[发明专利]一种基于可见光的连铸坯智能切割定尺方法

权利要求书

1.一种基于可见光的连铸坯智能切割定尺方法，其特征在于，包括以下步骤：

S1.使用可见光摄像头拍摄铸坯的端面位置；

S2.使用图片标注训练神经网络确定可见光摄像头拍回图像内铸坯端面的大致位置；

S3.使用增强的彩色边缘检测算法二次确定铸坯端面边缘准确位置；

S4.对检测延时导致的定尺检测值延迟误差进行补偿；

S5.修正铸坯端面边缘位置点；

S6.初始化在图像内定尺检测值与铸坯端面边缘位置点之间的对应关系；

S7.对铸坯切割精度进行优化；

S8.非尾坯生产时使用拉坯机速度积分对在线定尺检测值进行监视及冗余备用。

2.如权利要求1所述的方法，其特征在于，S2的具体过程为：

S21.使用图片标注工具标注可见光摄像头拍回图片内铸坯端面大致位置；S22.使用标注图片训练可识别铸坯端面大致位置的神经网络；

S23.使用训练后的神经网络识别出铸坯端面大致位置。

3.如权利要求2所述的方法，其特征在于，图片标注工具为LabelImg，以及神经网络为yolo。

4.如权利要求1所述的方法，其特征在于，S3的具体过程为：

S31.在可见光摄像机拍摄回的每个彩色RGB图像内，沿着铸坯端面运行的轨迹设置一条直线，直线方向与铸坯运行方向一致；

S32.沿着该直线从直线起点开始设置两个相邻的第一矩形框，使左边第一矩形框的右边线的中点与右边第一矩形框的左边线的中点重合，通过保持重合中点在直线上并从直线起点沿着铸坯运行方向移动重合中点来移动这两个第一矩形框并计算这两个第一矩形框内各自所有像素点的R、G、B平均值；

S33.假设两个第一矩形框内各自所有像素点的R、G、B平均值分别为R11、G11、B11、R12、G12、B12，再通过归一化公式计算这两个相邻矩形框的相似度XSD1=1-(|R11-R12|+|G11-G12|+|B11-B12|)/(255*3)，当相似度XSD1首次低于设置的阀值FZ21时，即认为这两个相邻第一矩形框公共边与直线的交点为检测到的第一铸坯端面边缘位置点；

S34.沿着该直线从直线终点开始设置两个相邻的第二矩形框，使左边第二矩形框的右边线的中点与右边第二矩形框的左边线的中点重合，通过保持重合中点在直线上并从直线终点逆着铸坯运行方向移动重合中点来移动这两个第二矩形框并计算这两个第二矩形框内各自所有像素点的R、G、B平均值；

S35.假设两个第二矩形框内各自所有像素点的R、G、B平均值分别为R21、G21、B21、R322、G22、B22，再通过归一化公式计算这两个第二相邻矩形框的相似度XSD2=1-(|R21-R22|+|G21-G22|+|B21-B22|)/(255*3)，当相似度XSD2首次低于设置的阀值FZ2时，即认为这两个相邻第二矩形框公共边与直线的交点为检测到的第二铸坯端面边缘位置点；

S36.当第一铸坯端面边缘位置点与第二铸坯端面边缘位置点的距离小于阀值FZ时，即认为以第一铸坯端面边缘位置点与第二铸坯端面边缘位置点为两端点构成的直线段的中点为检测到的铸坯端面边缘位置点。

5.如权利要求1所述的方法，其特征在于，S4的具体过程为：在可见光摄像机拍摄回的每个彩色RGB图像内，计算铸坯端面边缘位置点移动速度V，设置定尺检测值检测延迟时间DT1,得到检测延时导致的定尺检测值延迟误差E1=V*DT1。

6.如权利要求1所述的方法，其特征在于，S5的具体过程为：记录末次图像处理完成的时刻TS，记录末次图像处理并对检测延时导致的定尺检测值延迟误差进行补偿后得到的定尺检测值VS,设当前时刻为TA，则当前时刻图像处理修正后的铸坯端面边缘位置点XB =VS+(TA-TS)*V,式中V为铸坯端面边缘位置点移动速度。