一种基于视觉的烧结篦条端面质量检测方法及装置与流程

本技术涉及烧结监控，特别涉及一种基于视觉的烧结篦条端面质量检测方法及装置。

背景技术：

1、烧结是钢铁冶金生产流程中的核心工序之一，烧结篦条是烧结台车或行车上用于承载烧结物料、保障料层透气性能的关键部件，其工作环境长期伴随高温、高粉尘、机械振动及物料冲刷，篦条端面易逐渐出现缺失、松动、烧损、变形等多种质量异常。若上述异常未能被及时排查与处理，会直接影响烧结料层的透气性与生产稳定性，降低烧结矿成品质量，严重时还可能造成设备故障、非计划停机甚至生产安全事故，因此篦条端面质量检测是烧结生产运维中的重要环节。

2、当前烧结生产现场对篦条端面质量的检查，大多采用人工定期巡检或停机后人工排查的方式，由运维人员通过肉眼观察判断篦条的损坏状态。该类方式存在诸多不足：其一，人工检测劳动强度大、检测频次低，检测结果受人员经验与主观判断影响较大，漏检、误判风险较高；其二，检测需依赖停机或人工近距离观察，无法在篦条随行车连续运行的过程中实现不间断、全覆盖的在线检测，检测效率低且存在作业安全隐患。

3、随着机器视觉技术在工业检测领域的应用推广，已有采用视觉成像方式对篦条状态进行检测的尝试。但烧结现场普遍存在光照变化剧烈、粉尘干扰多、阴影遮挡严重等问题，同时篦条随行车运行过程中，其端面在图像中的成像姿态、投影面积会随运行位置持续发生变化，若直接对采集的全帧图像进行缺陷识别，极易因端面成像面积不足、边缘未对正、视角存在偏差等因素导致误检或漏检，检测准确性与可靠性难以满足工业现场的实际应用需求。

技术实现思路

1、有鉴于此，本技术提供了一种基于视觉的烧结篦条端面质量检测方法及装置，可实现篦条端面质量异常的精细化判别与差异化运维响应，在降低运维成本的同时有效保障烧结设备的运行稳定性与生产安全性。

2、为达到上述目的，本技术第一方面提供了一种基于视觉的烧结篦条端面质量检测方法，包括：

3、通过设置在篦条行车上方且镜头正对篦条端面的相机，获取篦条行车运输过程中的端面图像，作为第一数据图像；

4、对所述第一数据图像进行图像预处理，所述图像预处理至少包括颜色空间转换与均衡处理、以及噪声抑制处理；

5、对预处理后的图像进行边缘检测，提取篦条端面下边缘在横向方向上的边缘点信息，并根据所述边缘点信息拟合出篦条端面下边缘线；

6、通过目标检测算法检测并定位篦条行车上的边缘特征标志物，获取所述边缘特征标志物的外接矩形位置信息；

7、在图像坐标系中预设基准锚点，计算所述边缘特征标志物与基准锚点之间的第一距离，将第一距离不大于第一阈值作为第一判定条件；计算基准锚点到所述篦条端面下边缘线的第二距离，将第二距离不大于第二阈值作为第二判定条件；当第一判定条件与第二判定条件同时满足时，判定当前第一数据图像为篦条端面处于最大面积的有效图像，记为第二图像；

8、对所述第二图像采用目标检测算法进行识别，检测篦条端面上的质量异常区域，输出各异常区域的类别、位置及尺寸信息；

9、预设异常尺寸分级阈值，并将各异常区域的尺寸信息与分级阈值进行比对，对篦条端面的质量异常进行等级划分，并根据异常等级输出对应的报警信息。

10、由上，本技术提供的一种基于视觉的烧结篦条端面质量检测方法中，通过相机连续采集行车运行过程中的端面图像，结合图像预处理消除环境干扰，并利用边缘检测与目标检测算法分别提取篦条端面下边缘线和行车边缘特征标志物的位置信息，以预设基准锚点为参照，采用“边缘特征物-锚点距离”和“下边缘线-锚点距离”双重空间约束条件进行联合判定，只有当两个条件同时满足时才将当前帧确认为篦条端面处于最大面积的有效图像。该方法有效避免了因篦条随行车运动过程中端面姿态变化、视角偏差或端面未正对相机而导致的误检和漏检问题，确保后续缺陷检测仅在端面完全露出且处于最佳观测姿态的图像上进行，显著提升了检测结果的一致性和准确性；同时通过异常区域尺寸与分级阈值的自动比对，实现了端面质量异常的在线自动分级和分级报警，无需人工干预，提高了烧结设备运行维护的及时性和安全性。

