李建軍，史志暉，崔桂梅，張 帥，王 磊

(1. 內(nèi)蒙古科技大學(xué)信息工程學(xué)院，內(nèi)蒙古 包頭 014010; 2. 包頭鋼鐵（集團(tuán)）有限責(zé)任公司熱軋部，內(nèi)蒙古 包頭 014010)

0 引 言

鐮刀彎是指帶鋼的側(cè)邊與連接測量部分兩端點(diǎn)的直線之間的最大距離，即帶鋼一側(cè)的邊緣與直線的偏離。鐮刀彎的大小對整個(gè)產(chǎn)品的生產(chǎn)過程有著重要的影響。因?yàn)橹虚g坯出現(xiàn)瑕疵，可能會導(dǎo)致返工或者浪費(fèi)，這增加了生產(chǎn)的成本和損耗，同樣也會影響生產(chǎn)效率。同時(shí)，嚴(yán)重的鐮刀彎瑕疵可能在快速傳送的過程中對生產(chǎn)設(shè)備造成一定程度的損傷，增加設(shè)備維護(hù)的成本。而且，粗軋鐮刀彎如果不及時(shí)發(fā)現(xiàn)和處理，會遺傳到精軋機(jī)組甚至是成品，嚴(yán)重影響產(chǎn)品質(zhì)量和成材率。因此，非常有必要進(jìn)行鐮刀彎的檢測，提高熱軋綜合成材率，保證冷軋廠生產(chǎn)穩(wěn)定順利進(jìn)行。帶鋼熱連軋現(xiàn)場局部畫面如圖1所示。

在目前的生產(chǎn)過程中，現(xiàn)場鐮刀彎檢測基本依賴于操作工的經(jīng)驗(yàn)進(jìn)行人工觀察，然后對機(jī)器進(jìn)行調(diào)節(jié)，且中間坯鐮刀彎缺乏準(zhǔn)確的檢測手段，操作難度大，由于主觀因素的參與，鐮刀彎檢測準(zhǔn)確率低，檢測效果差。

隨著生產(chǎn)力的不斷發(fā)展，人們逐漸意識到人工檢測的不足，于是開始有人利用自動檢測技術(shù)進(jìn)行鐮刀彎檢測。20世紀(jì)80年代，蘇聯(lián)學(xué)者[1]使用距離傳感器和位移傳感器進(jìn)行鐮刀彎自動檢測，自此，鐮刀彎自動檢測技術(shù)便出現(xiàn)在國內(nèi)熱連軋生產(chǎn)線上。2011年，廣州鋼鐵企業(yè)集團(tuán)公司鄺家濤等[2]通過使用激光測距儀在加熱爐出口測量固定位置到帶鋼邊緣的距離變化來判斷是否有鐮刀彎存在。這種檢測方法的局限性在于只檢測帶鋼邊緣到固定位置的距離變化來判斷鐮刀彎是否存在，若發(fā)生漂移，就有可能發(fā)生誤檢[3-4]。隨著機(jī)器視覺技術(shù)的迅速發(fā)展，2019年，北京科技大學(xué)的劉洋、徐東等人[5]在鐮刀彎檢測中使用了視覺技術(shù)，其使用的運(yùn)行非對稱檢測方法在很大程度上彌補(bǔ)了鐮刀彎檢測的不足，滿足了實(shí)時(shí)檢測與控制的要求，減少了軋制過程甩尾事故的發(fā)生，提高了規(guī)格帶鋼軋制穩(wěn)定性和成材率。但由于其中心對稱軸固定，帶鋼鐮刀彎與帶鋼跑偏兩者皆屬于非對稱運(yùn)行，極易在檢測過程中產(chǎn)生混淆。因此，使用非對稱方法[6]檢測鐮刀彎問題還存在不足之處。

針對帶鋼中間坯的鐮刀彎檢測成功率不高且容易誤檢的問題，本文提出了一種基于邊緣向量的檢測算法——邊緣矢量法，即通過對單位絕對值化的邊緣矢量進(jìn)行比較來判斷鐮刀彎是否存在。該算法解決了因帶鋼漂移而引起的誤檢問題。

1 邊緣矢量算法

在已建立坐標(biāo)系的圖像中分別提取目標(biāo)兩側(cè)邊緣的坐標(biāo)，通過判斷坐標(biāo)之間向量的方向進(jìn)行邊緣彎曲度的度量，這種方法稱為邊緣矢量法。

