一种基于机器视觉的粗轧入口卡钢检测与预警方法与流程

本发明属于工业检测，特别是涉及一种基于机器视觉的粗轧入口卡钢检测与预警方法。

背景技术：

1、在热连轧生产线的粗轧工序中，钢坯经加热炉出钢后需通过高压水除磷箱体去除表面氧化铁皮，随后沿机前辊道输送至粗轧机进行轧制。除磷箱体出口至粗轧机入口之间的辊道区段是卡钢事故的多发区域，若钢坯在此段运行受阻或停滞，后续钢坯继续前进便会造成叠钢，导致辊道损坏和生产中断。因此，对该区段钢坯运行状态的实时监测是保障粗轧工序连续运行的关键环节。

2、目前，业内针对该区段常用的钢坯位置感知手段包括除磷出口高温计和前辊道热金属检测器。除磷出口高温计利用钢坯热辐射引起的光电转换判断钢坯是否到达箱体出口特定位置，热金属检测器则通过检测高温物体发出的红外辐射来输出开关量信号。这两类仪表均属于点位检测装置，只能反映钢坯头部或尾部通过固定检测点的时刻，无法持续提供钢坯在辊道上的具体位置与移动状态。为间接判断卡钢，现场往往基于相邻两个检测点之间的通过时长设定时间窗，当时间窗超时触发报警，但这种方式依赖于辊道速度恒定，而实际生产中钢坯打滑、变速等情况时常发生，导致计时逻辑的判断准确性不足。

3、随着机器视觉技术在工业检测中的推广，有方案尝试在粗轧入口辊道上方安装工业相机，通过图像识别热态钢坯的位置。常见做法是利用钢坯热辐射在可见光图像中呈现高亮红色的特点，设定红色通道阈值对图像进行二值分割，进而提取钢坯轮廓或头部边缘。然而，粗轧除磷箱出口处残余的高压水与高温钢坯接触后持续产生大量水雾和蒸汽，水雾对红色光波的散射与吸收使得热态钢坯在图像中的红色分量发生非均匀衰减，部分区域红通道数值甚至低于常温辊道因环境光反射产生的数值，固定阈值分割极易将钢坯区域误判为背景或造成头部定位的严重抖动，难以实时、稳定地输出钢坯头部的准确位置。这种因除磷水雾导致的视觉检测稳定性不足，已成为将机器视觉可靠应用于粗轧入口卡钢检测的主要障碍。故针对以上问题，提出下列方案。

技术实现思路

1、本发明的目的在于提供一种基于机器视觉的粗轧入口卡钢检测与预警方法，通过构建对水雾不敏感的红绿通道比值特征，并结合沿检测线的一维梯度分析与局部背景自适应阈值，能够在除磷水雾环境下稳定提取钢坯头部位置并联合高温计信号分级判断卡钢，解决了现有固定阈值视觉检测因水雾散射导致红色分量非均匀衰减而产生的头部定位误判与抖动的问题。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：

3、本发明为一种基于机器视觉的粗轧入口卡钢检测与预警方法，包括以下步骤：

4、获取除磷出口高温计信号，检测所述高温计信号的有效上升沿并记录触发时刻；

5、获取粗轧机入口辊道上方的视频图像，对所述视频图像进行透视校正，得到校正图像；

6、在校正图像中预设的检测线上，计算各像素基于红色通道与绿色通道的比值特征，形成一维比值序列；

7、对所述比值序列进行平滑处理，根据平滑后序列的梯度变化和基于局部背景统计的自适应阈值，确定钢坯头部位置；

8、当检测到钢坯头部位置且存在有效触发时刻时，计算头部检测时刻与所述触发时刻的延迟时间，若所述延迟时间超过预设延迟阈值，则判定为除磷箱体卡钢并触发报警；

9、在检测到钢坯头部后，启动导尺行走时间跟踪，根据所述检测线端点的比值特征变化判断导尺行走完成，计算导尺行走时间，若所述行走时间超过预设行走时间阈值，则判定为粗轧入口卡钢并触发报警。