11、作为第一方面的一种可能的实现方式，所述图像预处理具体包括：

12、将第一数据图像由rgb颜色空间转换至hsv颜色空间，在hsv颜色空间中对像素亮度分量进行颜色均衡处理，以削弱光照变化和阴影的影响；

13、采用高斯滤波对颜色均衡后的图像进行卷积处理，以抑制图像中的噪声和局部亮斑干扰。

14、由上，通过将图像由rgb空间转换至hsv空间并对亮度分量进行颜色均衡处理，能够有效分离色调与亮度信息，消除烧结现场因火光、弧光、日照变化及设备阴影带来的光照不均匀影响，使图像灰度分布趋于一致；在此基础上采用高斯滤波对图像进行卷积平滑，可有效抑制高粉尘环境下的颗粒噪声、相机电子噪声及局部亮斑对边缘定位的干扰。

15、作为第一方面的一种可能的实现方式，采用霍夫直线检测将所述边缘点信息拟合为篦条端面下边缘线，该篦条端面下边缘线在极坐标空间中的表达式为：

16、；

17、其中，为所述下边缘线至图像坐标系原点的距离，为所述下边缘线的法向量与x轴正向的夹角，、为图像中边缘点的坐标。

18、由上，通过采用霍夫直线检测将提取到的篦条端面下边缘点集拟合为完整的下边缘线，并在极坐标空间中以和两个参数对直线进行表达。霍夫变换具有良好的抗噪性和鲁棒性，即便下边缘存在局部遮挡、断裂或部分模糊，仍能依据全局边缘点投票结果拟合出准确的下边缘线位置；极坐标表达方式能够统一描述任意方向和位置的直线，避免了笛卡尔坐标系下垂直直线斜率无穷大的数值计算问题，为后续基准锚点到边缘线距离的稳定计算奠定了可靠基础。

19、作为第一方面的一种可能的实现方式，所述边缘特征标志物的外接矩形位置信息表示为：

20、；

21、其中，、分别为外接矩形左上角的图像坐标，、分别为外接矩形的宽度与高度。

22、作为第一方面的一种可能的实现方式，所述第一距离为特征标志物的外接矩形左上角与基准锚点之间的欧氏距离，计算公式为：

23、；

24、其中，为第一距离，、为基准锚点的图像坐标；

25、当时，第一判定条件满足，其中为预设的第一阈值；

26、所述第二距离为基准锚点到所述下边缘线的垂直距离，计算公式为：

27、；

28、其中，为第二距离，、为基准锚点的图像坐标；

29、当时，第二判定条件满足，其中为预设的第二阈值。

30、由上，通过将边缘特征标志物的位置信息以其外接矩形的左上角坐标及宽高进行量化表达，并计算外接矩形左上角与基准锚点之间的欧氏距离作为第一距离，将第一判定条件量化为第一距离不大于第一阈值，通过将基准锚点的坐标代入篦条端面下边缘线的极坐标方程，计算锚点到下边缘线的垂直距离作为第二距离，并将该第二距离不大于第二阈值作为第二判定条件。该距离度量直接反映了篦条端面下边缘在图像垂直方向上的位置偏移量，能够准确判定端面是否已进入视场中央的最佳观测区域；该计算方式仅涉及简单的三角函数运算，计算效率高，且与第一判定条件形成空间位置和姿态的双重互补约束，两者联合判定确保了筛选出的第二图像在水平方向和垂直方向同时满足端面最大面积的几何条件。

31、作为第一方面的一种可能的实现方式，所述异常区域的类别包括篦条缺失、篦条烧损、篦条破损；通过异常区域外接矩形的宽度、高度与标准篦条的基准宽度、基准高度的对比关系区分异常类别：

