一种基于特征检测的卷钢移位判断方法及系统技术方案

本发明专利技术公开了一种基于特征检测的卷钢移位判断方法及系统，包括以下步骤：包括以下步骤：获取卷钢鞍座上的第一力数据；获取卷钢鞍座上的第一图像数据；将第一力数据和第一图像数据依据卷钢鞍座的平面坐标进行标定，得到卷钢鞍座平面的第一立体特征数据；将所述第一立体特征数据

【技术实现步骤摘要】
一种基于特征检测的卷钢移位判断方法及系统


[0001]本专利技术涉及卷钢移位检测
，具体涉及一种基于特征检测的卷钢移位判断方法及系统
。

技术介绍

[0002]在钢铁厂中，钢带经冷轧收卷后需要移位搬运，均采用步进梁将钢卷托起一步一步地移动至每个
V
型鞍座上，最终到达指定位置
。
由于在移动搬运过程中，受到钢卷重心偏差和步进梁承载面倾斜的影响，时常会出现某些钢卷严重偏离步进梁中轴线的现象
。
一旦出现这样情况，在步进梁再次托起的过程中就很有可能会发生钢卷侧翻的生产事故
。
为了避免这种事件的发生，以往是依靠人工肉眼观测的方法进行监视，结果费工
、
费力，又不可靠
。
[0003]现有技术中，利用单一特征进行卷钢移位的判断，使得卷钢移位判断的准确性完全取决于单一特征，判断可用信息有限，会降低判断结果的准确性
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于特征检测的卷钢移位判断方法及系统，以解决现有技术中利用单一特征进行卷钢移位的判断，使得卷钢移位判断的准确性完全取决于单一特征，判断可用信息有限，会降低判断结果的准确性的技术问题
。
[0005]为解决上述技术问题，本专利技术具体提供下述技术方案：一种基于特征检测的卷钢移位判断方法，包括以下步骤：获取卷钢鞍座上的第一力数据，所述第一力数据对应于卷钢对卷钢鞍座的施力，所述施力包括摩擦力
、
压力中的至少一种；获取卷钢鞍座上的第一图像数据，所述第一图像数据对应于卷钢在卷钢鞍座平面形成的相对位置图像；将第一力数据和第一图像数据依据卷钢鞍座的平面坐标进行标定，得到卷钢鞍座平面的第一立体特征数据；将所述第一立体特征数据
、
标准立体特征数据，通过特征匹配函数，确定出钢卷移位的判断结果，其中，所述特征匹配函数为神经网络，所述标准立体特征数据由标准图像数据
、
标准力数据依据卷钢鞍座的平面坐标标定而成，所述标准图像数据对应于卷钢在卷钢鞍座平面形成的相对位置标准图像，所述标准力数据对应于卷钢对卷钢鞍座的标准施力
。
[0006]作为本专利技术的一种优选方案，所述第一力数据由与卷钢接触的卷钢鞍座平面上的力传感器检测得到
。
[0007]作为本专利技术的一种优选方案，所述第一图像数据由立于卷钢上方的摄像头朝向与卷钢接触的卷钢鞍座平面拍摄得到
。
[0008]作为本专利技术的一种优选方案，所述将第一力数据和第一图像数据依据卷钢鞍座的平面坐标进行标定，得到卷钢鞍座平面的第一立体特征数据，包括：
将与卷钢接触的卷钢鞍座平面进行二维坐标化；将与卷钢接触的卷钢鞍座平面上各个位点处的第一力数据，第一图像数据，依据所述位点对应排布至二维坐标化的卷钢鞍座平面上，得到卷钢鞍座平面的第一立体特征数据；所述卷钢鞍座平面的第一立体特征数据的表达式为：
P
XY
(F,G)
，式中，
P
XY
为卷钢鞍座平面的二维坐标，
X
为横向坐标，
Y
为纵向坐标，
F
为
P
XY
上的第一力数据，
G
为
P
XY