邊緣矢量的比較運(yùn)算在理想狀態(tài)下，即不存在鐮刀彎的情況下應(yīng)當(dāng)滿足以下兩個(gè)條件：

其中，el、er分別是中心軸左右邊的邊緣單位向量，i表示邊緣點(diǎn)按照正方向排序時(shí)的點(diǎn)的順序，本文算法在帶鋼每個(gè)邊緣取六個(gè)邊緣點(diǎn)，因此i=0,1,2,3,4,5。

若邊緣矢量不滿足式（1）～（2），則說明帶鋼存在鐮刀彎，本文通過計(jì)算相鄰向量之間的夾角來判斷鐮刀彎是否存在。

1.1 邊緣點(diǎn)坐標(biāo)的提取

如圖2所示，將數(shù)據(jù)采集設(shè)備安裝在帶鋼上方正中間的位置，拍攝范圍為5 m。本文使用工業(yè)CCD相機(jī)（面陣，900萬像素）和鏡頭（16 mm定焦）作為檢測裝置對目標(biāo)進(jìn)行視頻圖像采集，傳輸?shù)胶笈_進(jìn)行檢測處理。

圖2 攝像機(jī)安裝位置示意圖

首先，使用圖像處理算法在灰度圖上進(jìn)行邊緣提取、最大矩形連通區(qū)域提取、二值形態(tài)學(xué)處理，得到目標(biāo)鋼板的二值圖。然后以圖像中心為原點(diǎn)建立坐標(biāo)系，將目標(biāo)分成4個(gè)區(qū)間。再分別在y軸左右兩半平面進(jìn)行坐標(biāo)間距離運(yùn)算。以左半平面為例，找出特定y值對應(yīng)的點(diǎn)，以這些點(diǎn)的x值減去y軸對應(yīng)的橫坐標(biāo)，取絕對值之后進(jìn)行比較，最大絕對值對應(yīng)的點(diǎn)的坐標(biāo)即為邊緣點(diǎn)坐標(biāo)。

搜尋邊緣點(diǎn)坐標(biāo)的原理為：對于任意正整數(shù)j，若yi對應(yīng)的xj滿足：

1.2 鐮刀彎判決

取相鄰兩邊緣坐標(biāo)之間的向量，單位化之后取絕對值，如下所示，利用式（1）和（2）進(jìn)行單位向量之間的比較。

考慮到現(xiàn)場環(huán)境的復(fù)雜性，需要在這里設(shè)置一定的裕度，只要 |θ |≤ 0.45?，就認(rèn)為中間坯合格，沒有鐮刀彎；而當(dāng) |θ |>0.45?時(shí)，則認(rèn)為帶鋼有鐮刀彎存在。

2 算法實(shí)現(xiàn)

2.1 算法描述

圖3給出了本文算法框架。給定一幀圖像，首先進(jìn)行圖像預(yù)處理，然后利用圖像二值化將目標(biāo)從圖像中提取出來。接著以圖像中心點(diǎn)為坐標(biāo)原點(diǎn)建立坐標(biāo)系進(jìn)行邊緣點(diǎn)提取。根據(jù)所得帶鋼兩側(cè)邊緣點(diǎn)的坐標(biāo)分別計(jì)算兩側(cè)相鄰點(diǎn)之間的向量，單位絕對值化之后，比較同側(cè)相鄰單位向量，并計(jì)算相鄰向量間夾角，根據(jù)所設(shè)閾值進(jìn)行鐮刀彎判決。同時(shí)還設(shè)有寬度閾值，帶鋼中間坯寬度如果不在閾值范圍內(nèi)，同樣視其為不合格中間坯。

2.2 目標(biāo)提取

1）圖像預(yù)處理。本文的邊緣檢測是基于圖像灰度梯度進(jìn)行處理的，由于現(xiàn)場環(huán)境比較復(fù)雜，直接對目標(biāo)進(jìn)行提取可能會影響目標(biāo)的完整性，因此針對這個(gè)問題，在提取目標(biāo)前使用高斯平滑濾波處理。

