[发明专利]一种棒材钢料弯曲检测方法

权利要求书

1.一种棒材钢料弯曲检测方法，其特征在于，包括如下步骤：

步骤S1：在棒材钢料斜上方固定一台耐高温网络摄像机，实时采集传送带上的钢料的图像；

步骤S2：将采集的图像输入到基于深度学习的分割网络，实时分割出图像中的棒材的图像；

步骤S3：用边缘检测算法对分割出的钢料图像进行边缘检测提取钢料边界特征和三条侧棱特征；

步骤S4：基于三条侧棱特征检测钢料是否弯曲；

步骤S5：当检测到钢料弯曲时向前端发送警报，阻止弯曲钢料送入加热炉。

2.根据权利要求1所述的一种棒材钢料弯曲检测方法，其特征在于：所述步骤S1中耐高温网络摄像机采集的是钢料的两个侧面以及三条侧棱。

3.根据权利要求2所述的一种棒材钢料弯曲检测方法，其特征在于：所述步骤S2具体为：

步骤S21：将图像数据输入基于深度学习的分割网络，判断每个像素是否属于钢料；

步骤S22：将图像中所有判断属于钢料的像素选取出来组成钢料图像；

步骤S23：计算钢料图像中相距最远两个像素的距离，当该距离小于一定阈值时候，判断钢料未完全进入拍摄视野，转S21检测下一张图像。

4.根据权利要求3所述的一种棒材钢料弯曲检测方法，其特征在于：所述步骤S21中的基于深度学习的分割网络包括以下步骤：

步骤S211：使用多层感知器提取图像的每个像素特征；

步骤S212：对每个像素以其为中心的3×3邻域、5×5邻域和7×7邻域最大池化得到每个像素的3个尺度的局部特征，将三个特征链接组成每个像素的多尺度局部特征；

步骤S213：将每个像素的多尺度局部特征使用多层感知器提取高维特征，然后最大池化所有像素的高维特征得到全局特征；

步骤S214：从每个像素的高维度特征提取权重，将每个像素的多尺度局部特征和全局特征链接后与权重相乘得到加权特征；

步骤S215：将每个像素的加权特征通过全连接层降到一维，利用sigmoid函数计算得到每个像素的分割概率，计算交叉熵损失函数用于训练，判断每个像素是否属于钢料的像素。

5.根据权利要求4所述的一种棒材钢料弯曲检测方法，其特征在于：所述步骤S3具体为：

步骤S31：将分割出的钢料图像用边缘检测算法提取边界像素，用kruskal算法构建最小生成树，边界像素作为树的结点；

步骤S32：根据每个边界像素的最近k邻域计算该像素单位法矢；

步骤S33：选取边界像素中的一个像素，当该像素的k邻域中任意一个像素的单位法矢与该像素的单位法矢的内积绝对值小于设定阈值时，将该像素作为断点，遍历所有边界像素得到所有断点；

步骤S34：所有断点将最小生成树分为多个子树，选择其中节点最多的三个子树作为三条侧棱特征。

6.根据权利要求5所述的一种棒材钢料弯曲检测方法，其特征在于：所述步骤S4具体为：

步骤S41：用RANSAC算法对三条侧棱特征分别进行直线检测；

步骤S42：计算三条侧棱特征中的所有像素点到对应直线的距离，当存在距离大于设定阈值的像素时，判定该像素对应的边界线弯曲；

步骤S43：当三条侧棱特征中任意一条弯曲时，钢料弯曲。

7.根据权利要求6所述的一种棒材钢料弯曲检测方法，其特征在于：所述步骤S5具体为：当检测到钢料弯曲时向前端控制器发送警报，中断钢料传送带传输；取下弯曲钢料后，传送带继续输送钢料，进行下一个钢料的检测。