CN113744194A - 钢板缺陷检测方法及计算机可读存储介质 - Google Patents
钢板缺陷检测方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113744194A CN113744194A CN202110893586.9A CN202110893586A CN113744194A CN 113744194 A CN113744194 A CN 113744194A CN 202110893586 A CN202110893586 A CN 202110893586A CN 113744194 A CN113744194 A CN 113744194A
- Authority
- CN
- China
- Prior art keywords
- data
- defect
- steel plate
- calibration
- horizontal
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 187
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 138
- 239000010959 steel Substances 0.000 title claims abstract description 138
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 98
- 238000001914 filtration Methods 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004826 seaming Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000012800 visualization Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种钢板缺陷检测方法及计算机可读存储介质,其中所述方法包括:获取钢板的目标测量数据;对所述目标测量数据进行高斯滤波得到滤波数据;对所述滤波数据进行梯度校准得到校准数据;对所述校准数据进行接缝计算和水平调整,得到水平数据;根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。采用本发明,能解决现有技术中无法有效实现钢板缺陷在线检测的技术问题。
Description
技术领域
本发明涉及钢板制备技术领域,尤其涉及一种钢板缺陷检测方法及计算机可读存储介质。
背景技术
钢板的板形情况是钢板类产品的重要考核指标。板形情况的好坏直接影响后工序客户的使用。激光轮廓测量技术具有检测效率高、检测精度高、采样点密集、空间分辨力高、非接触式检测、可提供定量检测结果等优点,如果能将其使用在钢板板形扫描上,可以能大大提高板形检测的精度和效率。
然而在实践中发现,目前并没有一种针对性的钢板板形校准和缺陷检测或评价的方法,无法有效地用于钢板板形在线缺陷检测。
发明内容
本申请实施例通过提供一种钢板缺陷检测方法及计算机可读存储介质,解决了现有技术中无法有效实现钢板缺陷在线检测的技术问题。
一方面,本申请通过本申请的一实施例提供一种钢板缺陷检测方法,所述方法包括:
获取钢板的目标测量数据;
对所述目标测量数据进行高斯滤波,得到滤波数据;
对所述滤波数据进行梯度校准,得到校准数据;
对所述校准数据进行接缝计算和水平调整,得到水平数据;
根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。
可选地,所述钢板被分为多段,所述滤波数据包括所述钢板的多段滤波测量数据,所述对所述滤波数据进行梯度校准,得到校准数据包括:
对每段所述滤波测量数据进行斜率计算,得到每段所述滤波测量数据的斜率;
根据每段所述滤波测量数据的斜率,对每段所述滤波测量数据进行水平校准,得到每段所述滤波测量数据对应的校准数据。
可选地,所述对所述校准数据进行接缝计算和水平调整,得到水平数据包括:
从多段所述校准数据中筛选一个基准数据;
根据所述基准数据,对多段所述校准数据进行水平调整,以将每段所述校准数据调整至所述基准数据的同一水平面上,从而得到多段调整数据;
对多段所述调整数据进行接缝处理,得到所述水平数据。
可选地,所述根据所述基准数据,对多段所述校准数据进行水平调整,以将每段所述校准数据调整至所述基准数据的同一水平面上,从而得到多段调整数据包括:
对所述基准数据和除所述基准数据外的多段所述校准数据进行行平均计算,得到对应的基准列矩阵和多段校准列矩阵;
根据所述基准列矩阵和多段所述校准列矩阵,计算多段所述校准数据各自对应的差值列矩阵;
根据多段所述校准数据和多段所述校准数据各自对应的差值列矩阵,得到多段所述调整数据。
可选地,所述板形缺陷条件为边部缺陷条件,所述缺陷形变参数为边部缺陷深度,所述根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数包括:
从所述水平数据中确定出满足所述边部缺陷条件的目标列数,其中所述边部缺陷条件包括:所述水平数据对应的任一列数据均超过第一阈值,或所述水平数据对应的任一列数据中的最大值超过第一阈值;
