[发明专利]基于人工智能的钢卷松卷自动检测方法和装置

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的钢卷松卷自动检测方法和装置，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。本发明能够对钢卷松卷度的自动判断，解决了人为判断钢卷松卷度带来的人为误差，提高了钢卷松卷的检测准确度。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的钢卷松卷自动检测方法和装置。

背景技术

在冶金工业中，热轧带钢经过一系列处理后，成为满足需要的成品后，需要对其进行成卷操作。钢卷扎捆不当、卷取张力小或卷取温度低时钢卷会发生松卷缺陷，圈与圈之间有较大间隙，严重时该钢卷会直接判废，为企业带来较大的经济损失。目前针对热轧带钢松卷缺陷的检测主要通过人工目视检测，人为主观判断可能会出现错判漏判等情况，导致检测结果并不精确。同时，人工检测完全依赖人工经验将缺陷严重程度分等级，这进一步降低了检测的准确性。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的钢卷松卷自动检测方法和装置，所采用的技术方案具体如下：

一种基于人工智能的钢卷松卷自动检测方法，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。

在一个具体实施方式中，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。

在一个具体实施方式中，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。

在一个具体实施方式中，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，

在一个具体实施方式中，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；