[发明专利]一种热轧带钢镰刀弯实时检测方法及系统

权利要求书

1.一种热轧带钢镰刀弯实时检测方法，其特征在于：包括，

智能摄像头实时采集热轧带钢的图像数据，并传到中央处理器；

对采集到的图像数据进行筛选、过滤噪声等处理；

输出实时镰刀弯曲线图，根据图像处理后的图像和数据进行检测判决，智能测量镰刀弯的弯曲程度。

2.如权利要求1所述的热轧带钢镰刀弯实时检测方法，其特征在于：所述对采集到的图像数据进行筛选、过滤噪声等处理包括透视转换、图像灰度化、图像二值化、边缘亮点检测、卡尔曼滤波以及最小二乘曲线拟合。

3.如权利要求2所述的热轧带钢镰刀弯实时检测方法，其特征在于：所述透视转换是将图片投影到一个新的视平面便于后续图像处理，也称作投影映射。

4.如权利要求3所述的热轧带钢镰刀弯实时检测方法，其特征在于：所述透视转换的公式为：

其中[u v w]为原始图像像素坐标，[x' y' w']为变换之后的图像像素坐标。

5.如权利要求2所述的热轧带钢镰刀弯实时检测方法，其特征在于：通过所述透视转换、图像灰度化以及图像二值化图像处理之后得到的图像，再进行卡尔曼滤波处理。所述卡尔曼滤波的过程是根据动态噪声和测量噪声的大小，实时调整滤波器增益，增益阵的选取是使估计的均方误差阵最小。

6.如权利要求5所述的热轧带钢镰刀弯实时检测方法，其特征在于：所述卡尔曼滤波的具体步骤为：

状态方程：X_k＝Φ_k/k-1X_k-1+Γ_k-1W_k-1；

量测方程：Z_k＝H_kX_k+V_k；

式中，X_k为k时刻的n维状态矢量，即被估计矢量；Φ_k/k-1为(n×n)维状态转移矩阵；Γ_k为动态噪声矩阵(n×r)；W_k为r维动态噪声；H_k为k时刻量测矩阵(m×n)；V_k为k时刻的m维观测噪声；

其中，动态噪声(W_k)与观测噪声(V_k)是互不相关的零均值白噪声序列。

7.如权利要求6所述的热轧带钢镰刀弯实时检测方法，其特征在于：所述X_k的估计按下述方程求解，可得到如下一组递推方程：

状态一步预测：

一步预测均方误差：

滤波增益：

状态估计：

估计均方误差：P_k＝(I-K_kH_k)P_k/k-1；

即已知k-1时刻的状态估计及估计误差的协方差阵P_k-1，就可以根据k时刻的量测值Z_k得到k时刻的估计和相应的误差协方差矩阵P_k。

8.如权利要求2所述的热轧带钢镰刀弯实时检测方法，其特征在于：所述最小二乘曲线拟合基于最小二乘法，通过最小化误差的平方和寻找数据的最佳函数匹配；

基本方法为：令

其中是事先选定的一组线性无关的函数，a_k是待定系数(k＝1,2,…,m,mn)，拟合准则是使y_i(i＝1,2,…,n)与f(x_i)的距离δ_i的平方和最小。