基于计算机视觉的轧机智能控制方法及系统技术方案

本发明专利技术涉及图像处理领域，具体涉及一种基于计算机视觉的轧机智能控制方法及系统，该方法及系统是一种应用电子设备进行图像识别的方法及系统，可应用于生产领域人工智能系统、人工智能优化操作系统。其中，基于计算机视觉的轧机智能控制方法包括：基于轧辊图像，应用电子设备识别获取疑似划痕缺陷；对于疑似划痕缺陷像素，计算其他像素对疑似划痕缺陷像素的滤波权重时考虑了梯度差异；基于滤波权重完成双边滤波；基于滤波后的轧辊图像，重新获取划痕缺陷，进行轧机的智能控制。本发明专利技术采用不同的计算方式计算疑似划痕缺陷像素和非疑似划痕缺陷像素的滤波权重，基于此，经过滤波后可以将轧辊图像中不明显的边缘保留下来，实现划痕缺陷的准确检测。痕缺陷的准确检测。痕缺陷的准确检测。

【技术实现步骤摘要】
基于计算机视觉的轧机智能控制方法及系统


[0001]本专利技术涉及图像处理领域，具体涉及一种基于计算机视觉的轧机智能控制方法及系统。

技术介绍

[0002]在机械制造过程中，通常需要通过轧机对金属等材料进行加工，轧辊是轧机上使金属等材料产生连续塑性变形的主要工作部件和工具。在轧制过程中，可能会由于轧制速度设置不当导致轧辊与被轧制的金属打滑，产生打滑划痕缺陷。
[0003]对于划痕缺陷，目前通常利用磁粉探伤、超声波探伤等方法在轧机停止工作后对轧辊进行划痕缺陷检测。而磁粉探伤、超声波探伤等方法无法在轧机工作的同时对轧辊进行检测，也就无法根据检测结果智能控制轧机。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于计算机视觉的轧机智能控制方法及系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于计算机视觉的轧机智能控制方法，该方法包括以下具体步骤：获取轧辊图像，基于所述轧辊图像获取划痕缺陷；获取所述轧辊图像中划痕缺陷像素以外，预设方向上梯度幅值大于预设幅值的像素，结合划痕缺陷的方向特性和连续特性，获取疑似划痕缺陷；对于疑似划痕缺陷像素，基于与像素范围域中其他像素的梯度差异、距离差异以及灰度差异，计算其他像素对疑似划痕缺陷像素的滤波权重；基于所述滤波权重进行双边滤波；基于滤波后的轧辊图像，重新获取划痕缺陷；根据所述重新获取的划痕缺陷的像素数量，进行轧机的智能控制。
[0005]进一步地，基于与像素范围域中其他像素的距离差异、灰度差异以及梯度差异，计算滤波权重，包括：计算所述疑似划痕缺陷像素所属疑似划痕缺陷为划痕缺陷的概率；所述概率为第一权值，基于所述概率获取第二权值；利用所述第一权值为所述梯度差异加权，利用所述第二权值为所述距离差异和灰度差异加权；基于所述差异的加权和计算所述滤波权重。
[0006]进一步地，计算所述疑似划痕缺陷为划痕缺陷的概率，包括：基于所述预设方向上梯度幅值，对疑似划痕缺陷对应像素进行分组；获取所述梯度幅值较大的像素组中像素的最大连续个数和最大连续个数对应像素的灰度方差；根据所述灰度方差和所述像素个数计算所述概率；其中，所述概率和所述灰度方
差呈反相关关系，所述概率和所述像素个数呈正相关关系。
[0007]进一步地，若其他像素为非疑似划痕缺陷像素，基于所述疑似划痕缺陷像素所属疑似划痕缺陷为划痕缺陷的概率，对所述距离差异进行差异放大；基于放大后的距离差异，计算所述滤波权重。
[0008]进一步地，对于非疑似划痕缺陷像素，基于与像素范围域中其他像素的距离差异和灰度差异，计算其他像素对非疑似划痕缺陷像素的滤波权重。
[0009]第二方面，本专利技术另一个实施例提供了一种基于计算机视觉的轧机智能控制系统，该系统具体包括：缺陷获取模块，用于获取轧辊图像，基于所述轧辊图像获取划痕缺陷；获取所述轧辊图像中划痕缺陷像素以外，预设方向上梯度幅值大于预设幅值的像素，结合划痕缺陷的方向特性和连续特性，获取疑似划痕缺陷；滤波模块，用于对于疑似划痕缺陷像素，基于与像素范围域中其他像素的梯度差异、距离差异以及灰度差异，计算其他像素对疑似划痕缺陷像素的滤波权重；基于所述滤波权重进行双边滤波；智能控制模块，用于基于滤波后的轧辊图像，重新获取划痕缺陷；根据所述重新获取的划痕缺陷的像素数量，进行轧机的智能控制。
[0010]进一步地，所述滤波模块包括：权值获取单元，用于计算所述疑似划痕缺陷像素所属疑似划痕缺陷为划痕缺陷的概率；所述概率为第一权值，基于所述概率获取第二权值；第一计算单元，用于利用所述第一权值为所述梯度差异加权，利用所述第二权值为所述距离差异和灰度差异加权；基于所述差异的加权和计算所述滤波权重。
[0011]进一步地，所述权值获取单元包括：像素分组单元，用于基于所述预设方向上梯度幅值，对疑似划痕缺陷对应像素进行分组；数据获取单元，用于获取所述梯度幅值较大的像素组中像素的最大连续个数和最大连续个数对应像素的灰度方差；概率计算单元，用于根据所述灰度方差和所述像素个数计算所述概率；其中，所述概率和所述灰度方差呈反相关关系，所述概率和所述像素个数呈正相关关系。