圖3 檢測算法流程圖

2）提取目標(biāo)。圖像中目標(biāo)與背景區(qū)分比較明顯，所以選擇圖像二值化提取目標(biāo)[7]：在灰度直方圖中，目標(biāo)與背景呈現(xiàn)兩個(gè)不同的波峰，而波谷位置的點(diǎn)相對較少，對應(yīng)的是目標(biāo)鋼板的邊緣部分，根據(jù)波谷的位置設(shè)置閾值，對目標(biāo)鋼板進(jìn)行二值化處理。

3）形態(tài)學(xué)去噪。在中間坯軋制過程中，氧化鐵皮和除磷水的殘留等一些因素的影響，使得提取出來的二值圖出現(xiàn)孔洞或者不連通現(xiàn)象，因此本文使用形態(tài)學(xué)處理方法消除二值圖上的孔洞以及不連通的地方[8]，最終提取的二值圖如圖4所示。

圖4 中間坯目標(biāo)提取

4）目標(biāo)邊緣檢測。本文使用基于Canny算子的邊緣提取方法，對中間坯進(jìn)行輪廓提取[9]。首先對圖像進(jìn)行求導(dǎo)，根據(jù)邊緣附近梯度值變化較大的特征，使用非極大值抑制確定邊緣位置。然后使用輪廓標(biāo)注算法對輪廓邊界進(jìn)行標(biāo)注，如圖5所示，較好地保留了邊緣[10]的完整性。

圖5 中間坯邊緣標(biāo)注

2.3 鐮刀彎判定

在上節(jié)工作的基礎(chǔ)上，以圖像的中心點(diǎn)為坐標(biāo)原點(diǎn)建立坐標(biāo)系。邊緣點(diǎn)檢測分為兩個(gè)部分：

1）角點(diǎn)檢測。根據(jù)攝像機(jī)安裝的位置已知，目標(biāo)帶鋼處于視野的正中心位置，建立坐標(biāo)系后，將目標(biāo)分成4個(gè)區(qū)域，這樣就等同于默認(rèn)目標(biāo)的4個(gè)角分布在圖像四等分的區(qū)間上。以左上角區(qū)間為例，要在此區(qū)間目標(biāo)上的所有點(diǎn)中找到角點(diǎn)[11]的位置，就需要對這些點(diǎn)進(jìn)行坐標(biāo)間距離運(yùn)算。即把此區(qū)間目標(biāo)上所有點(diǎn)的坐標(biāo)與中心點(diǎn)（原點(diǎn)）的坐標(biāo)進(jìn)行距離運(yùn)算，最終確定距離中心點(diǎn)最遠(yuǎn)的點(diǎn)為目標(biāo)在這個(gè)區(qū)間的角點(diǎn)。角點(diǎn)位置檢測的結(jié)果如圖6所示。

圖6 角點(diǎn)檢測與標(biāo)注

角點(diǎn)檢測提取帶鋼矩形區(qū)域的4個(gè)角點(diǎn)，以視野中左下角的角點(diǎn)坐標(biāo)為第一個(gè)坐標(biāo)，按順時(shí)針方向進(jìn)行排序，帶鋼的寬度[12]由第一個(gè)點(diǎn)與第4個(gè)點(diǎn)之間的距離來判定。但由于軋制過程中存在帶鋼整體發(fā)生側(cè)彎而寬度沒有發(fā)生變化的情況，所以此處所測量的帶鋼寬度不能作為鐮刀彎的判定依據(jù)。

2）邊緣點(diǎn)檢測。根據(jù)建立好的坐標(biāo)系，默認(rèn)y軸將圖像二等分成左右兩個(gè)區(qū)間，以左半?yún)^(qū)間為例：列出特定y值對應(yīng)的在目標(biāo)中的所有的點(diǎn)，此處y值是算法在目標(biāo)區(qū)域內(nèi)默認(rèn)提取的，取其橫坐標(biāo)與y軸對應(yīng)的橫坐標(biāo)分別進(jìn)行差運(yùn)算，取絕對值，其絕對值最大的點(diǎn)為該y值對應(yīng)的目標(biāo)邊緣點(diǎn)[13]，原理如公式（3）～（4）所示。

