【技术实现步骤摘要】
一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法
本专利技术属于机器视觉和自动控制
，具体涉及一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法。
技术介绍
薄板冷轧加工生产时，待轧制钢卷需要由上卷机构送入轧机轧制。上卷过程如图1(a)～(d)所示，原料带卷(1)被液压上卷机构从堆料区域移动至开卷机，将带卷中心(2)对准开卷机轴(3)，之后推入开卷机开卷。该过程高度重复，如果能够将人工操作改为自动上卷，则可以节约人力成本。自动上卷需要准确检测带卷中心位置，使其能够对准开卷机轴。一些早期方案尝试使用限位开关、激光测距等传感器进行定位，由于冷轧机工作环境恶劣，油污、蒸汽、震动等导致传感器难以长期可靠使用，因此目前为主，上卷操作仍需人工控制。参见图1(a)～(d)。采用机器视觉方式进行带卷定位跟踪具有诸多优点。由于摄像头安装位置较高，远离轧机生产环境，不受现场环境影响，长期工作可靠性能够得到保障。摄像头安装位置较为灵活，无需改变已有机械电气硬件结构。摄像头除上卷时跟踪带卷外，也可执行安全监视、生产记录等任务，功...
【技术保护点】
1.一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法，其特征在于，包括以下步骤：/n步骤一，以前一帧图像中带卷中心坐标为中心，在一定范围内，随机截取一定窗口大小的多张子图；/n步骤二，将子图送入卷积神经网络，计算出每张子图中带卷中心坐标。对计算结果求平均，得到带卷中心坐标；/n步骤三，基于模板匹配方法，计算出当前帧图像相对前一帧图像的偏移量；/n步骤四，基于卡尔曼滤波方法，将步骤一、步骤二、步骤三所获得的带卷中心坐标和偏移量相综合，得到当前帧图像中带卷中心坐标的最优估计；/n步骤五，重复以上步骤，实现对带卷中心坐标的实时跟踪。/n
【技术特征摘要】
1.一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法，其特征在于，包括以下步骤：
步骤一，以前一帧图像中带卷中心坐标为中心，在一定范围内，随机截取一定窗口大小的多张子图；
步骤二，将子图送入卷积神经网络，计算出每张子图中带卷中心坐标。对计算结果求平均，得到带卷中心坐标；
步骤三，基于模板匹配方法，计算出当前帧图像相对前一帧图像的偏移量；
步骤四，基于卡尔曼滤波方法，将步骤一、步骤二、步骤三所获得的带卷中心坐标和偏移量相综合，得到当前帧图像中带卷中心坐标的最优估计；
步骤五，重复以上步骤，实现对带卷中心坐标的实时跟踪。
2.根据权利要求1所述的一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法，其特征在于，所述的卷积神经网络，具体做法是：
卷积神经网络用于从输入带卷图像中获取中心位置坐标，其输入为尺寸为512×512的包含带卷图像的灰度图像，【我把所有的地方都统一为“灰度图像”】灰度图像依次经过4个卷积层，每个卷积层均采用5×5卷积核和2×2最大池化，第一个卷积层输出通道数为8，第二层输出通道数为16，第三层为32，第四层为64；之后使用两个全连接隐层，其节点数分别为16348和4096；输出层节点数为2，代表带卷中心点坐标的X、Y坐标；除输出层外，每层均使用ReLu作为激活函数，输出层不使用激活函数；
使用人工标记图片训练神经网络，图片标签为图片中带卷中心点坐标。神经网络使用误差平方和(RMS)函数作为损失函数(lossfunction)。为了避免过拟合，训练时采用L2正则，且对网络进行Dropout。完成训练后，通过神经网络从摄像头所拍摄灰度图像中计算带卷中心坐标，具体计算方法如下：
1)假设前一帧摄像头灰度图像中带卷中心坐标为(cx0,cy0)，以该坐标为中心，随机产生N个坐标
(cxi,cyi)＝(cx0+Δxi,cy0+Δyi),i∈[0,N)(1)
式中(cxi,cyi)是随机生成的坐标，(Δxi,Δyi)是一定范围内的等概率随机整数，其分布满足-R≤Δxi≤R，-R≤Δyi≤R；N表示随机生成的坐标数量，R表示随机分布范围，N和R由经验或试验决定，一般令N＝16，R＝50；
2)以步骤1)中随机生成的N个坐标(cxi,cyi)为中心点，从当前帧灰度图像中截取N个512×512子图，由卷积神经网络计算在每张子图中，带卷的中心位置坐标
3)计算带卷中心坐标平均值：
式中(cx,cy)为带卷的中心坐标平均值，N为步骤2)中截取的子图数量，(cxi,cyi)为每张子图中心点在当前帧灰度图像中的坐标，为每张子图中由神经网络计算获得的带卷的中心坐标，(cx,cy)...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。