[0012]进一步地，基于所述疑似划痕缺陷像素所属疑似划痕缺陷为划痕缺陷的概率，对所述距离差异进行差异放大；基于放大的距离差异计算所述滤波权重。
[0013]进一步地，所述滤波模块包括：第二计算单元，用于基于与像素范围域中其他像素的距离差异和灰度差异，计算其他像素对非疑似划痕缺陷像素的滤波权重。
[0014]本专利技术实施例至少具有如下有益效果：本专利技术涉及一种基于计算机视觉的轧机智能控制方法及系统，该方法及系统是一种应用电子设备进行图像识别的方法及系统，可应用于生产领域人工智能系统、人工智能优化操作系统。本专利技术对于疑似划痕缺陷像素和非疑似划痕缺陷像素，采用不同的滤波权重计算方式，基于此，经过滤波后可以将轧辊图像中不明显的边缘保留下来，同时去除噪声点，基于滤波图像实现划痕缺陷的准确检测。此外，对于疑似划痕缺陷像素，本专利技术还根据疑似划痕缺陷像素所属疑似划痕缺陷为划痕缺陷的
概率设置了梯度差异的权值，对越可能为划痕缺陷的疑似划痕缺陷的像素进行滤波时，越注重像素梯度幅值差异，进而使得不明显的划痕缺陷得以保留。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0016]图1为本专利技术实施例提供的基于计算机视觉的轧机智能控制方法的步骤流程图。
[0017]图2为本专利技术实施例提供的基于计算机视觉的轧机智能控制系统的模块构成图。
具体实施方式
[0018]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于计算机视觉的轧机智能控制方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例或实施方式中的特定特征、结构、或特点可由任何合适形式组合。
[0019]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0020]本专利技术的主要目的是：利用计算机视觉，对采集到的轧辊图像进行处理，分析轧辊图像的特征，对轧辊表面的划痕缺陷进行检测，进而结合划痕缺陷，对轧机进行智能控制。
[0021]下面结合附图具体的说明本专利技术所提供的一种基于计算机视觉的轧机智能控制方法及系统的具体方案。
[0022]请参阅图1，其示出了本专利技术一个实施例提供的一种基于计算机视觉的轧机智能控制方法的步骤流程图，该方法包括以下步骤：获取轧辊图像，基于所述轧辊图像获取划痕缺陷；获取所述轧辊图像中划本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的轧机智能控制方法，其特征在于，该方法包括：获取轧辊图像，基于所述轧辊图像获取划痕缺陷；获取所述轧辊图像中划痕缺陷像素以外，预设方向上梯度幅值大于预设幅值的像素，结合划痕缺陷的方向特性和连续特性，获取疑似划痕缺陷；对于疑似划痕缺陷像素，基于与像素范围域中其他像素的梯度差异、距离差异以及灰度差异，计算其他像素对疑似划痕缺陷像素的滤波权重；基于所述滤波权重进行双边滤波；基于滤波后的轧辊图像，重新获取划痕缺陷；根据所述重新获取的划痕缺陷的像素数量，进行轧机的智能控制；基于与像素范围域中其他像素的距离差异、灰度差异以及梯度差异，计算滤波权重，包括：计算所述疑似划痕缺陷像素所属疑似划痕缺陷为划痕缺陷的概率；所述概率为第一权值，基于所述概率获取第二权值；利用所述第一权值为所述梯度差异加权，利用所述第二权值为所述距离差异和灰度差异加权；基于所述差异的加权和计算所述滤波权重。2.如权利要求1所述的基于计算机视觉的轧机智能控制方法，其特征在于，计算所述疑似划痕缺陷为划痕缺陷的概率，包括：基于所述预设方向上梯度幅值，对疑似划痕缺陷对应像素进行分组；获取所述梯度幅值较大的像素组中像素的最大连续个数和最大连续个数对应像素的灰度方差；根据所述灰度方差和所述像素个数计算所述概率；其中，所述概率和所述灰度方差呈反相关关系，所述概率和所述像素个数呈正相关关系。3.如权利要求2所述的基于计算机视觉的轧机智能控制方法，其特征在于，若其他像素为非疑似划痕缺陷像素，基于所述疑似划痕缺陷像素所属疑似划痕缺陷为划痕缺陷的概率，对所述距离差异进行差异放大；基于放大后的距离差异，计算所述滤波权重。4.如权利要求3所述的基于计算机视觉的轧机智能控制方法，其特征在于，对于非疑似划痕缺陷像素，基于与像素范围域中其他像素的距离差异和灰度差异，计算其他像素对非疑似划痕缺陷像素的滤波权重。5.一种基于计算机视觉的轧机智...

【专利技术属性】
技术研发人员：黄镇生，杨彩红，
申请(专利权)人：南通恒强轧辊有限公司，
类型：发明
国别省市：