根据确定的所述目标列数和第一预设系数,计算得到所述钢板的边部缺陷深度。
可选地,所述板形缺陷条件为中部缺陷条件,所述缺陷形变参数为中部缺陷长度,所述根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数包括:
从所述水平数据中确定出满足所述中部缺陷条件的目标列数,其中所述中部缺陷条件包括:所述水平数据对应的任一列数据均超过第二阈值,或所述水平数据对应的任一列数据中的最大值超过第二阈值;
根据确定的所述目标列数和第二预设系数,计算得到所述钢板的中部缺陷长度。
可选地,所述获取钢板的目标测量数据包括:
获取钢板的轮廓测量数据;
剔除所述轮廓测量数据中的异常数据,得到所述钢板的目标测量数据。
可选地,所述方法还包括:
将所述钢板的缺陷变形参数上传至预设数据库中存储。
可选地,所述方法还包括:
根据所述钢板的缺陷形变参数,绘制所述钢板的切割板形图。
另一方面,本申请通过本申请的一实施例提供一种钢板缺陷检测装置,所述装置包括获取模块、滤波模块、校准模块、接缝模块及计算模块,其中,
所述获取模块,用于获取钢板的目标测量数据;
所述滤波模块,用于对所述目标测量数据进行高斯滤波,得到滤波数据;
所述校准模块,用于对所述滤波数据进行梯度校准,得到校准数据;
所述接缝模块,用于对所述校准数据进行接缝计算和水平调整,得到水平数据;
所述计算模块,用于根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。
关于本申请实施例未介绍或未描述的内容可对应参考前述方法实施例中的相关介绍,这里不再赘述。
另一方面,本申请通过本申请的一实施例提供一种终端设备,其特征在于,包括:处理器、存储器、通信接口和总线;所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信;所述存储器存储可执行程序代码;所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如上所述的钢板缺陷检测方法。
另一方面,本申请通过本申请的一实施例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程序,当所述程序运行在终端设备时执行如上所述的钢板缺陷检测方法。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:本申请提供一种钢板缺陷在线检测方案,通过获取钢板的目标测量数据,对所述目标测量数据进行高斯滤波得到滤波数据,进而对所述滤波数据进行梯度校准得到校准数据,再对所述校准数据进行接缝计算和水平调整得到水平数据,最后根据预设的板形缺陷条件对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。这样既能对钢板板形的测量数据进行板形校准和缺陷计算,又能提升钢板板形缺陷计算的精确度和效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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是本申请实施例提供的一种钢板缺陷检测方法的流程示意图。
图2是本申请实施例提供的一种钢板的二维轮廓测量的示意图。
图3是本申请实施例提供的一种钢板表面的三维测量云图。
图4是本申请实施例提供的一种梯度校准后的钢板板形的三维云图。
图5是本申请实施例提供的一种接缝计算和水平调整后的钢板板形的三维云图。
图6是本申请实施例提供的一种钢板缺陷形变参数的示意图。
图7是本申请实施例提供的一种钢板缺陷检测装置的结构示意图。
图8是本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
申请人在提出本申请的过程中还发现:目前,市面上存在多种基于激光轮廓测量技术的非接触式板形扫描设备,这些设备采用的算法存在校准困难、测量范围偏小、无减震措施、无评价方案等问题。例如:
一种多线激光轮廓扫描传感器全局校准方法,是基于三维标靶的校准方法,每次测量前需要提前用标靶校准,且标靶摆放时须确保每个传感器发射的线激光截取到对应的特征面,难以用于工况环境复杂的生产现场。
一种基于线激光的单相机中厚板板形检测***,是基于线激光对中厚板板形进行离线检测的***,该***使用线激光发射器项中厚板发射激光,采取相机记录的扫描中厚板的过程视频,最终通过数据处理单元对记录的过程视频处理,从而得到检测中厚板的板形。该***必须离线操作,无减震措施、无评价方案,难以用于生产现场实时采集判定。
基于多通道光源的材料板形缺陷检测***和方法,是基于多通道变换的照明光源对板形缺陷检测,无法准确地区分板面(油污、掉粉等)缺陷和板形(浪形、瓢曲等)缺陷,对于同时存在板面和板形缺陷的带材,测量准确性较低。
因此,亟需针对性地开发新的可供在线检测使用板形校准和缺陷检测/评价的方法。
本申请实施例通过提供一种钢板缺陷检测方法,解决了现有技术中无法有效实现钢板缺陷在线检测的技术问题。