32、若且，则判定为篦条缺失；

33、若且，则判定为篦条烧损；

34、若且，则判定为篦条破损。

35、由上，该分类策略基于不同异常类型在物理形变上的本质差异，缺失导致断裂面纵向拉伸（w变小、h变大），烧损导致高温熔融横向流淌（w变大、h变小），破损导致整体轮廓均匀收缩（w和h均变小），通过简单的宽度-高度组合比较即可实现异常类别的准确判别，无需训练复杂的分类器，计算量极低，且判别逻辑具有明确的物理可解释性。

36、作为第一方面的一种可能的实现方式，所述质量异常的等级包括轻微异常、中度异常和严重异常；

37、当所述异常区域的尺寸小于第一尺寸阈值时，判定为轻微异常；

38、当所述异常区域的尺寸大于等于所述第一尺寸阈值且小于第二尺寸阈值时，判定为中度异常；

39、当所述异常区域的尺寸大于等于所述第二尺寸阈值，或同一第二图像中异常区域的数量达到预设数量阈值时，判定为严重异常，并输出包含异常类别、异常等级、异常位置、采集时间和对应第二图像的报警信息。

40、由上，针对检测到的异常区域，通过将异常尺寸与预设的多级阈值进行比对，实现了轻微异常、中度异常和严重异常的三级划分。该多维度分级机制能够有效避免单一尺寸阈值在多个小尺寸缺陷累积导致严重安全风险时被低估的问题，使报警策略更加全面和严谨；不同等级对应不同的维护响应策略，轻微异常可纳入计划检修，严重异常触发即时报警，既保障了设备安全又避免了过度维修，有利于优化备件更换计划和降低维护成本。

41、作为第一方面的一种可能的实现方式，所述篦条行车上的边缘特征标志物为行车边缘、固定挡边或安装支架中具有稳定位置识别特征的刚性结构部件。

42、由上，将篦条行车上的边缘特征标志物限定为行车边缘、固定挡边或安装支架等具有稳定位置识别特征的刚性结构部件，该类部件在行车运行过程中与篦条保持固定的相对位置关系，且在图像中形状规则、边缘清晰、易于被目标检测算法稳定识别和定位。

43、作为第一方面的一种可能的实现方式，还包括：

44、当任一帧第一数据图像不同时满足所述第一条件和第二条件时，舍弃当前帧图像，并控制所述相机继续采集下一帧图像，直至获取满足第一条件和第二条件的第二图像。

45、由上，在判定当前帧图像不满足双重空间约束条件时，自动舍弃该帧并控制相机继续采集下一帧图像进行判定，直至成功获取满足条件的第二图像。该帧筛选机制确保了缺陷检测算法仅对处于最佳观测姿态的图像执行推理运算，避免了无效帧对计算资源的浪费。

46、本技术第二方面提供了一种基于视觉的烧结篦条端面质量检测装置，用于实现上述的一种基于视觉的烧结篦条端面质量检测方法，包括：

47、图像采集模块，用于通过设置在篦条行车上方且镜头正对篦条端面的相机，获取篦条行车运输过程中的端面图像，作为第一数据图像；

48、预处理模块，用于对所述第一数据图像进行图像预处理，所述图像预处理至少包括颜色空间转换与均衡处理、以及噪声抑制处理；

49、边缘特征提取模块，用于对预处理后的图像进行边缘检测，提取篦条端面下边缘在横向方向上的边缘点信息，并根据所述边缘点信息拟合出篦条端面下边缘线；

50、行车特征定位模块，用于通过目标检测算法检测并定位篦条行车上的边缘特征标志物，获取所述边缘特征标志物的外接矩形位置信息；

51、最大端面帧筛选模块，用于在图像坐标系中预设基准锚点，计算所述边缘特征标志物与基准锚点之间的第一距离，将第一距离不大于第一阈值作为第一判定条件；计算基准锚点到所述篦条端面下边缘线的第二距离，将第二距离不大于第二阈值作为第二判定条件；当第一判定条件与第二判定条件同时满足时，判定当前第一数据图像为篦条端面处于最大面积的有效图像，记为第二图像；

52、端面缺陷检测模块，用于对所述第二图像采用目标检测算法进行识别，检测篦条端面上的质量异常区域，输出各异常区域的类别、位置及尺寸信息；

53、异常分级模块，用于预设异常尺寸分级阈值，并将各异常区域的尺寸信息与分级阈值进行比对，对篦条端面的质量异常进行等级划分，并根据异常等级输出对应的报警信息。