[发明专利]一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法

说明书

一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法，包括以下步骤：步骤一，以前一帧灰度图像中带卷中心坐标为中心，在一定范围内，随机截取一定窗口大小的多张子图；步骤二，将子图送入卷积神经网络，计算出每张子图中带卷中心坐标。对计算结果求平均，得到带卷中心坐标；步骤三，基于模板匹配方法，计算出当前帧灰度图像中的带卷相对前一帧灰度图像中的带卷的偏移量；步骤四，基于卡尔曼滤波方法，将步骤一、步骤二、步骤三所获得的带卷中心坐标和偏移量相综合，得到当前帧图像中带卷中心坐标的最优估计；步骤五，重复以上步骤，实现对带卷中心坐标的实时跟踪；具有极高的鲁棒性，能够在不同环境下，对各类带卷加以高精度跟踪定位。

技术领域

本发明属于机器视觉和自动控制技术领域，具体涉及一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法。

背景技术

薄板冷轧加工生产时，待轧制钢卷需要由上卷机构送入轧机轧制。上卷过程如图1(a)～(d)所示，原料带卷(1)被液压上卷机构从堆料区域移动至开卷机，将带卷中心(2)对准开卷机轴(3)，之后推入开卷机开卷。该过程高度重复，如果能够将人工操作改为自动上卷，则可以节约人力成本。

自动上卷需要准确检测带卷中心位置，使其能够对准开卷机轴。一些早期方案尝试使用限位开关、激光测距等传感器进行定位，由于冷轧机工作环境恶劣，油污、蒸汽、震动等导致传感器难以长期可靠使用，因此目前为主，上卷操作仍需人工控制。参见图1(a)～(d)。

采用机器视觉方式进行带卷定位跟踪具有诸多优点。由于摄像头安装位置较高，远离轧机生产环境，不受现场环境影响，长期工作可靠性能够得到保障。摄像头安装位置较为灵活，无需改变已有机械电气硬件结构。摄像头除上卷时跟踪带卷外，也可执行安全监视、生产记录等任务，功能灵活度高。图1所示照片即为带卷跟踪定位摄像头拍摄。

但是，采用机器视觉跟踪定位带卷也存在诸多困难。传统定位方式多采用边缘提取方式，通过经典算法(如Sobel,Canny等)找出带卷边缘，基于椭圆拟合计算中心点坐标。由于带卷存在边缘不整齐，带材表面存在带头、污渍、标签等，生产现场存在光照阴影等，经典边缘提取算法极易受到干扰，导致定位不准。图2(a)～(c)显示了三张带卷实拍照片，图2(d)～(f)显示了这三张照片通过Canny算法提取的边缘图像。可以看到，标签、带头以及光斑对于边缘提取具有显著影响，很难将其滤除，从而影响中心点定位精度和可靠性。因此，基于机器视觉的带卷定位方式目前仍未见实际应用。

发明内容

为克服上述现有技术的不足，本发明的目的在于提供一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法，通过深度学习和卡尔曼滤波相结合，实现高精度、高鲁棒性的冷轧带卷定位跟踪，为冷轧机自动上卷以及其他自动控制任务提供必要的定位跟踪服务。

为实现上述目的，本发明采用的技术方案是：

本发明的有益效果是：

本发明设计了一种基于深度学习和卡尔曼滤波的单镜头机器视觉带卷定位跟踪算法。该算法采用深度学习算法，通过现场生产照片对智能体加以训练，实现端对端、高效且高鲁棒性的带卷定位跟踪。通过卡尔曼滤波，进一步增强定位精度，避免粗大误差。试验测试表明，该算法具有极高的鲁棒性，能够在不同环境下，对各类带卷加以高精度跟踪定位。

附图说明

图1(a)为冷轧带卷上卷照片，图中带卷位于上卷等待区。

图1(b)为冷轧带卷上卷照片，图中带卷正在向开卷机移动。

图1(c)为冷轧带卷上卷照片，图中带卷已对准开卷机。

图1(d)为冷轧带卷上卷照片，图中带卷已被推入开卷机。

图2(a)为标签、带头和光斑等对边缘提取的影响实例图，图中带卷边缘含有标签。

图2(b)为标签、带头和光斑等对边缘提取的影响实例图，图中带卷边缘含有带头。