本申请实施例的技术方案为解决上述技术问题,总体思路如下:获取钢板的目标测量数据;对所述目标测量数据进行高斯滤波,得到滤波数据;对所述滤波数据进行梯度校准,得到校准数据;对所述校准数据进行接缝计算和水平调整,得到水平数据;根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
首先说明,本文中出现的术语“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“/”,一般表示前后关联对象是一种“或”的关系。
本申请提供一种基于激光轮廓测量技术的板形校准和缺陷检测/评价算法,其利用校准和评价算法可以很好地将激光轮廓测量设备测量的结果进行处理,从而获得更加准确的板形形貌数据,其具有以下几个特点:算法首先筛选出奇异值(异常数据),避免后续校准滤波带来的误差。算法采用高斯滤波,可以去除由于钢带振动带来的板形误差。算法采用梯度校准模式,可以去除由于激光轮廓测量设备发出的测量激光与待测钢板不垂直等原因造成的板面高低不平等。算法采用接缝计算,可以有效解决现有激光测量设备测量范围较小的问题。算法采用板形边部/中部变形梯度判定的方式,可以针对不同的判级要求个性化判定缺陷情况。算法支持实时处理、实时存储、实时将结果上传至数据库,可以随时查看板形缺陷信息。算法可以根据判级要求判定缺陷情况,并规划切边计划。具体实现如下:
请参见图1,是本申请实施例提供的一种钢板(板形)缺陷检测方法的流程示意图。如图1所示的方法包括如下实施步骤:
S101、获取钢板的目标测量数据。
在一具体实施例中,本申请采用激光轮廓测量技术采集钢板板形的轮廓测量数据,请参见对应参见图2和图3示出一种采用单台设备测量的钢板表面原始的二维轮廓测量数据的示意图和三维轮廓测量数据对应的云图示意图。然后,本申请可筛选/剔除掉所述轮廓测量数据中的异常数据(也可称为奇异点),例如某测量数据远大于一预设阈值等,从而获得所述钢板板形的目标测量数据。
S102、对所述目标测量数据进行高斯滤波,得到滤波数据。
本申请可采用高斯滤波对剩余的所述目标测量数据进行加权平均,得到对应的滤波数据。这些滤波数据的每个值都是其原始的目标测量数据和其邻域内的其他目标测量数据经过加权平均后得到的。
S103、对所述滤波数据进行梯度校准,得到校准数据。
在一具体实施例中,所述钢板被分为多段,S101中可采集每段所述钢板的目标测量数据,相应地S102中所述滤波数据则包括多段所述钢板的滤波测量数据,则本申请可对每段所述滤波测量数据进行斜率计算,得到每段所述滤波测量数据的斜率。然后,根据每段所述滤波测量数据的斜率,对每段所述滤波测量数据进行水平校准,得到每段所述滤波测量数据对应的校准数据,即可得到多段校准数据。
具体实现时,本申请考虑到运动中钢板可能无法时刻与激光轮廓测量设备发出的测量激光保持垂直,同时考虑到钢板易在边部和中部出现形变缺陷(例如边部边浪、中部瓢曲等),这部分数据和异常数据不参与计算,本申请使用矩形计算程序,计算钢板的各段滤波测量数据的斜率。具体地,将每段钢板的滤波测量数据视为一个矩阵,本申请可取该矩阵的前i列数据和后j列数据进行相减,然后再除以列间距,从而得到该滤波测量数据的斜率。其中,i和j为自定义设置的正整数,本申请不做限定。
然后将各段滤波测量数据的斜率运用于钢板的每个部分,例如边部、中部及异常数据部分等,将各段滤波测量数据调整至水平,具体将用每段滤波测量数据的斜率对应乘以每段滤波测量数据,从而得到多段校准数据A,分别可表示例如为A1、A2和A3等。请参见图4,是本申请示例性给出的一种单台测量设备测量的原始数据进行高斯滤波和梯度校准后得到的三维云图示意图。
S104、对所述校准数据进行接缝计算和水平调整,得到水平数据。
在一具体实施例中,本申请可从多段所述校准数据中随意筛选一个基准数据,进而根据所述基准数据对多段所述校准数据进行水平调整,以将每段所述校准数据调整至与所述基准数据的同一水平面上,从而得到多段调整数据。具体地,本申请可对所述基准数据和除所述基准数据外的多段所述校准数据进行行平均计算,以得到对应的基准列矩阵和多段校准列矩阵,然后根据所述基准列矩阵和多段所述校准列矩阵计算多段所述校准数据各自对应的差值列矩阵,最后根据多段所述校准数据和多段所述校准数据各自对应的差值列矩阵,计算得到多段所述调整数据。最后将多段所述调整数据进行接缝处理,得到所述水平数据。举例来说,请参见图5示出本申请采用接缝计算对两台测量设备测量的数据调平后拼接得到的板形三维云图示意图。
具体实现时,由于激光轮廓测量设备测量范围较小,在对钢板宽板进行测量时往往需要多台测量设备并用,通过步骤S104获得各段校准数据A1、A2…后,本申请可从中随意选择一段校准数据作为基准数据,具体实施时将每段校准数据视为一个矩阵,然后本申请可计算该基准数据的行平均值,得到对应的基准列矩阵。以此基准数据为基准平面,随后获得除基准数据外的其他多段校准数据,计算每段校准数据的行平均值,以作为对应的多段校准列矩阵。然后,通过矩阵加减将其他各段校准数据调整至基准平面上,具体地,本申请可用计算的多段所述校准列数据减去所述基准列数据,得到多段所述校准数据各自对应的差值列矩阵。最后,将多段所述校准数据对应与多段所述校准数据各自对应的差值列矩阵进行求和相加,从而得到多段所述调整数据。