利用上述方法，算法在進(jìn)行邊緣點(diǎn)提取[14]的過程中，帶鋼的每一側(cè)邊緣都默認(rèn)提取了24個(gè)點(diǎn)，在進(jìn)行邊緣向量運(yùn)算時(shí)，為了提高運(yùn)算速度，同時(shí)也為達(dá)到邊緣彎曲度檢測的最佳效果，本文先對這24個(gè)點(diǎn)進(jìn)行排序，然后從第4個(gè)點(diǎn)開始，每隔5個(gè)點(diǎn)取一個(gè)點(diǎn)，再加上邊緣兩端的角點(diǎn)，總共是6個(gè)點(diǎn)。邊緣點(diǎn)及角點(diǎn)分布如圖7所示。

圖7 邊緣點(diǎn)坐標(biāo)檢測與標(biāo)注

3）邊緣向量運(yùn)算。同樣以左半?yún)^(qū)間為例，將所檢測得到的點(diǎn)的坐標(biāo)連同同一側(cè)的兩個(gè)角點(diǎn)一起，存儲在一個(gè)列表當(dāng)中，并對這些點(diǎn)按照位置順序重新進(jìn)行排序。接著對列表中的相鄰點(diǎn)進(jìn)行坐標(biāo)運(yùn)算，得出它們之間的向量。

由于邊緣點(diǎn)并不是等距提取的，直接對邊緣點(diǎn)之間的向量進(jìn)行比較會導(dǎo)致鐮刀彎誤檢問題，因此須對邊緣點(diǎn)之間的向量做單位邊緣化處理。邊緣點(diǎn)及邊緣向量分布示意圖如圖8所示，以“L”形彎為例。

圖8 帶鋼邊緣點(diǎn)及邊緣向量分布示意圖

4）彎曲度提取。對3）中所述的向量進(jìn)行分類，將位于同一側(cè)的向量存儲在同一個(gè)列表當(dāng)中, 將列表中的相鄰兩向量取出來進(jìn)行比較，如式（1）～（2）所示。

圖9為邊緣矢量算法運(yùn)算具體流程，Li為左側(cè)邊緣點(diǎn)，li為左側(cè)相鄰兩邊緣點(diǎn)間向量。若等式不成立，則求其兩者之間的夾角，以此判斷邊緣是否有彎度，而向量之間的夾角就是衡量帶鋼邊緣彎曲度的參數(shù)依據(jù)。圖9以視野中帶鋼左側(cè)邊緣為例，右側(cè)邊緣的運(yùn)算也同樣如此。而左右兩側(cè)邊緣是否彎曲對于帶鋼是否存在鐮刀彎[15]呈“或”邏輯運(yùn)算關(guān)系，即只要其中一側(cè)邊緣彎曲，那么帶鋼就存在鐮刀彎。

圖9 邊緣矢量法判定鐮刀彎的運(yùn)算過程

5）閾值設(shè)定。由于現(xiàn)場環(huán)境比較復(fù)雜，各種因素的影響可能會導(dǎo)致檢測結(jié)果不穩(wěn)定，嚴(yán)格按照上述方式來檢測鐮刀彎可能會出現(xiàn)誤檢的問題，因此，需要在輸出后邊添加結(jié)果評價(jià)機(jī)制來增加檢測精度。本文以向量之間的夾角作為鐮刀彎的分級參考標(biāo)準(zhǔn)，因此以角度作為閾值，閾值的范圍最終設(shè)定為±0.45°，同時(shí)以寬度作為輔助參數(shù)，閾值設(shè)為 ± 5 mm。即邊緣向量之間的夾角處于±0.45°、寬度變化處于±5 mm的范圍內(nèi)，則視為中間坯無鐮刀彎；而如果邊緣向量之間的夾角或?qū)挾茸兓龈髯远x的范圍，則判定有鐮刀彎存在。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

粗軋鐮刀彎檢測算法是應(yīng)用于某廠 2 250 mm熱軋車間的熱軋過程控制優(yōu)化系統(tǒng)中。其中，鐮刀彎檢測設(shè)備安裝在出口的觀察天橋上，算法運(yùn)行設(shè)備放置在監(jiān)控機(jī)房。

本實(shí)驗(yàn)軟件平臺為 PyCharm 2020.2×64，硬件運(yùn)行環(huán)境配置為 Intel(R) Core(TM) i5-8500 CPU@3.00 GHz。本文選取5000張含有鐮刀彎的帶鋼圖像作為實(shí)驗(yàn)樣本，檢測范圍為5 m的帶鋼區(qū)域，圖像設(shè)置大小為 51 2×512。

