[go: up one dir, main page]

CN111091537B - 一种全轧程仿真孔型充满度的评价方法 - Google Patents

一种全轧程仿真孔型充满度的评价方法 Download PDF

Info

Publication number
CN111091537B
CN111091537B CN201911190496.2A CN201911190496A CN111091537B CN 111091537 B CN111091537 B CN 111091537B CN 201911190496 A CN201911190496 A CN 201911190496A CN 111091537 B CN111091537 B CN 111091537B
Authority
CN
China
Prior art keywords
section
fullness
pass
pixel
rolled piece
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911190496.2A
Other languages
English (en)
Other versions
CN111091537A (zh
Inventor
陶功明
吴郭贤
陈定龙
刘自彩
贺新伟
贾济海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pangang Group Panzhihua Steel and Vanadium Co Ltd
Original Assignee
Pangang Group Panzhihua Steel and Vanadium Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pangang Group Panzhihua Steel and Vanadium Co Ltd filed Critical Pangang Group Panzhihua Steel and Vanadium Co Ltd
Priority to CN201911190496.2A priority Critical patent/CN111091537B/zh
Publication of CN111091537A publication Critical patent/CN111091537A/zh
Application granted granted Critical
Publication of CN111091537B publication Critical patent/CN111091537B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30116—Casting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及轧钢生产领域，公开了一种全轧程仿真孔型充满度的评价方法，用以自动给出全轧程仿真报告中孔型充满度的量化指标，从而降低工作量。本发明先从全轧程仿真图中提取轧制线处的孔型断面图片和轧件断面图片，然后将提取的图片转换为灰度图像，再用像素阈值判断法，将图像二值化为黑白图像；然后分别提取孔型断面的轮廓线与轧件断面的轮廓线，并基于轧件断面的轮廓线得到轧件断面图；之后提取孔型轮廓图中各轧辊断面；再基于各轧辊断面拟合孔型闭合图；然后分别计算孔型闭合图的面积S1与轧件断面图的面积S2；最后计算面积S2与面积S1的比值，该比值即为全轧程仿真孔型充满度。本发明适用于全轧程仿真孔型充满度的评价。