举例来说,假设选取校准数据A1作为基准数据,其对应的行平均值为基准列矩阵A1’。本申请在处理校准数据A2时,先计算A2的行平均值为对应的校准列矩阵A2’,进一步比较A2’和A1’的大小是否一致,如果一致,则直接计算A2’和A1’的差值列矩阵A21’。如果不一致,则将大小较小的列矩阵扩容为较大大小的列矩阵,然后再进行列矩阵相减得到这两列矩阵的差值列矩阵A21’。进一步地,将差值列矩阵A21’扩容为与校准数据A2大小一样。然后将扩容后的A21’与校准数据A2相加,得到该段校准数据对应的调整数据。
本申请在多段所述调整数据后,即获得位于同一平面的多段调整数据B,可分别表示为诸如B1、B2等。然后本申请可将多段调整数据接缝在一起,形成一个大矩阵,即接缝数据B。可选地,本申请还可对接缝数据B进行水平调整,以调整至水平面附近,例如先计算每段调整数据B的行平均值,再利用矩阵减法将每段调整数据B调整至水平面附近,从而得到水平数据C。具体地,本申请将接缝数据B视为一个大矩阵,本申请可计算大矩阵的行平均值得到接缝数据B对应的列矩阵B’,将列矩阵B’扩容为大小与接缝数据B相同的列矩阵B”,最后用接缝数据B减去列矩阵B”,从而得到对应的水平数据C。
S105、根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。
本申请可制定不同的板形缺陷判定条件,查找出板形可能形变区域大于不同判定要求部分的列数,然后换出钢板的缺陷形变参数。
在一具体实施例中,所述板形缺陷条件为边部缺陷条件,所述缺陷形变参数具体可为边部缺陷(边浪)深度。此时,本申请可从所述水平数据中确定出满足所述边部缺陷条件的目标列数,所述边部缺陷条件具体为:所述水平数据对应的任一列数据均超过预设的第一阈值,或者所述水平数据中对应的任一列数据中的最大值超过预设的第一阈值。
如果本申请检测到所述水平数据满足所述外部缺陷条件,则确定所述钢板板形出现了边部缺陷(边浪),进而确定出满足所述外部缺陷条件的目标列数。然后,根据确定的所述目标列数和第一预设系数,计算出所述钢板的边部缺陷深度,例如其具体可为所述目标列数乘以所述第一预设系数等。
在又一具体实施例中,所述板形缺陷条件为中部缺陷条件,所述缺陷形变参数具体可为中部缺陷(瓢曲)长度。此时,本申请可从所述水平数据中确定出满足所述中部缺陷条件的目标列数,所述中部缺陷条件具体为:所述水平数据对应的任一列数据均超过预设的第二阈值,或者所述水平数据中对应的任一列数据中的最大值超过预设的第二阈值。
如果本申请检测到所述水平数据满足所述中部缺陷条件,则确定所述钢板板形出现了中部缺陷(瓢曲),进而确定出满足所述中部缺陷条件的目标列数。然后,根据确定的所述目标列数和第二预设系数,计算出所述钢板的中部缺陷长度,例如其具体可为所述目标列数乘以所述第二预设系数等。
所述第一阈值、所述第二阈值、所述第一预设系数和所述第二预设系数可均为***自定义设置的参数,本申请不做限定。举例来说,请参见图6示出一种板形的钢板缺陷参数的分布示意图,如图6中黑色部分表示钢板边部边浪深度,虚线框表示的部分表示钢板中部瓢曲长度。
在可选实施例中,本申请还可建立预设数据库,本申请可将判级信息,即所述钢板的缺陷形变参数上传至所述预设数据库中存储。
在可选实施例中,本申请还可根据所述钢板的缺陷形变参数、所述钢板的长度和宽度等信息,生成并绘制出所述钢板对应的切割板形图。本申请还可根据所述钢板的缺陷形变参数在所述切割板形图上规划对应的切变计划,将该切变计划保存并传递至后道工序中。采用本申请实施例后,能带来较好的钢板缺陷检测和判定能力,请参见如下表1示出实施本申请前后钢板实施效果的对比。
表1
类型 | 本申请算法实施前 | 本申请算法实施后 |
检测能力 | 带材局部形貌 | 带材全板面三维形貌 |
高度精度 | 无法数字化 | 0.1mm |
可视化 | 无 | 有,输出板形云图 |
缺陷判定能力 | 无 | 有,输出整卷板形图 |
本申请采用整卷钢板对应的切割板形图指导剪边,边部为去除浪边缺陷产生的双边剪切量较去年同期约下降10mm,成材率提升约1%。此外,根据整卷板形图对瓢曲部分实行精准分切,头卷带入的正品量下降,板形让步较去年同期下降约7%。
通过实施本申请,通过获取钢板的目标测量数据,对所述目标测量数据进行高斯滤波得到滤波数据,进而对所述滤波数据进行梯度校准得到校准数据,再对所述校准数据进行接缝计算和水平调整得到水平数据,最后根据预设的板形缺陷条件对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。这样既能对钢板板形的测量数据进行板形校准和缺陷计算,又能提升钢板板形缺陷计算的精确度和效率。
基于同一发明构思,本申请另一实施例提供一种实施本申请实施例中所述方法的装置和终端设备。请参见图7,是本申请实施例提供的一种钢板缺陷检测装置的结构示意图。如图7所示的装置70包括获取模块701、滤波模块702、校准模块703、接缝模块704及计算模块705,其中,
所述获取模块701,用于获取钢板的目标测量数据;
所述滤波模块702,用于对所述目标测量数据进行高斯滤波,得到滤波数据;
所述校准模块703,用于对所述滤波数据进行梯度校准,得到校准数据;
所述接缝模块704,用于对所述校准数据进行接缝计算和水平调整,得到水平数据;
