【技术实现步骤摘要】
本专利技术涉及计算机视觉和数字图像，具体地，涉及一种基于计算机视觉的堆钢检测方法和系统。
技术介绍
1、随着二十一世纪的社会快速进步，工业也迎来飞速发展，钢铁作为工业的脊梁，在现代化钢铁工业上已经实现一定程度的自动化生产，社会对钢铁质量也有更高的要求。以产品为例，从大型钢结构支撑柱、高速动车组轮轴，到厚度仅0.015毫米的“手撕钢”、加工精度比头发丝还细的“笔尖钢”，品种更多、性能更强、市场更广，成为钢铁行业的新标签。安全生产是钢铁工业发展的基本保证，是提高经济效益的重要条件。由于人为因素，设备老化和检修不及时，技术上的缺陷、安全设施和个人安全防护用品的缺乏以及面对重大突发事故时缺少应急预案等都构成了钢铁生产中存在安全隐患的原因，严重阻碍了钢铁工业的发展。在棒材生产制造过程中，由于轧槽或导槽存在异物、棒材温度不均匀、辊道摩擦力过小、辊环材质不合格、辊环冷却不到位、棒材尺寸过大等原因，会发生堆钢现象。堆钢现象不仅仅影响钢铁质量和生产效率，而且还会造成严重的财产损失和人员伤亡。近年来，计算机视觉技术快速发展，基于计算机视觉的各种检测技术在许多实际的应用系统中已经得到广泛的使用与发展。计算机视觉是用工业相机和电脑代替人类，在没有人类干预的情况下通过计算机电脑来对目标进行识别和跟踪检测。总的来说，就是用机器代替人眼处理和分析图像。拥有高效性、可靠性、连续性、灵活性等等特点。现阶段，堆钢检测大多通过现场人工检测，不仅需要付出人力成本，同时还对检测人员的人身安全造成极大的挑战。此外，传统的人工检测已经满足不了工厂自动化升级的需求，这些情况使
2、专利申请文献cn111340027a公开了一种堆钢识别方法、系统、电子设备及介质，所述的方法包括：采集轧制轨道的图像信息，设定感兴趣区域；通过多维数据处理获取检测目标，所述多维数据处理包括以下之一：hvs识别、二值化识别；提取检测目标的外围轮廓，并获取外围轮廓的参数信息，所述参数信息包括以下之一：宽度、高度、面积；通过所述参数信息，判定是否发生堆钢。然而该专利无法完全解决目前存在的技术问题，也无法满足本专利技术的需求。
3、针对传统的人工肉眼检测困难，效率低，风险大，可靠性差，受主观性影响较大等问题，本专利技术提出了一种基于计算机视觉的堆钢检测方法。
技术实现思路
1、针对现有技术中的缺陷，本专利技术的目的是提供一种基于计算机视觉的堆钢检测方法和系统。
2、根据本专利技术提供的基于计算机视觉的堆钢检测方法，包括：
3、步骤1：布置相机，确保相机能捕捉到待检测的棒材，对输入的高速影像视频序列进行静止帧提取，得到需要进行检测处理的棒材图像；
4、步骤2：读取图像流中的前n张图像作为定位图像，然后进行预处理，生成定位模板文件，其中n为大于等于1的自然数；
5、步骤3：读取图像流的第n+1张及之后的所有图像，然后进行预处理，提取目标区域内的颜色特征；
6、步骤4：加载对应相机的定位模板文件，将提取的目标区域内的颜色特征与定位模板文件中的颜色特征进行比对，判断是否出现堆钢现象；如果出现堆钢现象，则触发报警信息发送给控制中心，保留堆钢照片于异常情况文件夹；否则周期性保存生产照片。
7、优选地，所述步骤1包括：在棒材传送区域采集视频流；采用tcp通信模式，将视频流内容传输到nvr中；对棒材的传送视频采取预设帧数i，每隔i帧数提取图像，根据棒材的传送速度，选取预设间隔帧数将输入的视频流化为图像流；
8、所述步骤2包括：读取图像流中的前n张图像作为定位图像，定位图像包括无钢和有钢，选取的定位模板文件中有钢图像在安全情况下需要覆盖所有棒材的位置；对图像进行预处理操作，包括形态学处理消除目标区域的噪声，图像二值化对目标区域分割，其中图像需要经过两次二值化处理，分别以棒材的白色和红色作为阈值进行二值化；对所有图像二值化的结果进行累加，将最终累加的结果保存在dat文件中，同样根据颜色的种类和相机编号保存在不同的文件中。
9、优选地，所述步骤3包括：
10、步骤3.1：对待检测图像进行二值化处理，颜色阈值根据安全帽的颜色设定；
11、步骤3.2：对二值化处理后的图形进行轮廓检测，将所有的轮廓点保存在contours向量内，再通过opencv提供的api接口rotatedrect()获取轮廓的外接矩形；
12、步骤3.3：根据轮廓尺寸和轮廓横纵向跨度判断轮廓是否属于安全帽，若属于安全帽则代表有工人正在维修设备，此次堆钢检测直接判定为安全；
13、步骤3.4：再次对待检测图像进行二值化，去除不在预设颜色范围内的像素，颜色阈值根据棒材颜色设定，得到二值化图像iw与ir。
14、优选地，所述步骤4包括：
15、步骤4.1：加载定位模板文件，读取文件中的二进制数据，将数据转为mat格式，分别保存为fw和fr；
16、步骤4.2：读取二值化图像iw和ir，遍历图像ir的目标区域，当图像ir中的位置(x,y)处的像素值为255时，且图像fr相同位置的像素值不为255，则红色像素点危险计数值unsafer加1；当图像fr的位置(x,y)处的像素值为255时，红色像素点安全计数值safer加1，表达式为：
17、
18、其中，ir(x,y)为图像ir在(x,y)处的像素值，fr(x,y)为图像fr在(x,y)处的像素值；
19、步骤4.3：遍历图像fw，统计目标区域内像素值为255的位置个数safew；
20、步骤4.4：计算不安全率rate，表达式为：
21、rate＝unsafer/safer (2)
22、步骤4.5：若safew小于白色阈值，表示棒材颜色更偏向红色，当不安全率rate大于预设阈值，则表明待检测图像中出现堆钢现象，否则表明待检测图像未出现堆钢现象；若safew不小于白色阈值，表示棒材颜色更偏向白色，当不安全计数值unsafer大于预设不安全阈值，则表明待检测图像中出现堆钢现象，否则表明待检测图像未出现堆钢现象。
23、优选地，图像二值化处理包括：设置阈值t1和t2，对原图像f(x,y)进行分割，分割图像g(x,y)为：
24、
25、二值化图像形态学操作采用形态学的开运算，开运算包含腐蚀和膨胀，首先进行腐蚀操作消除伪缺陷，表达式为：
26、
27、其中，a为二值化图像，b为结构元素，x和y代表位置坐标，为腐蚀操作符号，b(x,y)表示在坐标(x,y)位置上的二值化图像；
28、再进行膨胀操作，用来填补目标区域中的空洞以消除包含目标区域中的小颗粒噪声，表达式为：
29、
30、其中，为膨胀操作符号；
31、最后将经过二值化和形态学处理后的图像相加，执行饱和运算，若两个图像的同一位置的像素值相加大于2本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的堆钢检测方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的堆钢检测方法，其特征在于，所述步骤1包括：在棒材传送区域采集视频流；采用TCP通信模式，将视频流内容传输到NVR中；对棒材的传送视频采取预设帧数I，每隔I帧数提取图像，根据棒材的传送速度，选取预设间隔帧数将输入的视频流化为图像流；
3.根据权利要求2所述的基于计算机视觉的堆钢检测方法，其特征在于，所述步骤3包括：
4.根据权利要求3所述的基于计算机视觉的堆钢检测方法，其特征在于，所述步骤4包括：
5.根据权利要求4所述的基于计算机视觉的堆钢检测方法，其特征在于，图像二值化处理包括：设置阈值T1和T2，对原图像f(x,y)进行分割，分割图像g(x,y)为：
6.一种基于计算机视觉的堆钢检测系统，其特征在于，包括：
7.根据权利要求6所述的基于计算机视觉的堆钢检测系统，其特征在于，所述模块M1包括：在棒材传送区域采集视频流；采用TCP通信模式，将视频流内容传输到NVR中；对棒材的传送视频采取预设帧数I，每隔I帧数提取
8.根据权利要求7所述的基于计算机视觉的堆钢检测系统，其特征在于，所述模块M3包括：
9.根据权利要求8所述的基于计算机视觉的堆钢检测系统，其特征在于，所述模块M4包括：
10.根据权利要求9所述的基于计算机视觉的堆钢检测系统，其特征在于，图像二值化处理包括：设置阈值T1和T2，对原图像f(x,y)进行分割，分割图像g(x,y)为：
...【技术特征摘要】
1.一种基于计算机视觉的堆钢检测方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的堆钢检测方法，其特征在于，所述步骤1包括：在棒材传送区域采集视频流；采用tcp通信模式，将视频流内容传输到nvr中；对棒材的传送视频采取预设帧数i，每隔i帧数提取图像，根据棒材的传送速度，选取预设间隔帧数将输入的视频流化为图像流；
3.根据权利要求2所述的基于计算机视觉的堆钢检测方法，其特征在于，所述步骤3包括：
4.根据权利要求3所述的基于计算机视觉的堆钢检测方法，其特征在于，所述步骤4包括：
5.根据权利要求4所述的基于计算机视觉的堆钢检测方法，其特征在于，图像二值化处理包括：设置阈值t1和t2，对原图像f(x,y)进行分割，分割图像g(x,y)为：
【专利技术属性】
技术研发人员：谢弢，张芙蓉，
申请(专利权)人：上海宝信软件股份有限公司，
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。