Description

一种全轧程仿真孔型充满度的评价方法
技术领域
本发明涉及轧钢生产领域，特别涉及一种全轧程仿真孔型充满度的评价方法。
背景技术
孔型设计是整个型材轧制的关键环节，孔型内部金属充满程度的大小决定了是否能轧出符合规格产品的一项关键指标，目前一般采用仿真技术来试轧设计孔型，从仿真结果中观察孔型设计是否合理，在仿真结果出来后，对充满度指标是通过手动提取轧件断面，然后与孔型填充区域面积进行比较得到，工序复杂，劳动强度大，不利于全轧程仿真数据集成。
发明内容
本发明要解决的技术问题是：提供一种全轧程仿真孔型充满度的评价方法，用以自动给出全轧程仿真报告中孔型充满度的量化指标，从而降低工作量。
为解决上述问题，本发明采用的技术方案是：一种全轧程仿真孔型充满度的评价方法，包括以下步骤：
步骤1：从全轧程仿真图中提取轧制线处的孔型断面图片和轧件断面图片，然后将提取的图片转换为灰度图像，再用像素阈值判断法，将图像二值化为黑白图像；
步骤2：从二值化后的孔型断面图片和轧件断面图片中分别提取孔型断面的轮廓线与轧件断面的轮廓线，并基于轧件断面的轮廓线得到轧件断面图；
步骤3：提取孔型轮廓图中各轧辊断面；
步骤4：基于各轧辊断面拟合孔型闭合图；
步骤5：分别计算孔型闭合图的面积S1与轧件断面图的面积S2；
步骤6：计算面积S2与面积S1的比值，该比值即为全轧程仿真孔型充满度。
进一步的，步骤2可采用sobel算法提取轮廓线。Sobel算子的优点是方法简单、处理速度快,并且所得的边缘光滑、连续。
进一步的，步骤3提取每个轧辊断面的方法可如下：
从图像的边角(例如左上角)开始，采用8邻域方式,寻找边缘轮廓，即当前像素点与周围的8个邻近像素点构成一个9乘9的方阵，当前像素点为矩阵中心，自上而下，自左至右，遍历相邻点是否像素为1，若为1，则矩阵变为以该点为中心的新矩阵，如此往复，当矩阵中心像素周围像素全为0时，便找到了一个封闭体实体，一个封闭体实体即一个轧辊断面。
进一步的，步骤4首先针对相邻的两个轧辊断面，分别找出一对闭合标记点Pij和Pji，其中Pij表示第i个轧辊断面上距离第j个轧辊断面最近的像素点，Pji表示第j个轧辊断面上距离第i个轧辊断面最近的像素点；然后将每对闭合标记点之间的像素值更改为1；最后针对每个轧辊断面，只保留其上的标记点之间的像素点值，其余均变为0值，至此得到孔型闭合图。
本发明的有益效果是：本发明可自动从全轧程仿真图中提取轧件断面图和孔型闭合图，并对轧件断面图与孔型填充区域面积进行比较得到孔型充满度，整个工序通过程序自动完成，减少了工人的工作量，提高了系统工作效率。
附图说明
图1为8邻域判别原理图。
图2为实施例中轧辊断面的示意图。
图3为实施例中轧辊断面上的标记点示意图
图4为实施例拟合孔型闭合图的流程示意图。
图5为实施例的原理流程图。
图中编号：1为左轧辊编号，2为上轧辊编号，3为下轧辊编号。
具体实施方式
为了让系统自动给出全轧程仿真报告中孔型充满度的量化指标，从而降低工作量，本发明提供了一种全轧程仿真孔型充满度的评价方法，包括以下步骤：
步骤1：从全轧程仿真图中提取轧制线处的孔型断面图片和轧件断面图片，然后将提取的图片转换为灰度图像，再用像素阈值判断法，将图像二值化为黑白图像。
步骤2：从二值化后的孔型断面图片和轧件断面图片中分别提取孔型断面的轮廓线与轧件断面的轮廓线，并基于轧件断面的轮廓线得到轧件断面图这里可采用sobel算法提取轮廓线。Sobel算子的优点是方法简单、处理速度快,并且所得的边缘光滑、连续。
步骤3：提取孔型轮廓图中各轧辊断面。这里提取每个轧辊断面的方法可如下：
从图像的边角(例如左上角)开始，采用8邻域方式,寻找边缘轮廓，即当前像素点与周围的8个邻近像素点构成一个9乘9的方阵，当前像素点为矩阵中心，自上而下，自左至右，遍历相邻点是否像素为1，若为1，则矩阵变为以该点为中心的新矩阵，如此往复，当矩阵中心像素周围像素全为0时，便找到了一个封闭体实体，一个封闭体实体即一个轧辊断面。
步骤4：基于各轧辊断面拟合孔型闭合图。拟合时，可首先针对相邻的两个轧辊断面，分别找出一对闭合标记点Pij和Pji，其中Pij表示第i轧辊断面上距离第j个轧辊断面最近的像素点，Pji表示第j轧辊断面上距离第i个轧辊断面最近的像素点；然后将每对闭合标记点之间的像素值更改为1；最后针对每个轧辊断面，只保留其上的标记点之间的像素点值，其余均变为0值，至此得到孔型闭合图。
