带钢边部缺陷检测识别方法技术

本发明专利技术涉及冷轧制造业技术领域，公开了一种带钢边部缺陷检测识别方法，包括第一步：生成形貌数据，第二步：生成带钢边部矩形形貌灰度图，第三步：转换成环形形貌灰度图，第四步：将所述环形形貌灰度图进行二值化处理，得到二值图像，第五步：对所述二值图像进行轮廓检测，得到缺陷区域，第六步：提取所述缺陷区域的坐标、面积、灰度均值，第七步：将所述缺陷区域对应至所述实际检测的带钢边部，得到实际带钢边部的缺陷位置坐标、缺陷面积、缺陷长宽尺寸以及缺陷深度。本发明专利技术能够对带钢钢卷的边部缺陷进行准确快速的检测，提高检测精度和准确度，最终提供被检测钢卷的边部检测报告。

【技术实现步骤摘要】
带钢边部缺陷检测识别方法
本专利技术涉及冷轧制造业
，尤其涉及一种带钢边部缺陷检测识别方法。
技术介绍
近年来随着冷轧制造技术的进步，冷轧薄板在汽车、化工、能源、建筑等领域得到越来越多的应用。与热轧薄板相比，冷轧薄板具有板形好、成型快、表面精度高等优点，更符合先进制造设备的工艺要求。但是在带钢冷轧制造过程中，常常由于热轧板的原始边部缺陷、材料本身的冶金孔洞、圆盘剪磨损、边部张力不均匀等原因造成轧后带钢边缘的各类不规则边裂和折叠等边部缺陷。这类缺陷不但影响钢材的成品质量，引起钢卷有效使用面积减小，还会增加额外的修边工序，甚至导致后续加工过程中断带事故的发生。我国现有的带钢边部质量检测大部分仍然依靠技术人员的肉眼识别，费时费力，且容易发生漏检。为数不多的几套自动化带钢质量缺陷检测技术也多从国外引进。以宝钢薄板厂镀锡机组为例，2004年从日本引进了基于高速摄像技术的缺陷识别系统，但是该系统主要针对镀锡板的表面质量，缺乏对边部缺陷的判别能力。而硅钢焊接机组从德国引进的成套QCDS系统则只能对焊缝质量进行评判，对带钢的非焊缝边裂也无能为力。宝钢已开发的带钢边部缺陷探测技术基于光测原理，可有效识别带钢的中部轧制孔洞，虽然对边部缺陷也有一定的识别能力，但只局限在边裂大于5厘米的缺陷，对于小于5厘米或非穿透性边部缺陷则无发有效识别。由于轧后带钢边部缺陷形式复杂多样，因此现有的国内外缺陷识别技术，都无法对边部缺陷形成完整有效的表征，边部缺陷的自动识别技术至今仍是钢铁轧制领域的难点所在。高精度激光表面形貌测量技术近几年获得了快速发展，如今民用级别的线激光技术测量精度和扫描频率已分别达到0.01mm和30Hz，基本满足了常规的工业要求。基于激光表面行形貌测量技术开发的带钢边部缺陷识别技术对对提高我国高性能冷轧薄板质量，开发并形成高精度缺陷检测技术都具有重要的学术价值和工程意义。
技术实现思路
为了解决上述技术问题，本专利技术提供一种带钢边部缺陷检测识别方法，实现对静止状态的成卷带钢钢卷进行边部缺陷的检测和识别。本专利技术采取的技术方案是：一种带钢边部缺陷检测识别方法，其特征是，包括如下步骤：第一步：通过激光测距传感器对带钢钢卷边部进行环形轨迹扫描，生成形貌数据，所述形貌数据的格式为：x1，h1；x2，h2；x3，h3；……其中x1，x2，x3，……为一道激光束从一端到另一端的连续位置信息，h1，h2，h3，……为被测点与激光测距传感器间的距离数据，距离数据为有效数据，需要保留的数据；第二步：通过公式：gi=hi/A，将所述距离数据转化为灰度值，并将xi和gi转化成带钢边部矩形形貌灰度图，其中i=1,2,3,……，A为整数；第三步：将矩形形貌灰度图转换成环形形貌灰度图；第四步：将所述环形形貌灰度图进行二值化处理，得到二值图像；第五步：对所述二值图像进行轮廓检测，得到其中灰度值变化明显和与周围区域灰度差值大的缺陷区域；第六步：提取所述缺陷区域的坐标、面积、灰度均值，以及所述区域对应于所述矩形形貌灰度图中的长宽信息；第七步：将所述缺陷区域对应至所述实际检测的带钢边部，得到实际带钢边部的缺陷位置坐标、缺陷面积、缺陷长宽尺寸以及缺陷深度。进一步，所述第一步中的环形轨迹扫描的扫描步长是7mm/s，扫描精度为3mm/s。