所述计算模块705,用于根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。
可选地,所述钢板被分为多段,所述滤波数据包括所述钢板的多段滤波测量数据,所述校准模块703具体用于:
对每段所述滤波测量数据进行斜率计算,得到每段所述滤波测量数据的斜率;
根据每段所述滤波测量数据的斜率,对每段所述滤波测量数据进行水平校准,得到每段所述滤波测量数据对应的校准数据。
可选地,所述接缝模块704具体用于:
从多段所述校准数据中筛选一个基准数据;
根据所述基准数据,对多段所述校准数据进行水平调整,以将每段所述校准数据调整至所述基准数据的同一水平面上,从而得到多段调整数据;
对多段所述调整数据进行接缝处理,得到所述水平数据。
可选地,所述接缝模块704还具体用于:
对所述基准数据和除所述基准数据外的多段所述校准数据进行行平均计算,得到对应的基准列矩阵和多段校准列矩阵;
根据所述基准列矩阵和多段所述校准列矩阵,计算多段所述校准数据各自对应的差值列矩阵;
根据多段所述校准数据和多段所述校准数据各自对应的差值列矩阵,计算得到多段所述调整数据。
可选地,所述板形缺陷条件为边部缺陷条件,所述缺陷形变参数为边部缺陷深度,所述计算模块705具体用于:
从所述水平数据中确定出满足所述边部缺陷条件的目标列数,其中所述边部缺陷条件包括:所述水平数据对应的任一列数据均超过第一阈值,或所述水平数据对应的任一列数据中的最大值超过第一阈值;
根据确定的所述目标列数和第一预设系数,计算得到所述钢板的边部缺陷深度。
可选地,所述板形缺陷条件为中部缺陷条件,所述缺陷形变参数为中部缺陷长度,所述计算模块705具体用于:
从所述水平数据中确定出满足所述中部缺陷条件的目标列数,其中所述中部缺陷条件包括:所述水平数据对应的任一列数据均超过第二阈值,或所述水平数据对应的任一列数据中的最大值超过第二阈值;
根据确定的所述目标列数和第二预设系数,计算得到所述钢板的中部缺陷长度。
可选地,所述获取模块701具体用于:
获取钢板的轮廓测量数据;
剔除所述轮廓测量数据中的异常数据,得到所述钢板的目标测量数据。
可选地,所述装置还包括上传模块706,其中:
所述上传模块706,用于将所述钢板的缺陷变形参数上传至预设数据库中存储。
可选地,所述装置还包括绘制模块707,其中:
所述绘制模块707,用于根据所述钢板的缺陷形变参数,绘制所述钢板的切割板形图。
请一并参见图8,是本申请实施例提供的一种终端设备的结构示意图。如图8所示的终端设备80中包括:至少一个处理器801、通信接口802、用户接口803和存储器804,处理器801、通信接口802、用户接口803和存储器804可通过总线或者其它方式连接,本发明实施例以通过总线805连接为例。其中,
处理器801可以是通用处理器,例如中央处理器(Central Processing Unit,CPU)。
通信接口802可以为有线接口(例如以太网接口)或无线接口(例如蜂窝网络接口或使用无线局域网接口),用于与其他终端或网站进行通信。本发明实施例中,通信接口802具体用于获取钢板的轮廓测量数据或目标测量数据等。
用户接口803具体可为触控面板,包括触摸屏和触控屏,用于检测触控面板上的操作指令,用户接口803也可以是物理按键或者鼠标。用户接口803还可以为显示屏,用于输出、显示图像或数据。
存储器804可以包括易失性存储器(Volatile Memory),例如随机存取存储器(Random Access Memory,RAM);存储器也可以包括非易失性存储器(Non-VolatileMemory),例如只读存储器(Read-Only Memory,ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);存储器804还可以包括上述种类的存储器的组合。存储器804用于存储一组程序代码,处理器801用于调用存储器804中存储的程序代码,执行如下操作:
获取钢板的目标测量数据;
对所述目标测量数据进行高斯滤波,得到滤波数据;
对所述滤波数据进行梯度校准,得到校准数据;
对所述校准数据进行接缝计算和水平调整,得到水平数据;
根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。
可选地,所述钢板被分为多段,所述滤波数据包括所述钢板的多段滤波测量数据,所述对所述滤波数据进行梯度校准,得到校准数据包括:
对每段所述滤波测量数据进行斜率计算,得到每段所述滤波测量数据的斜率;
根据每段所述滤波测量数据的斜率,对每段所述滤波测量数据进行水平校准,得到每段所述滤波测量数据对应的校准数据。
可选地,所述对所述校准数据进行接缝计算和水平调整,得到水平数据包括:
从多段所述校准数据中筛选一个基准数据;
根据所述基准数据,对多段所述校准数据进行水平调整,以将每段所述校准数据调整至所述基准数据的同一水平面上,从而得到多段调整数据;
对多段所述调整数据进行接缝处理,得到所述水平数据。
可选地,所述根据所述基准数据,对多段所述校准数据进行水平调整,以将每段所述校准数据调整至所述基准数据的同一水平面上,从而得到多段调整数据包括:
对所述基准数据和除所述基准数据外的多段所述校准数据进行行平均计算,得到对应的基准列矩阵和多段校准列矩阵;
