[發明專利]帶材位置圖像數據集采集方法及其視覺檢測方法

有效

• 申請號: 202110572063.4
• 申請日: 2021-05-25
• 公開（公告）號: CN113269749B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 王東城;段伯偉;徐揚歡;汪永梅;于華鑫;劉宏民
• 申請（專利權）人: 燕山大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 孫建

本發明公開了一種帶材位置圖像數據集采集方法及其視覺檢測方法，屬于冶金軋制技術領域。該方法首先模擬帶材軋制生產現場環境搭建了圖像采集裝置，并在多角度、多明暗等條件下采集大量不同位置的帶材圖像數據，制作成數據集；其次根據機器視覺理論對帶材圖像設計了特定的預處理和圖像增強操作流程；最終通過建立分割模型完成圖像中帶材位置的檢測，并計算出帶材偏離輥道中心線數值。該方法無需安裝復雜的檢測機構，成本較低，檢測精度高，執行速度快，能夠滿足生產要求，對實現帶材精確、快速的自動化糾偏具有重要意義；對提高產品質量，提升裝備國產化智能化水平具有重要意義。

技術領域

本發明屬于冶金軋制技術領域，特別涉及一種帶材位置圖像數據集采集方法及其視覺檢測方法。

背景技術

帶材在軋制生產過程中由于存在板形缺陷和設備安裝誤差等，會使帶材中心線經常偏離輥道中心線，不僅嚴重影響產品精度，甚至可能造成斷帶生產事故。當帶材位置發生偏離時需及時采取糾正手段，使其回到正常狀態。為此，想要自動控制帶材跑偏，首先必須實現對帶材位置實時精準檢測，因此研究設計一種新型、高精度、高速度的帶材位置檢測方法具有重要意義。

目前關于帶材位置檢測已有部分相關研究，例如：“基于主成分分析BP神經網絡的熱精軋帶鋼跑偏預測研究”(《山東冶金》2019，第41卷第4期：44-47)該方法提出了一種基于主成分分析和BP神經網絡組合模型用于預測帶鋼跑偏。“基于數據驅動的鋁熱連軋跑偏預測建模與糾偏控制方法”(《中南大學碩士學位論文》2014)該方法分析了鋁板帶在熱連軋現場生產工藝過程、設備參數和監控量和精軋過程跑偏基本規律，根據主要因素采用互不相關的輸入變量建立了跑偏過程的神經網絡預測模型。“根據板形輥所測徑向力確定帶鋼寬度與帶鋼跑偏量的方法”(《中國申請》2017，CN107127218A)該方法設定一個檢測力閾值，從板形儀兩側分別向中心逐個通道搜索，找到兩個邊部通道即第一個大于檢測力閾值的通道，再通過曲線擬合的方式確定兩個邊部通道的覆蓋率，進而得到帶材跑偏量。

截止目前，現有文獻關于帶材位置監測方法大多采用傳感器等硬件設備或是根據軋制參數來設定閾值計算帶材位置，這些方法成本較高，且需要額外的安裝空間，檢測精度低，很難實際應用。為此，本發明首先提出了一種模擬軋制過程中帶材位置圖像數據集的采集方法，然后利用此數據集基于機器視覺理論建立了一種帶材位置圖像視覺檢測方法。

發明內容

本發明所解決的技術問題在于解決了軋制過程中帶材位置的檢測問題，利用機器視覺理論對帶材圖像進行分割并識別其帶材位置，其檢測精度能夠滿足工業要求，對后續帶材的糾偏就有重要意義。

為了實現以上發明目的，本發明提出了一種帶材位置圖像數據集采集方法，包括以下步驟：