具体实施例时，若有四个轧辊实体断面，则可先按行自左至右找出左辊与上下辊的像素最小距离，若找到，则继续寻找下一行，若该行找得最小距离小于或等于上一行的，则继续遍历下一行，直至该行的下一行最小像素距离增大时，便认为是左辊、上辊与轧件的有效接触孔型区域，记录该距离对应的两像素位置点，然后继续换行查找左辊与下辊像素最小间距，若该行的下一行最小像素间距变小或者不变时，便认为该位置即为左辊、下辊与轧件的有效接触孔型区域，记录该距离对应的两像素位置点，同理，再自右而左，寻找右辊、上下辊与轧件的有效接触孔型区域；若是三个轧辊实体断面，则同上述过程，只寻左辊或右辊；若只有上下两辊断面，则进行自上而下寻找上辊、水下辊与轧件的有效接触区域，先按列自上至下找出水平上下辊的像素最小距离，若找到，则继续寻找下一列，若该列找得最小距离小于或等于前一列的，则继续遍历下一列，直至该行的下一列最小像素距离增大时，便认为是上下辊与轧件的有效接触孔型区域，记录该距离对应的两像素位置点；最后，将所有记录的最小距离位置间的像素值更改为1，只保留由轧辊实体断面上最小距离位置所确定区域类的像素点值，其余均变为0值，至此完成了有效接触区域孔型闭合图。
步骤5：分别计算孔型闭合图的面积S1与轧件断面图的面积S2；
步骤6：计算面积S2与面积S1的比值，该比值即为全轧程仿真孔型充满度。
实施例
下面通过实施例和附图对本发明做进一步说明。
实施例提供了一种全轧程仿真孔型充满度的评价方法，结合图5所示，实施例包括以下步骤：
1、孔型及轧件断面图片二值化：
从全轧程仿真图中提取轧制线处的孔型断面图片和轧件断面图片，然后将提取的图片转换为灰度图像，再用像素阈值判断法，将图像二值化为黑白图像，存档。
2、提取轮廓线：
采用sobel算法从二值化后孔型断面图片和轧件断面图片中分别提取孔型断面的轮廓线与轧件断面的轮廓线，并基于轧件断面的轮廓线得到轧件断面图，并存档。
3、提取孔型轮廓图中各轧辊断面：
1)搜索所有闭合面，定义为实体。从图像左上角开始，采用8邻域方式,寻找边缘轮廓，即当前像素点与周围的8个邻近像素点构成一个9乘9的方阵，如图1所示，当前像素点为矩阵中心，自上而下，自左至右，遍历相邻点是否像素为1，若为1，则矩阵变为以该点为中心的新矩阵，如此往复，当矩阵中心像素周围像素全为0时，便找到了一个封闭体实体，一个封闭体实体即一个轧辊断面，将此实体的像素信息是存储，继续从当前位置查找下一实体，直至遍历完整个图像为止。
2)按轧辊布置方位划分实体。提取图像水平与竖直中心线，用于实体方位参考，同时定义一浮动深度(一般取10个像素大小)，算出两条横、纵向中心线搜索浮动次数(中心线像素数除以浮动深度)，然后先自上而下浮动水平中心线，判断是否有实体，若只有一个实体则定义为下辊，若有两个实体则先遍历到的定义为上辊，后遍历到的定义为下辊，若无，则水平中心线回到初始位置，按自下而上进行遍历，先遍历到的为下辊，后遍历到的为上辊，若没有，则无上下辊，上下方向遍历完成后，开始浮动竖直中心线，同理，然后先自左而右浮动中心线，判断是否有实体，若只有一个实体则定义为右辊，若有两个实体则先遍历到的定义为左辊，后遍历到的定义为右辊，若无，则竖直中心线回到初始位置，按自右而左进行遍历，先遍历到的为右辊，后遍历到的为左辊，若没有，则无左右辊，至此遍历结束，实施例最终可得到如图2所示的轧辊断面的示意图，图中包括左轧辊1、上轧辊2以及下轧辊3。
4、拟合孔型闭合图：
图2中的孔型图由不同轧辊组成，不是封闭图形，所以需将图中已区分的轧辊实体与轧件可能接触的各接触面进行闭合操作，用以计算封闭区域面积。拟合时，可如图3所示，首先针对相邻的两个轧辊断面，分别找出左轧辊1与上轧辊2上的一对闭合标记点P12和P21，左轧辊1与下轧辊3上的一对闭合标记点P13和P31，上轧辊2与下轧辊3上一对闭合标记点P23和P32，其中，P12表示左轧辊1断面上距离上轧辊2断面最近的像素点，P21表示上轧辊2断面上距离左轧辊1断面最近的像素点，P13、P31、P23和P32的含义依此类推；然后将P12和P21之间、P12和P21之间以及P23和P32之间的像素值更改为1；最后左轧辊1上只保留P12和P13之间的像素点值，上轧辊2上只保留P21和P23之间的像素点值，下轧辊3上只保留P31和P32之间的像素点值，其余均变为0值，至此得到孔型闭合图，拟合结果如图4所示。
5、分别计算孔型闭合图的面积S1与轧件断面图的面积S2。
6、计算面积S2与面积S1的比值，该比值即为全轧程仿真孔型充满度。