根据所述基准列矩阵和多段所述校准列矩阵,计算多段所述校准数据各自对应的差值列矩阵;
根据多段所述校准数据和多段所述校准数据各自对应的差值列矩阵,计算得到多段所述调整数据。
可选地,所述板形缺陷条件为边部缺陷条件,所述缺陷形变参数为边部缺陷深度,所述根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数包括:
从所述水平数据中确定出满足所述边部缺陷条件的目标列数,其中所述边部缺陷条件包括:所述水平数据对应的任一列数据均超过第一阈值,或所述水平数据对应的任一列数据中的最大值超过第一阈值;
根据确定的所述目标列数和第一预设系数,计算得到所述钢板的边部缺陷深度。
可选地,所述板形缺陷条件为中部缺陷条件,所述缺陷形变参数为中部缺陷长度,所述根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数包括:
从所述水平数据中确定出满足所述中部缺陷条件的目标列数,其中所述中部缺陷条件包括:所述水平数据对应的任一列数据均超过第二阈值,或所述水平数据对应的任一列数据中的最大值超过第二阈值;
根据确定的所述目标列数和第二预设系数,计算得到所述钢板的中部缺陷长度。
可选地,所述获取钢板的目标测量数据包括:
获取钢板的轮廓测量数据;
剔除所述轮廓测量数据中的异常数据,得到所述钢板的目标测量数据。
可选地,所述处理器801还用于:
将所述钢板的缺陷变形参数上传至预设数据库中存储。
可选地,所述处理器801还用于:
根据所述钢板的缺陷形变参数,绘制所述钢板的切割板形图。
由于本实施例所介绍的终端设备为实施本申请实施例中钢板缺陷检测方法所采用的终端设备,故而基于本申请实施例中所介绍的钢板缺陷检测方法,本领域所属技术人员能够了解本实施例的终端设备的具体实施方式以及其各种变化形式,所以在此对于该终端设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中钢板缺陷检测方法所采用的终端设备,都属于本申请所欲保护的范围。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:通过获取钢板的目标测量数据,对所述目标测量数据进行高斯滤波得到滤波数据,进而对所述滤波数据进行梯度校准得到校准数据,再对所述校准数据进行接缝计算和水平调整得到水平数据,最后根据预设的板形缺陷条件对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。这样既能对钢板板形的测量数据进行板形校准和缺陷计算,又能提升钢板板形缺陷计算的精确度和效率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种钢板缺陷检测方法,其特征在于,所述方法包括:
获取钢板的目标测量数据;
对所述目标测量数据进行高斯滤波,得到滤波数据;
对所述滤波数据进行梯度校准,得到校准数据;
对所述校准数据进行接缝计算和水平调整,得到水平数据;
根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数。
2.根据权利要求1所述的方法,其特征在于,所述钢板被分为多段,所述滤波数据包括所述钢板的多段滤波测量数据,所述对所述滤波数据进行梯度校准,得到校准数据包括:
对每段所述滤波测量数据进行斜率计算,得到每段所述滤波测量数据的斜率;
根据每段所述滤波测量数据的斜率,对每段所述滤波测量数据进行水平校准,得到每段所述滤波测量数据对应的校准数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述校准数据进行接缝计算和水平调整,得到水平数据包括:
从多段所述校准数据中筛选一个基准数据;
根据所述基准数据,对多段所述校准数据进行水平调整,以将每段所述校准数据调整至所述基准数据的同一水平面上,从而得到多段调整数据;
对多段所述调整数据进行接缝处理,得到所述水平数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述基准数据,对多段所述校准数据进行水平调整,以将每段所述校准数据调整至所述基准数据的同一水平面上,从而得到多段调整数据包括:
对所述基准数据和除所述基准数据外的多段所述校准数据进行行平均计算,得到对应的基准列矩阵和多段校准列矩阵;
根据所述基准列矩阵和多段所述校准列矩阵,计算多段所述校准数据各自对应的差值列矩阵;
根据多段所述校准数据和多段所述校准数据各自对应的差值列矩阵,计算得到多段所述调整数据。
5.根据权利要求1所述的方法,其特征在于,所述板形缺陷条件为边部缺陷条件,所述缺陷形变参数为边部缺陷深度,所述根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数包括:
从所述水平数据中确定出满足所述边部缺陷条件的目标列数,其中所述边部缺陷条件包括:所述水平数据对应的任一列数据均超过第一阈值,或所述水平数据对应的任一列数据中的最大值超过第一阈值;
根据确定的所述目标列数和第一预设系数,计算得到所述钢板的边部缺陷深度。
