本发明公开了一种钢铁板坯及板坯编码的自动检测方法，包括以下步骤：步骤1：在钢铁板坯的传送现场获取多帧原始图像，对所述的原始图像进行预处理，得到预处理图像；步骤2：对于每一帧预处理图像，先进行第一次判断：判断该预处理图像是否为含有板坯的图像；如果该预处理图像是含有板坯的图像，则进行第二次判断：判断该预处理图像中是否含有板坯编码。该钢铁板坯及板坯编码的自动检测方法具有实现简单、检测效率高的特点。
1.一种钢铁板坯及板坯编码的自动检测方法，其特征在于，包括以下步骤：步骤1：在钢铁板坯的传送现场获取多帧原始图像，对所述的原始图像进行预处理，得到预处理图像；
步骤2：对于每一帧预处理图像，先进行第一次判断：判断该预处理图像是否为含有板坯的图像；
如果该预处理图像是含有板坯的图像，则进行第二次判断：判断该预处理图像中是否含有板坯编码；
其中步骤2中所述的第一次判断包括1）判断该预处理图像中是否包含板坯和2）判断该预处理图像是否全为板坯图像：以当前帧的预处理图像为当前图像；
检测当前图像前端X列像素的灰度平均值A和末端Y列像素的灰度平均值C，并分别与第一灰度参考值B和第二灰度参考值D比较；所述的前端是指钢铁板坯进入原始图像对应视野的一端；
a:若A大于C，且B大于D，则表示当前图像中不存在板坯，并将当前预处理图像更新或保存为背景图；
b:若A小于C，且B大于D，表明钢铁板坯正进入视野；若B小于D，且A大于C，表明钢铁板坯正离开视野，这两种情况表示当前图像中存在钢铁板坯，但钢铁板坯未布满图像；
c:若A小于C，且B小于D，则表示当前图像全为板坯图像;
步骤2中所述第二次判断：判断该预处理图像中是否含有板坯编码，包括以下步骤：步骤a：对全为板坯图像的预处理图像进行差分处理，得到灰度差分板坯图像；
步骤b：对所述灰度差分板坯图像进行图像二值化分割处理，获得二值化板坯图像；
将灰度差分板坯图像中像素灰度值高于阈值K的像素灰度值置255，低于阈值K的像素灰度值置0，其中，二值化分割处理的分割阈值K=avg+N，avg为整个灰度差分板坯图像灰度值的平均值，N为设定的固定值；
步骤c：对所述二值化板坯图像进行投影处理，检测图像中是否存在板坯编码，若不存在板坯编码，则返回步骤a）处理下一帧全为板坯图像的预处理图像；若存在板坯编码，则对板坯编码进行区域标记；
垂直投影：计算二值图中每一列的白色像素点的数量作为垂直投影曲线的Y轴坐标值，以二值图中的横向像素点序号作为垂直投影曲线的X轴坐标值，形成垂直投影曲线；
水平投影：计算二值图中每一行的白色像素点的数量作为水平投影曲线的Y轴坐标值，以二值图中的纵向像素点的序号作为水平投影曲线的X轴坐标值，形成水平投影曲线；
在当前坐标轴中，设定预设水平线，若预设水平线与垂直投影曲线无交点，则表示当前图像不存在板坯编码；否则，表明当前图像上存在板坯编码；
所述区域标记，是指利用水平投影曲线与预设水平线的交点确定板坯编码的上下边界，以及利用垂直投影曲线与预设水平线的交点确定整个板坯编码区域的左右边界；两组边界组成一个矩形框（edge1，edge2，edge3，edge4），即可确定板坯编码的位置，完成板坯编码标记，其中edge1，edge2，edge3，edge4分别为板坯编码对应矩形框上、下、左、右边界的坐标值。
2.根据权利要求1所述的钢铁板坯及板坯编码的自动检测方法，其特征在于，步骤1中的预处理包括对所述的原始图像依次进行灰度化处理和滤波处理。
3.根据权利要求2所述的钢铁板坯及板坯编码的自动检测方法，其特征在于，所述的滤波是指采用3×3的窗口进行均值滤波。
4.根据权利要求1所述的钢铁板坯及板坯编码的自动检测方法，其特征在于，B的取值范围为110-140；D的取值范围为110-140，X取值范围为20-70，Y的取值范围为20-70，N的取值范围为20-70，预设水平线在水平投影曲线和垂直投影曲线所在的坐标系的纵坐标的取值范围均为10-40。
5.根据权利要求4所述的钢铁板坯及板坯编码的自动检测方法，其特征在于，B为120，D的取值为120；X为50，Y为50，N取50，预设水平线在水平投影曲线和垂直投影曲线所在的坐标系的纵坐标的取值均为15。
一种钢铁板坯及板坯编码的自动检测方法
技术领域
[0001] 本发明涉及一种钢铁板坯及板坯编码的自动检测方法。
背景技术
[0002] 钢铁板坯是钢铁企业钢铁板材生产过程中的一种重要产品，是企业进行钢铁板材深加工的基础。钢铁企业按照生产要求，根据板坯信息，对板坯采取必要的深加工技术，获得成品钢铁板材。钢铁板坯信息是钢铁板材生产过程中的重要信息，在钢铁企业中，通常用喷涂在钢铁板坯侧面的板坯编码来表示。通过板坯编码可以系统、有效地记录板坯信息，有利于板坯信息的高效管理和传输。目前，钢铁企业通过人工来检测钢铁板坯及板坯编码，从而记录板坯编码，缺乏对钢铁板坯及板坯编码进行自动检测的措施。