上的第一图像数据
。
[0009]作为本专利技术的一种优选方案，所述标准立体特征数据的构成，包括：卷钢以标准姿态放置在卷钢鞍座上的情况下，由与卷钢接触的卷钢鞍座平面上的力传感器检测得到标准力数据，由立于卷钢上方的摄像头朝向与卷钢接触的卷钢鞍座平面拍摄得到标准图像数据；将与卷钢接触的卷钢鞍座平面进行二维坐标化；将与卷钢接触的卷钢鞍座平面上各个位点处的标准力数据，标准图像数据，依据所述位点对应排布至二维坐标化的卷钢鞍座平面上，得到卷钢鞍座平面的标准立体特征数据；所述卷钢鞍座平面的标准立体特征数据的表达式为：
P
XY
(Fc,Gc)
，式中，
P
XY
为卷钢鞍座平面的二维坐标，
X
为横向坐标，
Y
为纵向坐标，
Fc
为
P
XY
上的标准力数据，
Gc
为
P
XY
上的标准图像数据
。
[0010]作为本专利技术的一种优选方案，所述将所述第一立体特征数据
、
标准立体特征数据，通过特征匹配函数，确定出钢卷移位的判断结果，包括：将第一立体特征数据作为孪生网络中第一
CNN
神经网络的输入，由第一
CNN
神经网络进行特征提取，得到第一立体特征数据的特征图；将标准立体特征数据作为孪生网络中第二
CNN
神经网络的输入，由第二
CNN
神经网络进行特征提取，得到标准立体特征数据的特征图；将第一立体特征数据的特征图与标准立体特征数据的特征图间均方误差作为孪生网络的损失函数，所述损失函数的表达式为：
loss=MSE(S,Sc)
；；式中，
loss
为损失函数，
MSE
为均方误差运算符，
MSE(S,Sc)
为
S
和
Sc
的均方误差，
P
XY
(F,G)
为第一立体特征数据，
S
为第一立体特征数据的特征图，
CNN1
为孪生网络中第一
CNN
神经网络，
P
XY
(Fc,Gc)
为标准立体特征数据，
Sc
为标准立体特征数据的特征图，
CNN2
为孪生网络中第二
CNN
神经网络；将孪生网络的损失函数与损失阈值进行比较，其中，当孪生网络的损失函数小于损失阈值，则第一立体特征数据对应的钢卷移位的判断结果为未移位；当孪生网络的损失函数大于或等于损失阈值，则第一立体特征数据对应的钢卷移位的判断结果为已移位
。
[0011]作为本专利技术的一种优选方案，所述标准力数据，标准图像数据与第一力数据，第一
图像数据进行归一化处理
。
[0012]作为本专利技术的一种优选方案，本专利技术提供了一种应用于所述的基于特征检测的卷钢移位判断方法的移位判断系统，包括：下位机，包括力传感器
、
摄像头，用于获取标准力数据
、
第一力数据，标准图像数据以及第一图像数据；上位机，用于将第一力数据和第一图像数据依据卷钢鞍座的平面坐标进行标定，得到卷钢鞍座平面的第一立体特征数据；将标准力数据和标准图像数据依据卷钢鞍座的平面坐标进行标定，得到卷钢鞍座平面的标准立体特征数据；以及将所述第一立体特征数据
、
标准立体特征数据，通过特征匹配函数，确定出钢卷移位的判断结果；服务器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于特征检测的卷钢移位判断方法，其特征在于：包括以下步骤：获取卷钢鞍座上的第一力数据，所述第一力数据对应于卷钢对卷钢鞍座的施力，所述施力包括摩擦力
、
压力中的至少一种；获取卷钢鞍座上的第一图像数据，所述第一图像数据对应于卷钢在卷钢鞍座平面形成的相对位置图像；将第一力数据和第一图像数据依据卷钢鞍座的平面坐标进行标定，得到卷钢鞍座平面的第一立体特征数据；将所述第一立体特征数据
、
标准立体特征数据，通过特征匹配函数，确定出钢卷移位的判断结果，其中，所述特征匹配函数为神经网络，所述标准立体特征数据由标准图像数据
、
标准力数据依据卷钢鞍座的平面坐标标定而成，所述标准图像数据对应于卷钢在卷钢鞍座平面形成的相对位置标准图像，所述标准力数据对应于卷钢对卷钢鞍座的标准施力
。2.
根据权利要求1所述的一种基于特征检测的卷钢移位判断方法，其特征在于：所述第一力数据由与卷钢接触的卷钢鞍座平面上的力传感器检测得到
。3.
根据权利要求1所述的一种基于特征检测的卷钢移位判断方法，其特征在于：所述第一图像数据由立于卷钢上方的摄像头朝向与卷钢接触的卷钢鞍座平面拍摄得到
。4.
根据权利要求1所述的一种基于特征检测的卷钢移位判断方法，其特征在于：所述将第一力数据和第一图像数据依据卷钢鞍座的平面坐标进行标定，得到卷钢鞍座平面的第一立体特征数据，包括：将与卷钢接触的卷钢鞍座平面进行二维坐标化；将与卷钢接触的卷钢鞍座平面上各个位点处的第一力数据，第一图像数据，依据所述位点对应排布至二维坐标化的卷钢鞍座平面上，得到卷钢鞍座平面的第一立体特征数据；所述卷钢鞍座平面的第一立体特征数据的表达式为：
P
XY
(F,G)
，式中，
P
XY
为卷钢鞍座平面的二维坐标，
X
为横向坐标，
Y
为纵向坐标，
F
为
P
XY
上的第一力数据，
G
为
P
XY
上的第一图像数据
。5.
根据权利要求4所述的一种基于特征检测的卷钢移位判断方法，其特征在于：所述标准立体特征数据的构成，包括：卷钢以标准姿态放置在卷钢鞍座上的情况下，由与卷钢接触的卷钢鞍座平面上的力传感器检测得到标准力数据，由立于卷钢上方的摄像头朝向与卷钢接触的卷钢鞍座平面拍摄得到标准图像数据；将与卷钢接触的卷钢鞍座平面进行二维坐标化；将与卷钢接触的卷钢鞍座平面上各个位点处的标准力数据，标准图像数据，依据所述位点对应排布至二维坐标化的卷钢鞍座平面上，得到卷钢鞍座平面的标准立体特征数据；所述卷钢鞍座平面的标准立体特征数据的表达式为：
P
XY
(Fc,Gc)
，式中，
P
XY
为卷钢鞍座平面的二维坐标，
X
为横向坐标，
Y
为纵向坐标，
Fc
为
P
XY
上的标准力数据，
Gc
为
P
XY
上的标准图像数据
。6.
根据权利要求5所述的一种基于特征检测的卷钢移位判断方法，其特征在于：所述将所述第一立体特征数据
、
标准立体特征数据，通过特征匹配函数，确定出钢卷移位的判断结果，包括：将第一立体特征数据作为孪生网络中第一
CNN
神经网络的输入，由第一
CNN
神经网络进
行特征提取，得到第一立体特征数据的特征图；将标准立体特征数据作为孪生网络中第二
CNN
神经网络的输入，由第二
CNN
神经网络进行特征提取，得到标准立体特征数据的特征图；将第一立体特征数据的特征图与标准立体特征数据的特征图间均方误差作为孪生网络的损失函数，所述损失函数的表达式为：
loss=MSE(S,Sc)
； ；式中，
loss
为损失函数，
MSE
为均方误差运算符，
MSE(S,Sc)
为
S
和
Sc
的均方误差，
P
XY
(F,G)
为第一立体特征...

【专利技术属性】
技术研发人员：苏茂才，林仁辉，廖峪，孙操，
申请(专利权)人：诺比侃人工智能科技成都股份有限公司，
类型：发明
国别省市：