本发明专利技术实施例公开了一种钢铁宽厚板长度视觉测量系统和方法，图像采集模块用于采集生产现场的原始图像，图像处理模块用于将原始图像变换为测量平面上的图像，钢板测量模块用于对测量平面上的钢板进行检测、边缘识别和长度计算，UI模块用于显示各阶段处理的图像和钢板的测量数据，通讯模块用于图像采集模块、图像处理模块、钢板测量模块、UI模块之间的图像和数据通信。本发明专利技术实施例通过视觉对宽厚板进行测量，解决了板材厚且重量大不易测量的问题，并且提高了测量的准确性。并且提高了测量的准确性。并且提高了测量的准确性。
【技术实现步骤摘要】
一种钢铁宽厚板长度视觉测量系统和方法
[0001]本专利技术涉及钢铁行业宽厚板尺寸测量
，具体涉及一种钢铁宽厚板长度视觉测量系统和方法。
技术介绍
[0002]整个钢铁生产的过程由多道连续工序生产完成，在多个环节都需要准确的物料数据，不论是连铸过程中的钢坯定长，还是在轧钢过程中的定型定长，亦或是在成品钢材最后的品保检查中，都需要精确的获取钢材的尺寸数据。
[0003]目前钢铁行业常规的测长方式主要有两种，一种是通过编码器来进行定长，但是由于厚板重量较大存在打滑的问题，所以会导致厚板的长度容易出现测量误差；另一种方式是激光测距，这种方法在测量过程中存在不稳定的情况，容易出现碰撞或数据波动等问题。
[0004]由于宽厚板存在长度大(长度范围为8000mm
‑
20000mm)、板材厚且重量大的问题，因此常规的测量方法存在一定的误差，且在生产现场与生产过程都存在一定的局限性，存在效率低或设备易损坏的问题。
技术实现思路
[0005]本专利技术为了解决上述技术问题，提出了如下技术方案：
[0006]第一方面，本专利技术实施例提供了一种钢铁宽厚板长度视觉测量系统，包括图像采集模块、图像处理模块、钢板测量模块、UI模块和通讯模块，所述图像采集模块用于采集生产现场的原始图像，所述图像处理模块用于将原始图像变换为测量平面上的图像，所述钢板测量模块用于对测量平面上的钢板进行检测、边缘识别和长度计算，所述UI模块用于显示各阶段处理的图像和钢板的测量数据，通讯模块用于图像采集模块、图像处理模块、钢板测量模块、UI模块之间的图像和数据通信。
[0007]进一步地，所述图像处理模块包括图像畸变矫正单元、图像裁剪单元、透视变换单元，所述图像畸变矫正单元用于对生产现场的原始图像做畸变矫正处理，所述图像裁剪单元用于对做畸变矫正处理后的图像进行裁剪，所述透视变换单元用于将裁剪后的图像透视到测量平面上。
[0008]进一步地，所述钢板测量模块包括AI视觉检测单元、ROI处理单元和数据转换单元，所述AI视觉检测单元用于自动检测测量平面上的钢板，所述ROI处理单元用于对测量平面上的钢板进行边缘识别，所述数据转换单元用于计算钢板的长度数据。
[0009]进一步地，所述AI视觉检测单元除了自动检测测量平面上的钢板外，还自动检测测量平面上的其他物品；所述AI视觉检测单元随机挑选测量平面上的物品进行标注，生成数据集，并运用数据集训练AI模型。
[0010]进一步地，所述ROI处理单元对测量平面上的钢板进行边缘识别的过程为：对钢板的横向像素使用横向Sobel算子进行卷积运算，对钢板的纵向像素使用纵向Sobel算子进行
卷积运算，根据卷积结果确定钢板的边缘位置。
[0011]进一步地，所述卷积运算公式为：
[0012]G
x
(x,y)＝A*f(x,y)
[0013]＝
‑
1*f(x
‑
1,y
‑
1)+0*f(x,y
‑
1)+1*f(x+1,y
‑
1)+(
‑
2)*f(x
‑
1,y)+0*f(x,y)+2*f(x+1,y)+(
‑
1)*f(x
‑
1,y+1)+0*f(x,y+1)+1*f(x+1,y+1)
[0014]G
y
(x,y)＝B*f(x,y)
[0015]＝1*f(x
‑
1,y
‑
1)+2*f(x,y
‑
1)+1*f(x+1,y
‑
1)+0*f(x
‑
1,y)+0*f(x,y)+0*f(x+1,y)+(
‑
1)*f(x
‑
1,y+1)+(
‑
2)*f(x,y+1)+(
‑
1)*f(x+1,y+1)
[0016]其中，x，y分别代表像素的横向和纵向坐标，f(x,y)表示该点处的像素值，A为横向Sobel算子，B为纵向Sobel算子，G
x
(x,y)为像素的横向卷积结果，G
y
(x,y)为像素的纵向卷积结果，
[0017]横向Sobel算子为纵向Sobel算子为
[0018]进一步地，所述数据转换单元计算钢板长度数据的过程为：
[0019]以中间像素点与现场像素点为标准比例关系，将图像像素等比分成预设份数，从中部向两侧依次递减预设比例；
[0020]根据递减预设比例后的图像像素占比计算钢板长度数据。
