[發明專利]基于機器視覺的卷板機故障智能識別方法

在審

• 申請號: 202211134482.0
• 申請日: 2022-09-19
• 公開（公告）號: CN115205299A
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 繆屹東
• 申請（專利權）人: 江蘇東晨機械科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/60;G06T7/66;G06T7/70;G06V10/74
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及圖形識別技術領域，具體涉及一種基于機器視覺的卷板機故障智能識別方法。該方法使用圖像采集設備采集卷板機處理板材后的圖像。根據場景確定霍夫圓檢測的圓心和半徑的范圍，之后通過霍夫圓變換來檢測是否存在圓周。根據霍夫圓檢測結果來判斷是否卷板機出現故障。本發明使用了霍夫圓檢測的方法來判斷卷板機處理后的板材的狀態來判斷卷板機是否出現故障，在傳統的霍夫圓檢測算法中，需要對圖像中的每個點作為圓心點，圖像長度作為半徑，一遍遍的遍歷，計算成本非常大，本發明通過分析場景確定了圓心和半徑的范圍，縮小了霍夫圓檢測的范圍，提高了計算效率。

技術領域

本發明涉及圖形識別技術領域，具體涉及一種基于機器視覺的卷板機故障智能識別方法。

背景技術

卷板機是一種利用工作輥使板料彎曲成形的設備，可以來形成筒行件、錐形件等不同形狀的零件，是一種非常重要的加工設備。其原理是通過液壓力，機械力等外力作用，使工作輥運動，從而使板材壓彎或卷彎成形。隨著我國經濟建設的快速發展，對卷板機的需求也越來越大，技術要求也越來越高，卷板機在卷板材時如果卷板機出現了故障，例如卷板力度或者角度不正確，就會導致板材沒有按照要求變成一個封閉的圓形或者周圍出現有棱角，因此可以根據板材卷曲之后的狀態來判斷卷板機是否出現了故障。

現有判斷方法可通過機器視覺方法識別出卷板機處理板材后板材的橫截面圖像中的圓形區域，通過圓形區域的參數判斷是否出現故障。但是現有方法僅適用與確定圖像中有圓的情況下，如果無法確定圖像中是否包含圓形，則使用該方法是不精確的。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種基于機器視覺的卷板機故障智能識別方法，所采用的技術方案具體如下：

本發明提出了一種基于機器視覺的卷板機故障智能識別方法，所述方法包括：

獲得經過卷板機處理后板材的橫截面圖像；獲得橫截面圖像的邊緣信息，獲得邊緣圖像；所述邊緣圖像中包括板材的內邊緣與外邊緣；

根據內邊緣和外邊緣上邊緣點的最大最小橫坐標和最大最小縱坐標分別確定內邊緣的四個第一代表點和外邊緣的四個第二代表點；第一代表點構成第一矩形區域第二代表點構成第二矩形區域；

根據第一矩形區域和第二矩形區域的尺寸確定板材厚度；將第二矩形區域中每個像素點作為初始圓心點，以板材厚度作為半徑做圓，獲得測試圓；以第二矩形區域中每個像素點作為起點，沿著起點和一個邊緣點的方向做射線，若射線上包含兩個像素點，則認為該射線為測試射線，分別獲得測試射線上起點到兩個像素點的第一距離和第二距離；獲得第一距離和第二距離的距離差，獲得距離差和板材厚度的相似度，根據對應測試射線起點的所有相似度，獲得起點對應像素點的位置波動因素；

若測試圓內不存在邊緣點，則初始圓心點對應的像素點為第一待選圓心點；根據第一待選圓心點的位置波動因素獲得圓心置信度；根據圓心置信度篩選出第二待選圓心點；根據第一代表點和第二代表點確定第二待選圓心點的兩條半徑，并做圓，獲得參考圓，根據參考圓上邊緣點的數量篩選出檢測圓，若不存在檢測圓，則說明卷板機出現故障。

進一步地，所述第一代表點構成第一矩形區域包括：

從所有邊緣點的坐標中選出橫坐標最大最小和縱坐標最大最小的4個像素點，根據這四個像素點的坐標，令橫坐標最大和橫坐標最小的兩個像素點做過兩點的水平直線，另縱坐標最大和縱坐標最小的兩個像素點做過兩點的豎直直線，這四條直線構成第一矩形區域。

進一步地，獲得第二代表點的方法包括：

對于橫坐標最大和橫坐標最小的像素點分別做一條豎直直線，在豎直直線與邊緣點相交的點中，將離兩點最近的兩個像素點提取出來，對縱坐標最大和縱坐標最小的兩個像素點做過兩點的水平直線，在水平直線中將離這兩點最近的兩個像素點提取出來，獲得第二代表點。

進一步地，所述根據第一矩形區域和第二矩形區域的尺寸確定板材厚度包括：

其中，為板材厚度，為第一矩形區域的長寬，為第二矩形區域的長寬。