【技术实现步骤摘要】
钢卷内部紊乱判断方法、系统、设备及介质
本专利技术涉及钢铁冶炼领域和图像处理领域,特别是涉及一种针对钢线材的钢卷内部紊乱判断方法、系统、设备及介质。
技术介绍
在钢卷处理过程中,钢线材首先需要卷成钢卷,随后进入下一环节进行包装处理。这是连续自动化生产线的关键一步,如果钢线材未能卷成规整形状,钢卷发生内部紊乱,则可能使后续生产线发生停机故障。然而,对于钢卷是否合格,以及是否发生紊乱,此前通常为人工确认,缺乏规范、高效的检测方式。对于钢铁厂而言,容易引起钢铁厂的人力成本和生产成本上升,因此,亟需一种无人参与的钢卷内部紊乱判断方法,以确保钢卷内部紊乱判断的准确性和及时性。
技术实现思路
鉴于以上所述现有情况的缺点,本专利技术的目的在于提供一种钢卷内部紊乱判断方法、系统、设备及介质,用于解决现有技术中针对钢线材的钢卷内部紊乱检测不便的问题。为实现上述目的及其他相关目的,本专利技术提供一种钢卷内部紊乱判断方法,包括:采集目标钢卷的初始图像信息,将所述初始图像信息输入目标检测网络进行训练,建立用于识别所述目标钢卷位置的检测模型;利用所述检测模型实时采集目标区域的钢卷图像信息,根据所述钢卷图像信息判断所述钢卷是否处于感兴趣区域内;当所述感兴趣区域内未检测到钢卷时,不对图像进行处理;当所述感兴趣区域内检测到钢卷时,对目标图像进行色彩处理得到钢卷区域图像,提取所述钢卷区域图像内的轮廓特征;根据所述轮廓特征判断钢卷是否内部紊乱,持续检测直至所述钢卷离开。 ...
【技术保护点】
1.一种钢卷内部紊乱判断方法,其特征在于,包括:/n采集目标钢卷的初始图像信息,将所述初始图像信息输入目标检测网络进行训练,建立用于识别所述目标钢卷位置的检测模型;/n利用所述检测模型实时采集目标区域的钢卷图像信息,根据所述钢卷图像信息判断所述钢卷是否处于感兴趣区域内;/n当所述感兴趣区域内未检测到钢卷时,不对图像进行处理;/n当所述感兴趣区域内检测到钢卷时,对目标图像进行色彩处理得到钢卷区域图像,提取所述钢卷区域图像内的轮廓特征;/n根据所述轮廓特征判断钢卷是否内部紊乱,持续检测直至所述钢卷离开。/n
【技术特征摘要】
1.一种钢卷内部紊乱判断方法,其特征在于,包括:
采集目标钢卷的初始图像信息,将所述初始图像信息输入目标检测网络进行训练,建立用于识别所述目标钢卷位置的检测模型;
利用所述检测模型实时采集目标区域的钢卷图像信息,根据所述钢卷图像信息判断所述钢卷是否处于感兴趣区域内;
当所述感兴趣区域内未检测到钢卷时,不对图像进行处理;
当所述感兴趣区域内检测到钢卷时,对目标图像进行色彩处理得到钢卷区域图像,提取所述钢卷区域图像内的轮廓特征;
根据所述轮廓特征判断钢卷是否内部紊乱,持续检测直至所述钢卷离开。
2.根据权利要求1所述的钢卷内部紊乱判断方法,其特征在于,还包括:在钢线材生产线中设置纯色背景板,根据所述背景板的位置和相机的位置设置识别感兴趣区域。
3.根据权利要求1所述的钢卷内部紊乱判断方法,其特征在于,所述采集目标钢卷的初始图像信息,将所述初始图像信息输入目标检测网络进行训练,建立用于识别所述目标钢卷位置的检测模型的步骤,包括:
采集目标钢卷的初始图像信息构建钢卷数据集,所述初始图像信息通过标注所述钢卷保存钢卷位置信息,其中,所述位置信息的格式及内容为:
[SteelHolexmin,SteelHoleymin,SteelHolexmax,SteelHoleymax]
其中,SteelHolexmin、SteelHoleymin分别为钢卷矩形目标框在图像中的左上角x、y坐标,SteelHolexmax、SteelHoleymax分别为钢卷矩形目标框在图像中的右下角x、y坐标;
基于深度学习的目标检测网络对所述钢卷数据集进行训练,建立识别目标钢卷位置的检测模型,所述目标检测网络包括SSD系列、yolo系列或faster-rcnn中任一种。
4.根据权利要求1所述的钢卷内部紊乱判断方法,其特征在于,通过对比钢卷位置信息与所设置的感兴趣区域位置信息,判断所述感兴趣区域中是否存在钢卷;其中,所述感兴趣区域在图像中位置信息的内容与格式为:
[ROIxmin,ROIymin,ROIxmax,ROIymax]
其中,ROIxmin、ROIymin分别为感兴趣区域在图像中的左上角x、y坐标,ROIxmax、ROIymax分别为感兴趣区域在图像中的右下角x、y坐标;
若满足SteelHolexmin>ROIxmin,SteelHoleymin>ROIymin,SteelHolexmax<ROIxmax,SteelHoleymax<ROIymax,则判定所述目标钢卷位于识别感兴趣区域内;若不满足,则判定所述目标钢卷位于识别感兴趣区域外。
5.根据权利要求1所述的钢卷内部紊乱判断方法,其特征在于,当所述感兴趣区域内检测到钢卷时,对识别到的钢卷画面进行色彩处理,所述色彩处理包括图像对比度调节、图像饱和度调节、图像明度调节、以及区域图像色彩分割。
6.根据权利要求5所述的钢卷内部紊乱判断方法,其特征在于,所述图像饱和度和图像明度以HSV图像色彩格式为基础进行调节,其中,色相(Hue)、饱和度(Saturation)、明度(Value)为三通道的颜色格式,依据预设的HSV三通道颜色阈值,将超出阈值的色彩区域进行归中处理,以得到颜色更均衡、更理想的钢卷区域图像。
7.根据权利要求6所述的钢卷内部紊乱判断方法,其特征在于,对调节处理的钢卷区域图像扩大原来图像中的钢线材深色像素区域、减小背景板浅色像素部分区域,使深色钢卷区域具有更大、更明显的识别图像,表达式如下:
dst(x,y)=min(src(x+x′,y+y′))(x′,y′):(x′,y′)≠0
其中,(x,y)为待处理像素点坐标,src(x,y)为待处理像素点的颜色值,dst(x,y)为处理后像素点的颜色值,(x+x′,y+y′)表示以(x,y)为中心的其周围联通的像素点。
8.根据权利要求7所述的钢卷内部紊乱判断方法,其特征在于,所述区域图像色彩分割是以HSV色彩格式为基础,根据工厂实地色彩情景设置区分钢卷和背景板颜色的颜色阈值,对图像对比度、饱和度、明度处理后的钢卷区域图像进行色彩分割处理,将超出阈值范围的部分转为黑色、符合阈值范围的部分转为...
【专利技术属性】
技术研发人员:庞殊杨,刘睿,贾鸿盛,毛尚伟,田君仪,
申请(专利权)人:中冶赛迪重庆信息技术有限公司,
类型:发明
国别省市:重庆;50
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。