种弯钢类型,该弯钢的两个端部同时弯曲,整体呈“C”形结构。
2、采用移动侦测的方式实时对各相机视野区间内的图像进行检测,当坯料的头尾两端均进入相机的视野区间内,则控制坯料停止运动,具体判断过程如下:
2.1、设置相机的帧率为2fps。
2.2、对每一帧图像进行ROI(选择区域)移动侦测检查,即依据基准背景图像(无坯料出现时的纯背景图像)ROI与实时图像ROI进行像素对比。对比时,首先将各ROI区域进行灰度处理,然后将ROI区域内的每一像素点进行差分计算。当基准背景图像ROI中的任一像素与实时图像ROI中所对应的像素差累计值大于一定阈值时,认为该区域有新的移动物体到来。像素差累计值的计算公式为:
2.3、当检测到坯料的头尾两端均进入相机的视野区间内,则通过现场控制设备控制坯料停止运动。
2.4、控制坯料停止运动后,应等待3-5秒,并再次采用移动侦测的方式判断坯料是否完全处理静止状态,若是则可进行下一步检测流程,否则继续等待。
3、所有相机同时对各自视野区间内的坯料进行检测,考虑到“C”形弯钢的特点,若各相机所检测到的坯料均为直线状态,则判定该坯料为正常坯料;若任一相机所检测的坯料为非直线状态,则执行步骤4。
4、弯钢判断。
4.1、计算各相机的视野区间内坯料两端点连线的直线方程。由图4可知,各相机的视野区间内坯料两端点的坐标分别记为An(xan,yan)和Bn(xbn,ybn),则坯料两端点连线的直线方程为:
yn=knxn+bn
其中,n表示视野区间的序号,kn表示视野区间n的斜率,bn表示视野区间n的截距。边缘相机的两端点包括坯料头部(尾部)以及坯料在视野区间内的边界点,中部相机的端点为坯料在视野区间的两个边界点。
例如,视野区间1内的两端点坐标分别为A1(xa1,ya1)和B1(xb1,yb1),则视野区间1的直线方程为:
y1=k1x1+b1
视野区间2内的两端点坐标分别为A2(xa2,ya2)和B2(xb2,yb2),则视野区间2的直线方程为:
y2=k2x2+b2
以此类推。
4.2、根据各直线方程的斜率变化找出坯料开始出现弯曲时的视野区间d以及坯料出现最大内凹点T时的视野区间c。
考虑到“C”形弯钢的特性,在每个连续的视野区间内,当坯料两端点之间连线的斜率开始出现正值(或者负值)时,则认为坯料在此视野区间内开始出现弯曲,因此视野区间d的判断依据为:视野区间d之前的斜率均为0,并且视野区间d的斜率kd>0(或者kd<0)。
而当坯料两端点之间连线的斜率由正转负(或者由负转正)时,即认为坯料的最大内凹点T已经出现在该视野区间内,因此视野区间c的判断依据为:视野区间d至视野区间c-1内的斜率均大于0(或者小于0),并且视野区间c的斜率kc≤0(或者kc≥0)。
4.3、结合最小二乘法和求导法求得最大内凹点T的内凹距离LT,若内凹距离LT大于预设值,则判定该坯料为弯钢,否则判定该坯料为正常坯料。
4.3.1、记录视野区间d至视野区间c内所有坯料端点的坐标序列
Q={Ad,Bd,Ad+1,Bd+1,…,Ac,Bc};
4.3.2、考虑到坐标序列Q中的点坐标为不同视野区间内的坐标,因此需要对坐标序列Q中的点进行坐标变换,即需要将各视野区间内的端点坐标变换到视野区间d内的坐标。由于所有相机都在同一水平面上,因此只需对x坐标进行转换,即需要将视野区间d+1至视野区间c内的所有x坐标转换为视野区间d内的x绝对坐标,其转换公式为:
其中:xAn和xBn分别为xan和xbn转换后的x绝对坐标,M为相机宽度方向的像素值。
4.3.3、利用最小二乘法原则,将视野区间d至视野区间c内所有坯料的端点坐标拟合成曲线方程,设定该曲线方程为:
其中:u、v、w均为常数,并且u≠0;
根据最小二乘法原则:
代入坐标序列Q中的所有端点坐标,即得:
对等式两边进行伪逆计算,即可求得(u v w)
其中(*)+ 表示对矩阵进行伪逆计算。
最后利用最大内凸点T的y值坐标,经过变换,可以得到其最大内凹距离LT
其中:α为单位像素尺寸,即一个像素点所代表的实际尺寸。
4.3.5、若内凹距离LT>0.005L,则判定该坯料为弯钢,否则判定该坯料为正常坯料。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (8)
1.一种基于机器视觉的坯料弯曲度检测方法,其特征在于:包括如下步骤:
(1)根据检测精度的要求,结合坯料长度L和相机的像素计算所需的相机数量,并将各相机等间距水平一字排列设置;
(2)采用移动侦测的方式实时对各相机视野区间内的图像进行检测,当坯料的头尾两端均进入相机的视野区间内,则控制坯料停止运动;
(3)所有相机同时对各自视野区间内的坯料进行检测,若各相机所检测到的坯料均为直线状态,则判定该坯料为正常坯料;若任一相机所检测的坯料为非直线状态,则执行步骤(4);
(4)弯钢判断,其包括如下子步骤:
(4.1)计算各相机的视野区间内坯料两端点连线的直线方程;
(4.2)根据各直线方程的斜率变化找出坯料开始出现弯曲时的视野区间d以及坯料出现最大内凹点T时的视野区间c;
(4.3)结合最小二乘法和求导法求得最大内凹点T的内凹距离LT,若内凹距离LT大于预设值,则判定该坯料为弯钢,否则判定该坯料为正常坯料。
2.如权利要求1所述的一种基于机器视觉的坯料弯曲度检测方法,其特征在于:在步骤(4.1)中,各相机的视野区间内坯料两端点的坐标分别记为An(xan,yan)和Bn(xbn,ybn),则坯料两端点连线的直线方程为:
yn=knxn+bn
其中:n表示视野区间的序号,kn表示视野区间n的斜率,bn表示视野区间n的截距。
3.如权利要求2所述的一种基于机器视觉的坯料弯曲度检测方法,其特征在于:在步骤(4.2)中,视野区间d的判断依据为:视野区间d之前的斜率均为0,并且视野区间d的斜率kd>0(或者kd<0);视野区间c的判断依据为:视野区间d至视野区间c-1内的斜率均大于0(或者小于0),并且视野区间c的斜率kc≤0(或者kc≥0)。
6.如权利要求1所述的一种基于机器视觉的坯料弯曲度检测方法,其特征在于:在步骤(4.3)中,若内凹距离LT>0.005L,则判定该坯料为弯钢,否则判定该坯料为正常坯料。
7.如权利要求1所述的一种基于机器视觉的坯料弯曲度检测方法,其特征在于:在步骤(1)中,坯料的检测精度为1mm,相机分辨率为M*N像素,所需相机数量count_cam的计算公式为
Count_cam = L /(M / 1000)。
8.如权利要求1所述的一种基于机器视觉的坯料弯曲度检测方法,其特征在于:在步骤(2)中,控制坯料停止运动后,应等待3-5秒,并再次采用移动侦测的方式判断坯料是否完全处于静止状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321169.9A CN112361985B (zh) | 2020-11-23 | 2020-11-23 | 一种基于机器视觉的坯料弯曲度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321169.9A CN112361985B (zh) | 2020-11-23 | 2020-11-23 | 一种基于机器视觉的坯料弯曲度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112361985A true CN112361985A (zh) | 2021-02-12 |
CN112361985B CN112361985B (zh) | 2022-02-11 |
Family
ID=74533546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011321169.9A Active CN112361985B (zh) | 2020-11-23 | 2020-11-23 | 一种基于机器视觉的坯料弯曲度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112361985B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114013961A (zh) * | 2021-11-26 | 2022-02-08 | 陕西龙门钢铁有限责任公司 | 钢坯自动输送的控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198752A (zh) * | 2014-08-18 | 2014-12-10 | 浙江大学 | 基于机器视觉的高温钢坯运动状态的多率检测方法 |
CN107388962A (zh) * | 2017-07-06 | 2017-11-24 | 南京林业大学 | 一种木质板材翘曲的在线检测装置和检测方法 |
CN109596075A (zh) * | 2019-01-28 | 2019-04-09 | 天津市兆瑞测控技术有限公司 | 一种直线度或弯曲度在线测量装置及方法 |
CN110470241A (zh) * | 2019-08-19 | 2019-11-19 | 天津大学 | 一种基于结构光视觉的耐火砖弯曲度检测***及方法 |
CN110675393A (zh) * | 2019-09-29 | 2020-01-10 | 上海呈彧智能科技有限公司 | 一种基于机器视觉的坯料规格检测方法 |
CN111521129A (zh) * | 2020-04-20 | 2020-08-11 | 北京科技大学 | 基于机器视觉的板坯翘曲检测装置及方法 |
-
2020
- 2020-11-23 CN CN202011321169.9A patent/CN112361985B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198752A (zh) * | 2014-08-18 | 2014-12-10 | 浙江大学 | 基于机器视觉的高温钢坯运动状态的多率检测方法 |
CN107388962A (zh) * | 2017-07-06 | 2017-11-24 | 南京林业大学 | 一种木质板材翘曲的在线检测装置和检测方法 |
CN109596075A (zh) * | 2019-01-28 | 2019-04-09 | 天津市兆瑞测控技术有限公司 | 一种直线度或弯曲度在线测量装置及方法 |
CN110470241A (zh) * | 2019-08-19 | 2019-11-19 | 天津大学 | 一种基于结构光视觉的耐火砖弯曲度检测***及方法 |
CN110675393A (zh) * | 2019-09-29 | 2020-01-10 | 上海呈彧智能科技有限公司 | 一种基于机器视觉的坯料规格检测方法 |
CN111521129A (zh) * | 2020-04-20 | 2020-08-11 | 北京科技大学 | 基于机器视觉的板坯翘曲检测装置及方法 |
Non-Patent Citations (1)
Title |
---|
李进荣等: ""大口径无缝钢管弯曲度控制工艺实践"", 《现代冶金》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114013961A (zh) * | 2021-11-26 | 2022-02-08 | 陕西龙门钢铁有限责任公司 | 钢坯自动输送的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112361985B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109969736B (zh) | 一种大型运载皮带跑偏故障智能检测方法 | |
CN111288967B (zh) | 一种基于机器视觉的远距离高精度位移检测方法 | |
JP2001343223A (ja) | 帯状体の品質測定方法、キャンバ抑制方法、帯状体の品質測定装置、圧延装置及びトリム装置 | |
JPH07167649A (ja) | 距離測定装置 | |
CN101365144A (zh) | 线阵ccd扫描检测***的调整及标定方法 | |
CN106931881A (zh) | 一种多相机视觉检测方法 | |
CN110006345B (zh) | 一种基于机器视觉的汽车线束在线检测装置与方法 | |
CN112361985B (zh) | 一种基于机器视觉的坯料弯曲度检测方法 | |
CN111754422A (zh) | 一种基于EDLines和LSM的视觉巡边方法 | |
US10210605B2 (en) | Method and device for detecting boundary of region on display motherboard | |
CN113204029B (zh) | 一种热轧板坯翘曲检测装置及方法 | |
CN114693659B (zh) | 基于图像处理的铜管表面清洗效果评估方法及*** | |
CN103489154A (zh) | 基于目标块检测的缝合线实时调整方法 | |
US7430305B2 (en) | Image velocity computer and method for computing image velocity | |
CN101520891A (zh) | 星空图像目标轨迹检测方法 | |
CN110675393B (zh) | 一种基于机器视觉的坯料规格检测方法 | |
TW201738009A (zh) | 軋輥機台監控方法 | |
CN111028275B (zh) | 一种基于互相关的图像定位匹配的寻迹机器人pid方法 | |
CN115546072A (zh) | 一种图像畸变矫正方法 | |
CN113409256B (zh) | 一种管道波纹补偿器轴向尺寸检测方法 | |
JP2012159431A (ja) | 尾端クロップ検出装置及び熱間圧延設備 | |
CN116993795A (zh) | 一种钢板镰刀弯的检测方法、装置及电子设备 | |
KR100523099B1 (ko) | 선재압연소재의 단면형상 측정방법 | |
CN113358058B (zh) | 基于离散序列点的焊缝轮廓特征计算机视觉检测方法 | |
CN112037175B (zh) | 基于机器视觉的陶瓷产品表面斑点检测方法及设备 |
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 |