Claims (4)

1.一种全轧程仿真孔型充满度的评价方法，其特征在于，包括以下步骤：
步骤1：从全轧程仿真图中提取轧制线处的孔型断面图片和轧件断面图片，然后将提取的图片转换为灰度图像，再用像素阈值判断法，将图像二值化为黑白图像；
步骤2：从二值化后的孔型断面图片和轧件断面图片中分别提取孔型断面的轮廓线与轧件断面的轮廓线，并基于轧件断面的轮廓线得到轧件断面图；
步骤3：提取孔型轮廓图中各轧辊断面；
步骤4：基于各轧辊断面拟合孔型闭合图；
步骤5：分别计算孔型闭合图的面积S1与轧件断面图的面积S2；
步骤6：计算面积S2与面积S1的比值，该比值即为全轧程仿真孔型充满度。
2.如权利要求1所述的一种全轧程仿真孔型充满度的评价方法，其特征在于，步骤2采用sobel算法提取轮廓线。
3.如权利要求1所述的一种全轧程仿真孔型充满度的评价方法，其特征在于，步骤3提取每个轧辊断面的方法如下：
从图像的边角开始，采用8邻域方式,寻找边缘轮廓，即当前像素点与周围的8个邻近像素点构成一个9乘9的方阵，当前像素点为矩阵中心，遍历相邻点是否像素为1，若为1，则矩阵变为以该点为中心的新矩阵，如此往复，当矩阵中心像素周围像素全为0时，便找到了一个封闭体实体，一个封闭体实体即一个轧辊断面。
4.如权利要求1所述的一种全轧程仿真孔型充满度的评价方法，其特征在于，步骤4首先针对相邻的两个轧辊断面，分别找出一对闭合标记点Pij和Pji，其中Pij表示第i个轧辊断面上距离第j个轧辊断面最近的像素点，Pji表示第j个轧辊断面上距离第i个轧辊断面最近的像素点；然后将每对闭合标记点之间的像素值更改为1；最后针对每个轧辊断面，只保留其上的标记点之间的像素点值，其余均变为0值，至此得到孔型闭合图。
CN201911190496.2A 2019-11-28 2019-11-28 一种全轧程仿真孔型充满度的评价方法 Active CN111091537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911190496.2A CN111091537B (zh) 2019-11-28 2019-11-28 一种全轧程仿真孔型充满度的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911190496.2A CN111091537B (zh) 2019-11-28 2019-11-28 一种全轧程仿真孔型充满度的评价方法

Publications (2)

Publication Number Publication Date
CN111091537A CN111091537A (zh) 2020-05-01
CN111091537B true CN111091537B (zh) 2022-06-10

Family

ID=70393857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911190496.2A Active CN111091537B (zh) 2019-11-28 2019-11-28 一种全轧程仿真孔型充满度的评价方法

Country Status (1)

