[发明专利]基于人工智能的钢卷松卷自动检测方法和装置

权利要求书

1.一种基于人工智能的钢卷松卷自动检测方法，其特征在于，所述方法包括：

获取所述钢卷的端部图像；

对所述端部图像进行处理，获取只包含钢卷的图像；

对只包含钢卷的图像进行分析，得到表示钢卷最大松卷度的主方向和所述主方向上的区间最小差值序列；

根据所述主方向上的区间最小差值序列，获取所述钢卷的松卷度。

2.根据权利要求1所述的一种基于人工智能的钢卷松卷自动检测方法，其特征在于，所述对所述端部图像进行处理，获取只包含钢卷的图像，包括：

将所述端部图像进行灰度转换，得到灰度图像；

将所述灰度图像进行处理，得到只包含钢卷的图像。

3.根据权利要求1所述的一种基于人工智能的钢卷松卷自动检测方法，其特征在于，所述对只包含钢卷的图像进行分析，得到表示钢卷最大松卷度的主方向，包括：

对只包含钢卷的图像进行分析，获取所述钢卷的基准中心点；

采用多条过基准中心点的方向线将所述钢卷划分为多个不同区域；

获取所述钢卷在各方向线上的灰度周期波动性，将灰度周期波动性最大的方向线的指向作为所述主方向。

4.根据权利要求3所述的一种基于人工智能的钢卷松卷自动检测方法，其特征在于，所述对只包含钢卷的图像进行分析，获取所述钢卷的基准中心点，包括：

分别获取所述钢卷中各个卷层的一条边缘，作为基准边缘；

对各所述基准边缘分别进行最小外接矩形分析，获取所有最小外接矩形的中心点坐标；

分别计算任一中心点坐标与其他各中心点坐标之间的距离，若所述距离小于设定值m1，则将对应的两个中心点坐标放入集合U1；

利用公式Pi=ni/（n-1）计算集合U1中的各中心点坐标在集合U1中出现的概率，其中ni为第i个中心点坐标在集合U1中出现的次数，n为基准边缘数量；

若Pi大于设定值m2，则将对应的中心点坐标放入集合U2中；

对集合U2中的各中心点的纵坐标y和横坐标x分别求平均值，得到的坐标即为所述钢卷的基准中心点。

5.根据权利要求3所述的一种基于人工智能的钢卷松卷自动检测方法，其特征在于，所述获取所述钢卷在各方向线上的灰度周期波动性，将灰度周期波动性最大的方向线的指向作为所述主方向，包括：

获取任一所述方向线上的各像素的灰度值，按照顺序组合为灰度值序列Qh，h为第h条方向线；

对所述灰度值序列Qh进行最小二乘法曲线拟合，得到拟合曲线；

根据所述拟合曲线进行理想曲线逼近，得到理想曲线；

根据任一所述理想曲线，计算该理想曲线上的任一相邻两个卷层对应的区间之间的最小差值，从而获得该理想曲线对应的方向线上的区间最小差值序列；

利用任一理想曲线对应的区间最小差值序列，计算该理想曲线的灰度周期波动性，并将灰度周期波动最大的理想曲线对应的方向线的指向作为所述主方向。

6.根据权利要求5所述的一种基于人工智能的钢卷松卷自动检测方法，其特征在于，所述根据所述拟合曲线进行理想曲线逼近，得到理想曲线，包括：

根据所述拟合曲线，得出该拟合曲线上的最大灰度值；

当曲线上的灰度值与最大灰度值之间的差值小于设定值m3，将该灰度值设定为最大灰度值；

根据所述拟合曲线，得出该拟合曲线上的最小灰度值；

当曲线上的灰度值与最小灰度值之间的差值小于设定值m4，将该灰度值设定为最小灰度值。

7.根据权利要求5所述的一种基于人工智能的钢卷松卷自动检测方法，其特征在于，所述根据任一所述理想曲线，计算该理想曲线上的任一相邻两个区间的最小差值，从而获得该理想曲线对应的方向线上的区间最小差值序列，包括：

以理想曲线的高度方向为纵坐标，以理想曲线的长度方向为横坐标建立直角坐标系；

理想曲线上的第j个卷层对应的区间上的上限值和下限值标记为（aj，bj）；

利用公式获取所述区间最小差值，从而形成所述区间最小差值序列，式中，为第个区间最小差值，为第个区间左边界，为第个区间的右边界。