[发明专利]一种基于人工智能的热轧钢卷卷曲评估方法

说明书

本发明涉及一种基于人工智能的热轧钢卷卷曲评估方法，其对初始钢卷图像进行灰度化处理得到灰度图像；对灰度图像分别进行处理，得到对应的摩尔纹识别特征一和摩尔纹识别特征二，并获得初始摩尔纹识别指标，当初始摩尔纹识别指标大于设定阈值，则初始摩尔纹识别指标对应的像素点组成的区域为初始摩尔纹区域；获取不同相机位置下的钢卷图像，根据初始摩尔纹区域对钢卷图像进行分割删除，得到特征图像，并提取摩尔纹区域，根据摩尔纹区域，计算对应相机位置的钢卷卷曲评估值；根据初始钢卷图像的总面积和获取的各相机位置的钢卷卷曲评估值，计算当前钢卷的松卷程度。即本发明通过进行摩尔纹的检测，实现了钢卷卷曲的评估，提高了检测效率。

技术领域

本发明涉及钢卷缺陷检测领域，具体涉及一种基于人工智能的热轧钢卷卷曲评估方法。

背景技术

目前，针对钢卷卷曲图像的评估主要通过人工打分完成，通过肉眼对卷曲的钢卷图像实现缺陷检测，找到卷曲出的钢卷中存在缺陷的钢卷，并对缺陷钢卷进行打分评估。但是基于人工完成的检测是存在部分主观因素，且容易造成错误评估的可能性较大，对人力资源需要一定的消耗。

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热轧钢卷卷曲评估方法，所采用的技术方案具体如下：

本发明的一种基于人工智能的热轧钢卷卷曲评估方法，包括以下步骤：

获取相机初始位置的初始钢卷图像，对所述初始钢卷图像进行灰度化处理，得到灰度图像；

对所述灰度图像分别进行处理，得到对应的摩尔纹识别特征一和摩尔纹识别特征二；根据所述摩尔纹识别特征一和摩尔纹识别特征二，获得初始摩尔纹识别指标，当所述初始摩尔纹识别指标大于设定阈值，则初始摩尔纹识别指标对应的像素点组成的区域为初始摩尔纹区域；反之，对应的像素点组成的区域为初始非摩尔纹区域；

获取不同相机位置下对应的钢卷图像，根据所述初始摩尔纹区域对所述钢卷图像进行分割删除，得到特征图像，提取所述特征图像的摩尔纹区域，根据各相机位置下的摩尔纹区域，得到对应的摩尔纹区域面积，并计算对应相机位置下的钢卷卷曲评估值；

根据初始钢卷图像的总面积和获取的各相机位置的钢卷卷曲评估值，计算当前钢卷的松卷程度，对钢卷进行评估。

进一步地，在对所述灰度图像进行分别处理之前，还包括对所述灰度图像进行区域分割，得到初始钢卷图像中的高频图像区域的步骤。

进一步地，所述摩尔纹识别特征一的获取方法为：

1）对所述高频图像区域进行边缘检测，获取边缘像素点；以最外侧边缘像素点中任意一点为初始起始点，沿着该初始起始点的灰度梯度方向对方向上的所有像素点进行灰度梯度方向计算；

2）当灰度梯度方向上所有的边缘像素点的灰度梯度方向一致，且指向钢卷区域中心点，则灰度梯度方向上不存在初始摩尔纹区域的像素点；当灰度梯度方向上所有的边缘像素点的梯度方向存在差异，则灰度梯度方向上存在初始摩尔纹区域的像素点，计算该像素点与初始起始点的差异度，所述差异度为两像素点的灰度梯度方向向量的余弦距离度量；

3）以初始起始点开始，向左右两边的最外侧边缘像素点方向进行逐点灰度梯度方向的判断，并计算对应的差异度，直到循环一周的边缘像素点为止，初始钢卷图像的初始摩尔纹区域的像素点获取完毕，得到高频图像区域中所有像素点的差异度，将该差异度作为摩尔纹识别特征一。

进一步地，所述摩尔纹识别特征二的获取方法为：

选取半径r的圆作为图像窗口，沿所述高频图像区域的最外侧的边缘为初始图像窗口位置，最外侧边缘的位置坐标方向进行滑动，每次窗口滑动步长为r，通过窗口内像素点的像素值与标准像素均值进行对比，得到窗口区域像素点的对比度；