进一步，在所述第四步之前，还包括采用中值滤波对得到的环形形貌灰度图进行去噪处理。进一步，A=100。进一步，所述第四步的二值化处理包括如下步骤：（1）图像分割；（2）通过最大类间差法对分割后的局部图像确定最佳二值化的分割阈值；（3）对分割后的图像的进行二值化；（4）得到二值图像。本专利技术的有益效果是：能够对带钢钢卷的边部缺陷进行准确快速的检测，提高检测精度和准确度，最终提供被检测钢卷的边部检测报告，包括缺陷的数量，位置和形状大小，以及缺陷等级的评定，为带钢钢卷的质量评定提供数据参考和为下一生产工序做好准备。附图说明附图1是本专利技术的方法流程图；附图2是传感器扫描带钢边部示意图；附图3是带钢边部形貌图像重建示意图；附图4是实施例检测中得到的灰度图；附图5是缺陷环形轮廓拟合成矩形轮廓。具体实施方式下面结合附图对本专利技术带钢边部缺陷检测识别方法的具体实施方式作详细说明。高精度激光表面形貌测量技术近几年获得了快速发展，如今民用级别的线激光技术测量精度和扫描频率已分别达到0.01mm和30Hz，基本满足了常规的工业要求。基于激光表面行形貌测量技术开发的带钢边部缺陷识别技术对对提高我国高性能冷轧薄板质量，开发并形成高精度缺陷检测技术都具有重要的学术价值和工程意义。参见附图1，本专利技术的带钢边部缺陷检测识别方法，包括如下步骤：第一步：通过激光测距传感器对带钢钢卷边部进行环形轨迹扫描，生成形貌数据，所述形貌数据的格式为：x1，h1；x2，h2；x3，h3；……其中x1，x2，x3，……为一道激光束从一端到另一端的连续位置信息，h1，h2，h3，……为被测点与激光测距传感器间的距离数据，距离数据为有效数据，需要保留的数据。环形轨迹扫描的扫描步长是7mm/s，扫描精度为3mm/s。第二步：通过公式：gi=hi/A，将所述距离数据转化为灰度值，并将xi和gi转化成带钢边部矩形形貌灰度图，其中i=1,2,3,……，A为整数，可取100。第三步：将矩形形貌灰度图转换成环形形貌灰度图；第四步：将所述环形形貌灰度图进行二值化处理，得到二值图像。二值化处理前，采用中值滤波对得到的环形形貌灰度图进行去噪处理。二值化处理包括如下步骤：（1）图像分割；（2）通过最大类间差法对分割后的局部图像确定最佳二值化的分割阈值；（3）对分割后的图像的进行二值化；（4）得到二值图像。第五步：对所述二值图像进行轮廓检测，得到其中灰度值变化明显和与周围区域灰度差值大的缺陷区域；第六步：提取所述缺陷区域的坐标、面积、灰度均值，以及所述区域对应于所述矩形形貌灰度图中的长宽信息；第七步：将所述缺陷区域对应至所述实际检测的带钢边部，得到实际带钢边部的缺陷位置坐标、缺陷面积、缺陷长宽尺寸以及缺陷深度。参见附图2，具体实施中，可使用软件进行辅助分析，首先利用激光测距传感器，在计算机上运行软件实现与传感器的连接和控制，建立通信以收集其扫描获得的带钢边部数据，对数据进行处理和存档，当运行检测模块时，对采集到的数据进行分析处理，根据扫描处理后的数据进行图像重建，生成带钢钢卷边部形貌灰度图像，再对生成的图像进行滤波处理和二值化处理，对处理后的二值图像进行图像分割和轮廓检测，提取得到的轮廓的在灰度图中的坐标、面积、拟合矩形的长宽和灰度均值等信息，再转换成带钢边部的缺陷信息，包括缺陷位置坐标、大小、长宽尺寸和平均深度等信息，以及根据缺陷信息进行缺陷等级的评定，得到缺陷的等级，最终输出被检测带钢的缺陷信息汇总和整体质量评定，并将结果存档、输出，其实施步骤包括：（1）编程实现软件与激光测距传感器设备的连接与控制；（2）软件与传感器建立通信后，接收传感器扫描带钢钢卷边部的形貌数据，对接收到的数据进行分析提取距离数据存档；（3）根据存档的数据，将距离数据转化为灰度值，软件在绘图区域动态实时显示正在被检测的带钢边部形貌灰度图；（4）根据存档数据和激光测距传感器的扫描模式建立数学模型，实现带钢边部形貌灰度图像的重建本文档来自技高网...