Country Link
CN (1) CN111091537B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103230940A (zh) * 2013-04-11 2013-08-07 首钢总公司 减小四线切分线差与组织性能差的控制方法
CN104077461A (zh) * 2014-07-22 2014-10-01 攀钢集团攀枝花钢钒有限公司 用于钢轨全轧程的仿真分析方法
CN104117536A (zh) * 2014-06-24 2014-10-29 武钢集团昆明钢铁股份有限公司 一种φ6.5光圆和φ6盘螺热轧钢筋精轧孔型共用生产方法
CN104820729A (zh) * 2015-03-13 2015-08-05 攀钢集团攀枝花钢钒有限公司 钢轨全轧程仿真分析的温度继承方法
WO2017217246A1 (ja) * 2016-06-17 2017-12-21 株式会社サタケ 研削式横型精米機

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060036419A1 (en) * 2004-07-29 2006-02-16 Can Technologies, Inc. System and method for animal production optimization

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103230940A (zh) * 2013-04-11 2013-08-07 首钢总公司 减小四线切分线差与组织性能差的控制方法
CN104117536A (zh) * 2014-06-24 2014-10-29 武钢集团昆明钢铁股份有限公司 一种φ6.5光圆和φ6盘螺热轧钢筋精轧孔型共用生产方法
CN104077461A (zh) * 2014-07-22 2014-10-01 攀钢集团攀枝花钢钒有限公司 用于钢轨全轧程的仿真分析方法
CN104820729A (zh) * 2015-03-13 2015-08-05 攀钢集团攀枝花钢钒有限公司 钢轨全轧程仿真分析的温度继承方法
WO2017217246A1 (ja) * 2016-06-17 2017-12-21 株式会社サタケ 研削式横型精米機

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
钢坯缺陷在钢轨轧制过程中的演变规律分析;陶功明等;《轧钢》;20180815;第35卷(第04期);第50-53页 *
钢轨轧制过程典型导卫系统的有限元模拟;原思宇;《塑性工程学报》;20110428;第18卷(第02期);第52-56页 *

Also Published As

Publication number Publication date
CN111091537A (zh) 2020-05-01

Similar Documents

Publication Publication Date Title
CN106683076B (zh) 基于纹理特征聚类的机车轮对踏面损伤检测的方法
CN115100221B (zh) 一种玻璃缺陷分割方法
CN106251361A (zh) 一种钢轨表面缺陷图像自适应分割方法
CN105205488B (zh) 基于Harris角点和笔画宽度的文字区域检测方法
CN112560895B (zh) 一种基于改进PSPNet网络的桥梁裂缝检测方法
CN115345885A (zh) 一种金属健身器材外观质量检测方法
CN110378950A (zh) 一种基于灰度和梯度融合的隧道结构裂缝识别方法
CN109685788B (zh) 一种基于形态学特征的楼面缺陷图像自动检测方法
CN110659644B (zh) 书法单字的笔画自动提取方法
WO2018107939A1 (zh) 一种基于边缘完备度的图像分割最优识别方法
CN110188778B (zh) 基于影像提取结果的居民区要素轮廓规则化方法
CN101135652B (zh) 基于纹理分割的焊缝识别方法
CN106557764A (zh) 一种基于二进制编码字符水尺和图像处理的水位识别方法
CN107045634A (zh) 一种基于最大稳定极值区域与笔画宽度的文本定位方法
CN103778411B (zh) 一种基于栅格图像划分的圆检测方法及装置
CN105931232A (zh) 结构光光条中心高精度亚像素提取方法
CN120495756A (zh) 一种特种设备缺陷自动识别方法及系统
CN115601379A (zh) 一种基于数字图像处理的表面裂纹精确检测技术
CN101770583A (zh) 一种基于场景全局特征的模板匹配方法
CN115439410A (zh) 一种mlcc的外观缺陷检测方法、装置及存储介质
CN115063817B (zh) 一种基于形态学检测的表格识别方法、系统以及储存介质
CN112508913A (zh) 基于图像检测的电缆截面边沿检测方法
CN110473174B (zh) 一种基于图像计算铅笔精确数目的方法
CN109870458B (zh) 一种基于三维激光传感器及包围盒的路面裂缝检测与分类方法
CN117557572B (zh) 基于计算机视觉的公路施工质量检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant