一种轧带钢带头曲度检测方法、系统、介质及电子终端技术方案

本发明专利技术提供一种轧带钢带头曲度检测方法、系统、电子设备及介质，方法包括：获取带钢图像信息；根据带钢图像信息对基于深度学习的神经网络进行训练，获取用于识别带钢位置的目标检测模型；采集轧钢现场的带钢图片，输入至目标检测模型，获取带钢位置信息；根据带钢位置信息对带钢带头进行定位，并获取带钢的轮廓信息；根据轮廓信息获取最大轮廓的最小外接矩形；通过最小外接矩形与带钢上边界之间的距离，对带钢带头曲度进行判断；本发明专利技术实现无人工参与对带钢轧制场景下热轧带钢带头曲度的检测，兼具实时性和高精度的特点，降低了人工成本，提高了工作效率，同时也保证了检测的可靠性，提高了轧钢的质量，在实际热轧带钢的工业场景下，效果极佳。

【技术实现步骤摘要】
一种轧带钢带头曲度检测方法、系统、介质及电子终端
本专利技术涉及冶金领域和图像处理领域，尤其涉及一种轧带钢带头曲度检测方法、系统、介质及电子终端。
技术介绍
在热轧带钢的轧制过程中，受板坯上下表温差、上下辊径差、转速差以及变形速率等因素的影响，经常会造成带钢在轧制过程中，产生带头或扣头(翘头)的现象，从而影响轧钢的质量，因此需要及时对热轧带钢带头的曲度进行检测判断。目前，在热轧带钢的轧制工作中，对热轧带钢带头的曲度的检测和判断仍依赖于人工目测的方式。在实际工作过程中，通常需要工作人员通过远程摄像机观察带钢的带头曲度来鉴定带钢的轧制情况，会存在着监管人员易疲劳、监管费用高、施工现场情况复杂容易发生漏检等一系列问题，因此，需要一种新的热轧带钢带头曲度检测方式，能够在保证检测准确的前提下，自动进行曲度检测，以克服上述技术问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术提供一种轧带钢带头曲度检测方法、系统、电子设备及介质，以解决上述技术问题。本专利技术提供的轧带钢带头曲度检测方法，包括：获取带钢图像信息；根据所述带钢图像信息对基于深度学习的神经网络进行训练，获取用于识别带钢位置的目标检测模型；采集轧钢现场的带钢图片，输入至所述目标检测模型，获取带钢位置信息；根据所述带钢位置信息对带钢带头进行定位，并获取带钢的轮廓信息；根据所述轮廓信息获取最大轮廓的最小外接矩形；通过所述最小外接矩形与带钢上边界之间的距离，对带钢带头曲度进行判断。<br>可选的，通过视频信息获取所述带钢图像信息，对所述视频信息进行切片处理，获取视频中的图片，并将所述图片调整至统一大小后，再按预设的比例将图片划分为训练集和测试集。可选的，预先设置图像的感兴趣区域，所述带钢位置信息包括带钢各顶点的坐标，根据所述坐标获取带头的高度，完成带钢带头的定位，以及判定带钢带头是否进入所述感兴趣区域。可选的，预设带头的平均宽度，再根据带钢位置信息带钢中两个对角顶点的纵坐标差，获取带钢带头的高度，进而完成对带钢带头的定位。可选的，还包括对采集的轧钢现场的带钢图片进行预处理，所述预处理包括图像蒙版处理，所述蒙版处理包括在当前图层上面覆盖一层预设涂层。可选的，所述预处理还包括通过如下公式对采集的带钢图片进行处理：其中，g(x,y)为二值图像，f(x,y)为灰度图像，T为分割阈值，通过m×n的矩阵或二维数组表示灰度图像和二值图像，二值图像为像素灰度值只有0和255时的灰度图像，灰度图像为每个像素的R、G、B分量值相等时的彩色图像。可选的，分别计算带钢的轮廓信息中的每个轮廓的面积，获取其中面积最大的轮廓，进而获取所述面积最大的轮廓的最小外接矩形，以及，所述最小外接矩形各顶点的坐标信息。可选的，获取最小外接矩形的顶点的坐标信息与带钢上边界的距离，根据所述距离与带钢带头的曲度之间的负相关对应关系，获取带钢带头曲度的检测结果。本专利技术还提供一种轧带钢带头曲度检测系统，包括：图像采集模块，用于获取带钢图像信息；目标检测模型，用于根据所述带钢图像信息对基于深度学习的神经网络进行训练，并根据训练后的模型对带钢位置进行识别；定位模块，用于对带钢带头进行定位；判断模块，用于对带钢带头曲度进行判断；通过图像采集模块采集轧钢现场的带钢图片，输入至所述目标检测模型，获取带钢位置信息；定位模块根据所述带钢位置信息对带钢带头进行定位，并获取带钢的轮廓信息；通过判断模块根据所述轮廓信息获取最大轮廓的最小外接矩形；通过所述最小外接矩形与带钢上边界之间的距离，对带钢带头曲度进行判断。可选的，还包括图像处理模块，用于通过视频信息获取所述带钢图像信息，对所述视频信息进行切片处理，获取视频中的图片，并将所述图片调整至统一大小后，再按预设的比例将图片划分为训练集和测试集。可选的，所述预处理模块，用于进行图像蒙版处理，所述蒙版处理包括在当前图层上面覆盖一层预设涂层。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一项所述方法。本专利技术还提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述中任一项所述方法。本专利技术的有益效果：本专利技术中的轧带钢带头曲度检测方法、系统、介质及电子终端，通过在实际带钢的轧制场景下对带钢带头曲度进行实时、精确的智能检测，避免了人工检测带来的对热轧带钢带头曲度检测的不便、不精问题，实现无人工参与对带钢轧制场景下热轧带钢带头曲度的检测，兼具实时性和高精度的特点，降低了人工成本，提高了工作效率，同时也保证了检测的可靠性，进而提高了热轧带钢的质量，在实际热轧带钢的工业场景下，效果极佳。附图说明图1是本专利技术实施例中轧带钢带头曲度检测方法的流程示意图。图2是本专利技术实施例中轧带钢带头曲度检测方法的采集图片示意图。图3是本专利技术实施例中轧带钢带头曲度检测方法的曲度检测效果示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。在下文描述中，探讨了大量细节，以提供对本专利技术实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本专利技术的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本专利技术的实施例难以理解。如图1所示，本实施例中的轧带钢带头曲度检测方法，包括：获取带钢图像信息；根据所述带钢图像信息对基于深度学习的神经网络进行训练，获取用于识别带钢位置的目标检测模型；采集轧钢现场的带钢图片，输入至所述目标检测模型，获取带钢位置信息；根据所述带钢位置信息对带钢带头进行定位，并获取带钢的轮廓信息；根据所述轮廓信息获取最大轮廓的最小外接矩形；通过所述最小外接矩形与带钢上边界之间的距离，对带钢带头曲度进行判断。在本实施例中，首先采集轧钢现场的热轧带钢图片，获取数据集，图片如图2所示，再通过基于深度学习的神经网络对数据集进行训练得到识别带钢位置的目标检测模型，将所需识别检测的图片大小调整为a×b，根据目标检测模型识别的带钢位置的结果，获取带钢的左上顶点坐标与右下顶点本文档来自技高网...