10、进一步地，所述各像素基于红色通道与绿色通道的比值特征，按下式计算：将像素的红色通道值除以绿色通道值与预设常数之和，该预设常数为非零正值。

11、进一步地，对所述视频图像进行透视校正，具体包括：预先获取辊道平面上呈矩形分布的四个角点在原始图像中的坐标和对应的目标矩形坐标，计算透视变换矩阵；对每一帧视频图像利用所述透视变换矩阵进行透视变换，得到辊道区域的正视校正图像。

12、进一步地，检测所述有效上升沿，包括：连续多次采样高温计信号，当各次采样值均指示高温状态时确认上升沿有效，并在确认后设置一段冷却封锁期，在该冷却封锁期内屏蔽新的上升沿事件。

13、进一步地，所述根据平滑后序列的梯度变化和基于局部背景统计的自适应阈值，确定钢坯头部位置，具体包括：

14、对一维比值序列进行一维高斯平滑，得到平滑序列；

15、计算所述平滑序列的一阶前向差分；

16、寻找差分最大值所在位置作为候选边缘位置，并判断该差分最大值是否大于预设梯度下限；

17、以候选边缘位置为基准，向检测线起始方向偏移预设距离，划定背景参考窗口；

18、计算所述背景参考窗口内平滑序列的均值与标准差，将均值加上预设倍数的标准差作为自适应阈值；

19、从检测线起始端向末端扫描，将首个同时满足差分大于所述梯度下限且平滑值大于所述自适应阈值的像素位置，确定为钢坯头部位置。

20、进一步地，所述自适应阈值由背景参考窗口内的平滑序列均值加上阈值系数倍的标准差得到，所述阈值系数为预设值。

21、进一步地，所述延迟时间的计算与除磷箱体卡钢报警，进一步包括：

22、当视觉检测到钢坯头部位置且当前存在未处理的上升沿触发标志时，将当前时刻记录为头部检测时刻；

23、将所述头部检测时刻与所述触发时刻的差值作为延迟时间；

24、当所述延迟时间大于所述预设延迟阈值，且除磷箱体报警标志未置位时，则触发除磷箱体卡钢语音报警，并将该报警标志置位。

25、进一步地，所述导尺行走时间跟踪和粗轧入口卡钢报警，进一步包括：

26、从检测到钢坯头部时刻起，启动计时，持续处理后续视频帧；

27、针对每一帧校正图像，监测所述检测线最左端像素的比值特征；

28、当最左端像素比值特征超过动态自适应阈值，或检测线上所有像素的比值特征均超过对应阈值时，判定导尺行走完成，记录行走结束时刻；

29、计算行走结束时刻与行走开始时刻的差值作为导尺行走时间；

30、若所述导尺行走时间大于所述预设行走时间阈值，且导尺报警标志未置位，则触发粗轧入口卡钢语音报警，并将该报警标志置位。

31、进一步地，所述动态自适应阈值由当前帧检测线最左端局部窗口内的比值特征均值加上预设倍数标准差实时计算得到。

32、进一步地，由工业信号监控线程执行高温计信号的采集与上升沿检测，由视觉处理线程执行视频图像处理、钢坯头部定位和卡钢判断；所述报警的事件连同延迟时间、导尺行走时间及钢坯头部位置信息同步写入日志文件。

33、本发明具有以下有益效果：

34、本发明通过构建红绿通道比值特征替代单一红色阈值，减弱了除磷水雾对钢坯头部判断的干扰，使视觉检测在蒸汽环境下保持稳定。采用沿检测线的一维梯度分析与局部背景自适应阈值相结合的方式，能够根据当前图像场景动态调整判定条件，适应光照和工况变化，避免固定阈值误判或漏检。联合除磷出口高温计信号与视觉检测时刻的时间差，可区分除磷箱体卡钢与粗轧入口卡钢，有助于快速定位异常区段。整个过程以非接触方式自动执行，减少了操作人员在高温高噪环境下的巡视需求，降低了安全风险。参数支持在线调整，方便适应生产节奏变化。报警事件与检测数据同步记录，为故障追溯提供了可查询的依据。

35、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。