6.根据权利要求1所述的方法,其特征在于,所述板形缺陷条件为中部缺陷条件,所述缺陷形变参数为中部缺陷长度,所述根据预设的板形缺陷条件,对所述水平数据进行缺陷检测及形变计算,得到所述钢板的缺陷形变参数包括:
从所述水平数据中确定出满足所述中部缺陷条件的目标列数,其中所述中部缺陷条件包括:所述水平数据对应的任一列数据均超过第二阈值,或所述水平数据对应的任一列数据中的最大值超过第二阈值;
根据确定的所述目标列数和第二预设系数,计算得到所述钢板的中部缺陷长度。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述获取钢板的目标测量数据包括:
获取钢板的轮廓测量数据;
剔除所述轮廓测量数据中的异常数据,得到所述钢板的目标测量数据。
8.根据权利要求1-6中任一项所述的方法,其特征在于,所述方法还包括:
将所述钢板的缺陷变形参数上传至预设数据库中存储。
9.根据权利要求1-6中任一项所述的方法,其特征在于,所述方法还包括:
根据所述钢板的缺陷形变参数,绘制所述钢板的切割板形图。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序,当所述程序运行在终端设备时执行如上权利要求1-9中任一项所述的钢板缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110893586.9A CN113744194B (zh) | 2021-08-04 | 2021-08-04 | 钢板缺陷检测方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110893586.9A CN113744194B (zh) | 2021-08-04 | 2021-08-04 | 钢板缺陷检测方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113744194A true CN113744194A (zh) | 2021-12-03 |
CN113744194B CN113744194B (zh) | 2024-03-19 |
Family
ID=78730140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110893586.9A Active CN113744194B (zh) | 2021-08-04 | 2021-08-04 | 钢板缺陷检测方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744194B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172559A (ja) * | 2003-12-10 | 2005-06-30 | Seiko Epson Corp | パネルの線欠陥検出方法及び装置 |
JP2011220828A (ja) * | 2010-04-09 | 2011-11-04 | Nippon Steel Corp | 焦点ズレ検出装置、焦点ズレ検出方法およびプログラム |
CN105678731A (zh) * | 2014-11-17 | 2016-06-15 | 宝钢新日铁汽车板有限公司 | 一种识别带钢瓢曲的方法 |
CN108242054A (zh) * | 2018-01-09 | 2018-07-03 | 北京百度网讯科技有限公司 | 一种钢板缺陷检测方法、装置、设备和服务器 |
CN110223296A (zh) * | 2019-07-08 | 2019-09-10 | 山东建筑大学 | 一种基于机器视觉的螺纹钢表面缺陷检测方法及*** |
CN112113963A (zh) * | 2020-09-21 | 2020-12-22 | 武汉钢铁有限公司 | 一种取向硅钢成品板形缺陷的在线检测方法及装置 |
CN112858321A (zh) * | 2021-02-22 | 2021-05-28 | 南京理工大学 | 基于线阵ccd的钢板表面缺陷检测***及方法 |
CN113012137A (zh) * | 2021-03-24 | 2021-06-22 | 滁州惠科光电科技有限公司 | 一种面板缺陷检查方法、***、终端设备及存储介质 |
CN113112470A (zh) * | 2021-04-08 | 2021-07-13 | 西安道法数器信息科技有限公司 | 一种基于人工智能的冷轧过程钢材弯曲检测分析方法 |
-
2021
- 2021-08-04 CN CN202110893586.9A patent/CN113744194B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172559A (ja) * | 2003-12-10 | 2005-06-30 | Seiko Epson Corp | パネルの線欠陥検出方法及び装置 |
JP2011220828A (ja) * | 2010-04-09 | 2011-11-04 | Nippon Steel Corp | 焦点ズレ検出装置、焦点ズレ検出方法およびプログラム |
CN105678731A (zh) * | 2014-11-17 | 2016-06-15 | 宝钢新日铁汽车板有限公司 | 一种识别带钢瓢曲的方法 |