【技术保护点】
1.一种轧带钢带头曲度检测方法，其特征在于，包括：/n获取带钢图像信息；/n根据所述带钢图像信息对基于深度学习的神经网络进行训练，获取用于识别带钢位置的目标检测模型；/n采集轧钢现场的带钢图片，输入至所述目标检测模型，获取带钢位置信息；/n根据所述带钢位置信息对带钢带头进行定位，并获取带钢的轮廓信息；/n根据所述轮廓信息获取最大轮廓的最小外接矩形；/n通过所述最小外接矩形与带钢上边界之间的距离，对带钢带头曲度进行判断。/n

【技术特征摘要】
1.一种轧带钢带头曲度检测方法，其特征在于，包括：
获取带钢图像信息；
根据所述带钢图像信息对基于深度学习的神经网络进行训练，获取用于识别带钢位置的目标检测模型；
采集轧钢现场的带钢图片，输入至所述目标检测模型，获取带钢位置信息；
根据所述带钢位置信息对带钢带头进行定位，并获取带钢的轮廓信息；
根据所述轮廓信息获取最大轮廓的最小外接矩形；
通过所述最小外接矩形与带钢上边界之间的距离，对带钢带头曲度进行判断。


2.根据权利要求1中的轧带钢带头曲度检测方法，其特征在于，通过视频信息获取所述带钢图像信息，对所述视频信息进行切片处理，获取视频中的图片，并将所述图片调整至统一大小后，再按预设的比例将图片划分为训练集和测试集。


3.根据权利要求2中的轧带钢带头曲度检测方法，其特征在于，预先设置图像的感兴趣区域，所述带钢位置信息包括带钢各顶点的坐标，根据所述坐标获取带头的高度，完成带钢带头的定位，以及判定带钢带头是否进入所述感兴趣区域。


4.根据权利要求3中的轧带钢带头曲度检测方法，其特征在于，预设带头的平均宽度，再根据带钢位置信息带钢中两个对角顶点的纵坐标差，获取带钢带头的高度，进而完成对带钢带头的定位。


5.根据权利要求2中的轧带钢带头曲度检测方法，其特征在于，还包括对采集的轧钢现场的带钢图片进行预处理，所述预处理包括图像蒙版处理，所述蒙版处理包括在当前图层上面覆盖一层预设涂层。


6.根据权利要求5中的轧带钢带头曲度检测方法，其特征在于，所述预处理还包括通过如下公式对采集的带钢图片进行处理：



其中，g(x,y)为二值图像，f(x,y)为灰度图像，T为分割阈值，通过m×n的矩阵或二维数组表示灰度图像和二值图像，二值图像为像素灰度值只有0和255时的灰度图像，灰度图像为每个像素的R、G、B分量值相等时的彩色图像。


7.根据权利要求6中的轧带钢带头曲度检测方法，...

【专利技术属性】
技术研发人员：庞殊杨，王嘉骏，贾鸿盛，毛尚伟，王姝洋，
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