3.2 鐮刀彎評價(jià)指標(biāo)

鐮刀彎的量是由連接測量部分兩端點(diǎn)的直線與帶鋼側(cè)邊的最大距離決定的，需要根據(jù)這個(gè)量來進(jìn)行閾值劃分。本文使用邊緣矢量法檢測鐮刀彎，所以將鐮刀彎的量轉(zhuǎn)換成邊緣矢量間夾角來評估帶鋼中間坯是否合格。

本文設(shè)定：若鐮刀彎的量小于或等于鋼板被測部分實(shí)際長度的 0 .2%，視中間坯合格。那么5 m的實(shí)際測量長度，合格中間坯鐮刀彎的量應(yīng)小于或等于1 0 mm，假設(shè)邊緣曲線為一元二次函數(shù)曲線，轉(zhuǎn)換成最大的相鄰向量間夾角則為0.45°，即本文設(shè)定的角度 θ閾值。同時(shí)，考慮到現(xiàn)場環(huán)境的復(fù)雜性可能會導(dǎo)致邊緣提取結(jié)果不穩(wěn)定，于是在寬度檢測上保留了一定的裕度。

本文在寬度絕對值區(qū)間（ 1 mm,10 mm）內(nèi)選取寬度閾值進(jìn)行實(shí)驗(yàn)探索，當(dāng)寬度閾值 |d|≥5 mm之后，檢測成功率基本不再發(fā)生變化，因此，將最終的寬度閾值定為 5 mm 。當(dāng) |d|=3 mm時(shí)，算法從樣本中檢測出4672張存在鐮刀彎的圖像；當(dāng) |d|=5 mm時(shí)，算法檢測出4816張存在鐮刀彎的圖像。經(jīng)計(jì)算，在表1中列出在角度θ閾值已定的情況下，通過改變寬度閾值得出的檢測成功率。

表1 不同組閾值d 、θ對應(yīng)的檢測成功率

在d=±5 mm,θ=±0.45°的閾值設(shè)定下，實(shí)驗(yàn)效果較好，既保證了鐮刀彎的檢測成功率，也盡量避免了漏檢的情況。同時(shí)，算法運(yùn)算速度達(dá)到毫秒級，可及時(shí)對優(yōu)化系統(tǒng)進(jìn)行反饋，以修正中間坯側(cè)彎現(xiàn)象。

3.3 對比試驗(yàn)分析

本文在檢測成功率方面與運(yùn)行非對稱鐮刀彎檢測算法進(jìn)行比較，結(jié)果如表2所示。運(yùn)行非對稱鐮刀彎檢測算法在提取邊緣像素坐標(biāo)方面與本文算法類似，其通過邊緣像素坐標(biāo)計(jì)算帶鋼中心線，從而利用中心線的偏移量來判斷中間坯是否有鐮刀彎存在。

表2 鐮刀彎成功率對比

與運(yùn)行非對稱算法相比，本文算法能夠很直觀地體現(xiàn)邊緣特征，無需考慮因帶鋼跑偏而引起的鐮刀彎誤檢問題，比較精準(zhǔn)地實(shí)現(xiàn)了對中間坯鐮刀彎的檢測。

4 結(jié)束語

為了克服傳統(tǒng)鐮刀彎檢測方法以及以往非接觸在線鐮刀彎檢測方法的不足，本文提出了一種基于邊緣矢量的鐮刀彎在線檢測方法，其中加入了角點(diǎn)檢測測量寬度作為輔助參數(shù)，同時(shí)角點(diǎn)檢測還可以輔助完成相機(jī)標(biāo)定和邊緣向量運(yùn)算。使用彎曲度度量帶鋼邊緣的曲直程度，可以達(dá)到直觀體現(xiàn)的目的。檢測算法能夠高效地捕獲帶鋼邊緣的特征，從而很好地實(shí)現(xiàn)鐮刀彎的非接觸檢測，滿足工程的實(shí)時(shí)性需求。算法運(yùn)算穩(wěn)定、計(jì)算效率高，可以對車間中的中間坯進(jìn)行在線實(shí)時(shí)檢測，有效抑制粗軋中間坯缺陷的產(chǎn)生，提高軋制的穩(wěn)定性和成材率。