CN108242054A (zh) * | 2018-01-09 | 2018-07-03 | 北京百度网讯科技有限公司 | 一种钢板缺陷检测方法、装置、设备和服务器 |
CN110223296A (zh) * | 2019-07-08 | 2019-09-10 | 山东建筑大学 | 一种基于机器视觉的螺纹钢表面缺陷检测方法及*** |
CN112113963A (zh) * | 2020-09-21 | 2020-12-22 | 武汉钢铁有限公司 | 一种取向硅钢成品板形缺陷的在线检测方法及装置 |
CN112858321A (zh) * | 2021-02-22 | 2021-05-28 | 南京理工大学 | 基于线阵ccd的钢板表面缺陷检测***及方法 |
CN113012137A (zh) * | 2021-03-24 | 2021-06-22 | 滁州惠科光电科技有限公司 | 一种面板缺陷检查方法、***、终端设备及存储介质 |
CN113112470A (zh) * | 2021-04-08 | 2021-07-13 | 西安道法数器信息科技有限公司 | 一种基于人工智能的冷轧过程钢材弯曲检测分析方法 |
Non-Patent Citations (1)
Title |
---|
孙剑;张杰;苏兰海;曹建国;: "条纹图像边缘检测在热轧带钢平坦度测量中的应用", 光学技术, no. 05, pages 781 - 784 * |
Also Published As
Publication number | Publication date |
---|---|
CN113744194B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106949848B (zh) | 一种高精度激光3d轮廓手机结构件检测方法 | |
Sun et al. | A robust method to extract a laser stripe centre based on grey level moment | |
Liu et al. | Fast dimensional measurement method and experiment of the forgings under high temperature | |
CN115077425B (zh) | 一种基于结构光三维视觉的产品检测设备及方法 | |
CN109949303B (zh) | 工件形状检测方法及装置 | |
CN109146866B (zh) | 机器人对焊缝处理的方法及装置 | |
CN110276752B (zh) | 基于android***的混凝土表面裂缝特征的APP检测方法 | |
CN115731165B (zh) | 一种锂电池在线尺寸点检的检测***及方法 | |
US20220076021A1 (en) | System and method for automatic visual inspection with deep learning | |
CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
CN116618764B (zh) | 一种镜面放电加工机的生产优化方法及*** | |
FI3827246T3 (fi) | Järjestelmä ja menetelmä pinnan mittaamiseksi muotoilluissa lasilevyissä | |
CN104006760A (zh) | 植株生长发育三维几何形态连续监测装置及方法 | |
US20230267593A1 (en) | Workpiece measurement method, workpiece measurement system, and program | |
CN113483682A (zh) | 一种基于机器视觉的缝隙测量方法及*** | |
CN117058154A (zh) | 3dp金属打印铺粉过程的缺陷识别方法、***及介质 | |
CN114813760A (zh) | 一种表面缺陷检测装置及表面缺陷检测方法 | |
CN117422777B (zh) | 安检机标定方法及相关方法、装置、设备和存储介质 | |
CN113744194B (zh) | 钢板缺陷检测方法及计算机可读存储介质 | |
CN109000560B (zh) | 基于三维相机检测包裹尺寸的方法、装置以及设备 | |
CN108171756A (zh) | 自适应标定方法、装置及计算机终端 | |
CN116858102A (zh) | 基于点云匹配的焊缝尺寸检测方法、***、介质及设备 | |
CN110966937A (zh) | 一种基于激光视觉传感的大型构件三维构形拼接方法 | |
JP2015503110A (ja) | 表面不均一性を測定するためのセンサ | |
CN111504608B (zh) | 辉度均匀检测***及辉度均匀检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |