一种钢卷表面异常突起的自动检测方法技术

本发明专利技术提供一种钢卷表面异常突起的自动检测方法，包括对钢卷表面采集数据，还包括以下步骤：将深度图映射为3D点云图，去除离群点和噪声点；利用剩下的稳定点云图，在3D空间中拟合一个平面；扫描点云，利用点到面的距离，判定是否突起。本发明专利技术提出一种钢卷表面异常突起的自动检测方法，无需大量标注数据和冗长的训练时间，节省了大量的人力成本和时间成本，保证了系统对光照的鲁棒性，同时利用RANSAC去除了可能的噪声点，提高的了系统的稳定性。

【技术实现步骤摘要】
一种钢卷表面异常突起的自动检测方法
本专利技术涉及智能制造的
，特别是一种钢卷表面异常突起的自动检测方法。
技术介绍
在钢铁企业的热轧连轧机生产线上，通常都要在卷取区域对钢卷成型质量进行检测，并进行处理。由于钢卷生产线处于高温辐射环境下，质检人员无法近距离观察。而且肉眼观察存在一定主观性，并且容易产生视觉疲惫，很难实现长时间的在线精确检测。表面的异常突起作为钢卷的主要质量缺陷之一，目前仍主要采用人工排查的方式进行检测。为了提高工作效率，实现智能制造，自动检测钢卷的表面异常突起引起了人们的广泛关注。目前自动检测表面异常突起的方法有两种。一种方法是采用图像处理技术，不断改变光照，分离照明变化而导致的对比度变化，并借助实时阴影校正滤波器分离对比度变化和表面特征，从而对突起部分进行检测。该方法的技术缺点是：对环境光照敏感，检测结果不够稳定。方法一十分依赖光照的稳定，一旦光照变化不够稳定，极易造成检测失败。另一种方法是采用深度学习技术，利用深度卷积神经网络，对图像进行特征提取，再通过神经网络进行预测判断。通过对大量正负样本的学习训练，得到一个性能良好的网络结构。在检测阶段，利用这个训练好本文档来自技高网...

【技术保护点】
1.一种钢卷表面异常突起的自动检测方法，包括对钢卷表面采集数据，其特征在于，还包括以下步骤：步骤1：将深度图映射为3D点云图，去除离群点和噪声点；步骤2：利用剩下的有效点群，求得平面方程参数，在3D空间中拟合一个平面；步骤3：扫描点云，利用点到面的距离，根据距离与阈值的大小关系，判定是否突起。

【技术特征摘要】
1.一种钢卷表面异常突起的自动检测方法，包括对钢卷表面采集数据，其特征在于，还包括以下步骤：步骤1：将深度图映射为3D点云图，去除离群点和噪声点；步骤2：利用剩下的有效点群，求得平面方程参数，在3D空间中拟合一个平面；步骤3：扫描点云，利用点到面的距离，根据距离与阈值的大小关系，判定是否突起。2.如权利要求1所述的钢卷表面异常突起的自动检测方法，其特征在于：所述步骤1包括随机任选所述3D点云图中的三个点，利用三点定面的数学原理拟合一个平面。3.如权利要求2所述的钢卷表面异常突起的自动检测方法，其特征在于：所述步骤1还包括计算所述3D点云图中其他的所有点到此平面的距离。4.如权利要求3所述的钢卷表面异常突起的自动检测方法，其特征在于：所述步骤1还包括记录到平面距离小于阈值的点的个数，迭代500次，找到平面点的距离小于阈值的点、个数最多的平面以及所有的点，形成3D有效点群。5.如权利要求4所述的钢卷表面异常突起的自动检测方法，其特征在于：所述步骤1还包括对3D点云图，迭代进行RANSAC算法，去除3D点云图的离散点和噪...

【专利技术属性】
技术研发人员：张发恩，刘洋，
申请(专利权)人：创新奇智重庆科技有限公司，
类型：发明
国别省市：重庆,50