[0021]第二方面，本专利技术实施例提供了一种钢铁宽厚板长度视觉测量方法，包括：
[0022]采集生产现场的原始图像；
[0023]将原始图像变换为测量平面上的图像；
[0024]对测量平面上的钢板进行检测、边缘识别和长度计算；
[0025]显示各阶段处理的图像和钢板的测量数据。
[0026]进一步地，对测量平面上的钢板进行检测、边缘识别和长度计算包括：
[0027]AI视觉检测单元自动检测测量平面上的钢板；
[0028]ROI处理单元对测量平面上的钢板进行边缘识别；
[0029]数据转换单元计算钢板的长度数据。
[0030]进一步地，AI视觉检测单元除了自动检测测量平面上的钢板外，还自动检测测量平面上的其他物品；所述AI视觉检测单元随机挑选测量平面上的物品进行标注，生成数据集，并运用数据集训练AI模型。
[0031]有益效果：
[0032](1)本专利技术实施例提供的钢铁宽厚板长度视觉测量系统和方法，生产现场的原始图像采集传送到图像处理模块后，对原始图像进行畸变矫正、裁剪、透视变换后生成测量平面图像，再对测量平面上的钢板进行检测、边缘识别和长度计算。本专利技术实施例通过视觉对宽厚板进行测量，解决了板材厚且重量大不易测量的问题，并且提高了测量的准确性。
[0033](2)本专利技术实施例提供的钢铁宽厚板长度视觉测量系统和方法，AI视觉检测单元随机选择图形并随机贴图，使数据集具有更为丰富的内容，极大的降低了训练过程中过拟合情况的产生，提高了模型的精度。
[0034](3)本专利技术实施例提供的钢铁宽厚板长度视觉测量系统和方法，适用于所有大物
料精确测量场合，通过工业摄像机采集图像，训练相关AI模型，快速实时获取物料长度，并传递给现场控制部分，提高了生产效率，确保生产产品的准确性，且人工不用去现场测量，确保人工生产的安全性，具有较大的推广应用价值。
附图说明
[0035]图1为本专利技术实施例提供的系统结构框图；
[0036]图2为本专利技术实施例提供的图像畸变矫正单元畸变矫正效果图；
[0037]图3为本专利技术实施例提供的图像裁剪单元图像裁剪效果图；
[0038]图4为本专利技术实施例提供的透视变换单元透视变换效果图；<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种钢铁宽厚板长度视觉测量系统，其特征在于，包括图像采集模块、图像处理模块、钢板测量模块、UI模块和通讯模块，所述图像采集模块用于采集生产现场的原始图像，所述图像处理模块用于将原始图像变换为测量平面上的图像，所述钢板测量模块用于对测量平面上的钢板进行检测、边缘识别和长度计算，所述UI模块用于显示各阶段处理的图像和钢板的测量数据，所述通讯模块用于图像采集模块、图像处理模块、钢板测量模块、UI模块之间的图像和数据通信。2.根据权利要求1所述的钢铁宽厚板长度视觉测量系统，其特征在于，所述图像处理模块包括图像畸变矫正单元、图像裁剪单元、透视变换单元，所述图像畸变矫正单元用于对生产现场的原始图像做畸变矫正处理，所述图像裁剪单元用于对做畸变矫正处理后的图像进行裁剪，所述透视变换单元用于将裁剪后的图像透视到测量平面上。3.根据权利要求2所述的钢铁宽厚板长度视觉测量系统，其特征在于，所述钢板测量模块包括AI视觉检测单元、ROI处理单元和数据转换单元，所述AI视觉检测单元用于自动检测测量平面上的钢板，所述ROI处理单元用于对测量平面上的钢板进行边缘识别，所述数据转换单元用于计算钢板的长度数据。4.根据权利要求3所述的钢铁宽厚板长度视觉测量系统，其特征在于，所述AI视觉检测单元除了自动检测测量平面上的钢板外，还自动检测测量平面上的其他物品；所述AI视觉检测单元随机挑选测量平面上的物品进行标注，生成数据集，并运用数据集训练AI模型。5.根据权利要求4所述的钢铁宽厚板长度视觉测量系统，其特征在于，所述ROI处理单元对测量平面上的钢板进行边缘识别的过程为：对钢板的横向像素使用横向Sobel算子进行卷积运算，对钢板的纵向像素使用纵向Sobel算子进行卷积运算，根据卷积结果确定钢板的边缘位置。6.根据权利要求5所述的钢铁宽厚板长度视觉测量系统，其特征在于，所述卷积运算公式为：G
x
(x,y)＝A*f(x,y)＝
‑
1*f(x
‑
1,y
‑
1)+0*f(x,y
‑
1)+1*f(x+1,y
‑
1)+(
‑
2)*f(x
‑
1,y)+0*f(x,y)+2*f(x+1,y)+(
【专利技术属性】
技术研发人员：耿浩，王卫芳，许文菊，王囡囡，李宏哲，郭增升，
申请(专利权)人：莱芜钢铁集团电子有限公司，
类型：发明
国别省市：
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。