[发明专利]基于机器视觉的卷板机故障智能识别方法

权利要求书

1.一种基于机器视觉的卷板机故障智能识别方法，其特征在于，所述方法包括：

获得经过卷板机处理后板材的横截面图像；获得横截面图像的边缘信息，获得边缘图像；所述边缘图像中包括板材的内边缘与外边缘；

根据内边缘和外边缘上边缘点的最大最小横坐标和最大最小纵坐标分别确定内边缘的四个第一代表点和外边缘的四个第二代表点；第一代表点构成第一矩形区域第二代表点构成第二矩形区域；

根据第一矩形区域和第二矩形区域的尺寸确定板材厚度；将第二矩形区域中每个像素点作为初始圆心点，以板材厚度作为半径做圆，获得测试圆；以第二矩形区域中每个像素点作为起点，沿着起点和一个边缘点的方向做射线，若射线上包含两个像素点，则认为该射线为测试射线，分别获得测试射线上起点到两个像素点的第一距离和第二距离；获得第一距离和第二距离的距离差，获得距离差和板材厚度的相似度，根据对应测试射线起点的所有相似度，获得起点对应像素点的位置波动因素；

若测试圆内不存在边缘点，则初始圆心点对应的像素点为第一待选圆心点；根据第一待选圆心点的位置波动因素获得圆心置信度；根据圆心置信度筛选出第二待选圆心点；根据第一代表点和第二代表点确定第二待选圆心点的两条半径，并进行霍夫圆检测，获得参考圆，根据参考圆上边缘点的数量筛选出检测圆，根据检测圆的数量判断卷板机是否出现故障。

2.根据权利要求1所述的一种基于机器视觉的卷板机故障智能识别方法，其特征在于，所述第一代表点构成第一矩形区域包括：

从所有边缘点的坐标中选出横坐标最大最小和纵坐标最大最小的4个像素点，根据这四个像素点的坐标，令横坐标最大和横坐标最小的两个像素点做过两点的水平直线，另纵坐标最大和纵坐标最小的两个像素点做过两点的竖直直线，这四条直线构成第一矩形区域。

3.根据权利要求2所述的一种基于机器视觉的卷板机故障智能识别方法，其特征在于，获得第二代表点的方法包括：

对于横坐标最大和横坐标最小的像素点分别做一条竖直直线，在竖直直线与边缘点相交的点中，将离两点最近的两个像素点提取出来，对纵坐标最大和纵坐标最小的两个像素点做过两点的水平直线，在水平直线中将离这两点最近的两个像素点提取出来，获得第二代表点。

4.根据权利要求1所述的一种基于机器视觉的卷板机故障智能识别方法，其特征在于，所述根据第一矩形区域和第二矩形区域的尺寸确定板材厚度包括：

其中，为板材厚度，为第一矩形区域的长宽，为第二矩形区域的长宽。

5.根据权利要求1所述的一种基于机器视觉的卷板机故障智能识别方法，其特征在于，所述获得第一距离和第二距离的距离差，获得距离差和板材厚度的相似度，根据对应测试射线起点的所有相似度，获得起点对应像素点的位置波动因素包括：

其中，为第个起点的位置波动因素，为第个起点的位置坐标，为第个测试射线上距离起点最近的像素点的坐标， 为第个测试射线上距离起点第二近的像素点的坐标，为第个起点对应的测试射线数量，为板材厚度。

6.根据权利要求1所述的一种基于机器视觉的卷板机故障智能识别方法，其特征在于，所述根据第一待选圆心点的位置波动因素获得圆心置信度包括：

其中，为第个像素点的圆心置信度，为第个像素点的位置波动因素，为自然常数。