【技术保护点】
一种带钢边部缺陷检测识别方法，其特征在于：包括如下步骤：第一步：通过激光测距传感器对带钢钢卷边部进行环形轨迹扫描，生成形貌数据，所述形貌数据的格式为：x1，h1；x2，h2；x3，h3；……其中x1，x2，x3，…… 为一道激光束从一端到另一端的连续位置信息，h1，h2，h3，……为被测点与激光测距传感器间的距离数据，距离数据为有效数据，需要保留的数据；第二步：通过公式：gi=hi/A，将所述距离数据转化为灰度值，并将xi和gi转化成带钢边部矩形形貌灰度图，其中i=1,2,3, ……，A为整数；第三步：将矩形形貌灰度图转换成环形形貌灰度图；第四步：将所述环形形貌灰度图进行二值化处理，得到二值图像；第五步：对所述二值图像进行轮廓检测，得到其中灰度值变化明显和与周围区域灰度差值大的缺陷区域；第六步：提取所述缺陷区域的坐标、面积、灰度均值，以及所述区域对应于所述矩形形貌灰度图中的长宽信息；第七步：将所述缺陷区域对应至所述实际检测的带钢边部，得到实际带钢边部的缺陷位置坐标、缺陷面积、缺陷长宽尺寸以及缺陷深度。

【技术特征摘要】
1.一种带钢边部缺陷检测识别方法，其特征在于：包括如下步骤：第一步：通过激光测距传感器对带钢钢卷边部进行环形轨迹扫描，生成形貌数据，所述形貌数据的格式为：x1，h1；x2，h2；x3，h3；……其中x1，x2，x3，……为一道激光束从一端到另一端的连续位置信息，h1，h2，h3，……为被测点与激光测距传感器间的距离数据，距离数据为有效数据，需要保留的数据；第二步：通过公式：gi=hi/A，将所述距离数据转化为灰度值，并将xi和gi转化成带钢边部矩形形貌灰度图，其中i=1,2,3,……，A为整数；第三步：将矩形形貌灰度图转换成环形形貌灰度图；第四步：将所述环形形貌灰度图进行二值化处理，得到二值图像；第五步：对所述二值图像进行轮廓检测，得到其中灰度值与周围区域灰度差值大的缺陷区域；第六步：提取所述缺陷区域的坐标、面积、灰度均值，以及所述区域对应...

【专利技术属性】
技术研发人员：陈建钧，陈杰，吕栋炜，陈国宁，金正洋，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海;31