[0003] 现有的人工检测方式效率低下，并增加了操作人员的劳动强度，降低了钢铁企业的生产自动化水平【操作人员需要不间断地查看现场视频监控画面，容易造成操作人员的疲劳，而板坯的运动速度较快，板坯编码在视频中驻留的时间较短，致使操作人员有时会漏记某板坯的板坯编码，影响企业的正常生产】。
[0004] 本发明提出一种钢铁板坯及板坯编码的自动检测方法，用于实现对运动钢铁板坯及其侧面板坯编码的检测。
[0005] 图像二值化分割技术中门限化分割法阈值的选取是目标检测方法中的关键技术，现有图像二值化分割技术，其门限化分割法阈值的选取通常采用固定阈值或自适应阈值等方法。固定阈值法具有实现简单，计算速度快等优点，适合简单的场合，但当场景比较复杂时，往往分割效果很差，无法进一步检测目标，适应性不佳。自适应阈值法在阈值的选取上，考虑图像背景和前景的差异，根据灰度统计信息选取某个灰度值作为阈值进行背景和前景目标的分割，该方法对于前景目标和背景存在较大差异的情况下，具有较好的效果，但是当场景比较复杂，并且经常变化时，该方法的效果也很差。
[0006] 由于钢铁板材的板坯生产线存在环境复杂、光照环境变化，板坯侧面的板坯编码成像背景复杂等恶劣因素的影响，采用现有的图像二值化分割技术，无法实现板坯侧面板坯编码的准确检测。
发明内容
[0007] 本发明所要解决的技术问题是提供一种钢铁板坯及板坯编码的自动检测方法，从而在钢铁企业板坯生产线的复杂环境中，有效及时地检测板坯及板坯编码。
[0008] 发明的技术解决方案如下：
[0009] 一种钢铁板坯及板坯编码的自动检测方法，包括以下步骤：
[0010] 步骤1：在钢铁板坯的传送现场获取多帧原始图像，对所述的原始图像进行预处理，得到预处理图像；
[0011] 步骤2：对于每一帧预处理图像，先进行第一次判断：判断该预处理图像是否为含有板坯的图像；
[0012] 如果该预处理图像是含有板坯的图像，则进行第二次判断：判断该预处理图像中是否含有板坯编码。
[0013] 步骤1中的预处理包括对所述的原始图像依次进行灰度化处理和滤波处理。
[0014] 步骤2中所述的第一次判断包括1)判断该预处理图像中是否包含板坯和2)判断该预处理图像是否全为板坯图像：
[0015] 以当前帧的预处理图像为当前图像；
[0016] 检测当前图像前端X列像素的灰度平均值A和末端Y列像素的灰度平均值C，并分别与第一灰度参考值B和第二灰度参考值D比较；所述的前端是指钢铁板坯进入原始图像对应视野的一端；
[0017] a：若A大于C，且B大于D，则表示当前图像中不存在板坯，并将当前预处理图像更新或保存为背景图；
[0018] b：若A小于C，且B大于D，表明钢铁板坯正进入视野；若B小于D，且A大于C，表明钢铁板坯正离开视野，这两种情况表示当前图像中存在钢铁板坯，但钢铁板坯未布满图像；
[0019] c：若A小于C，且B小于D，则表示当前图像全为板坯图像。
[0020] 步骤2中所述的第二次判断：判断该预处理图像中是否含有板坯编码，包括以下步骤：
[0021] 步骤a：对全为板坯图像的预处理图像进行差分处理，得到灰度差分板坯图像；所述的差分处理指将预处理后的图像与背景图作差分处理，获得差分灰度图；所述背景图是指当系统判断预处理图像中不存在板坯时，将预处理图像保存或更新为背景图；
[0022] 步骤b：对所述灰度差分板坯图像进行图像二值化分割处理，获得二值化板坯图像；
[0023] 将灰度差分板坯图像中像素灰度值高于阈值K的像素灰度值置255，低于阈值K的像素灰度值置0，其中，二值化分割处理的分割阈值K＝avg+N，avg为整个灰度差分板坯图像灰度值的平均值，N为设定的固定值；
[0024] 步骤c：对所述二值化板坯图像进行投影处理，检测图像中是否存在板坯编码，若不存在板坯编码，则返回步骤a)处理下一帧全为板坯图像的预处理图像；若存在板坯编码，则对板坯编码进行区域标记；
[0025] 所述投影处理，包括垂直投影和水平投影两部分：
[0026] 垂直投影：计算二值图中每一列的白色(灰度值为255)像素点的数量作为垂直投影曲线的Y轴坐标值，以二值图中的横向像素点序号作为垂直投影曲线的X轴坐标值，形成垂直投影曲线。
[0027] 水平投影：计算二值图中每一行的白色(灰度值为255)像素点的数量作为水平投影曲线的Y轴坐标值，以二值图中的纵向像素点的序号作为水平投影曲线的X轴坐标值，形成水平投影曲线。
[0028] 在当前坐标轴中，设定预设水平线，若预设水平线与垂直投影曲线无交点，则表示当前图像不存在板坯编码；否则，表明当前图像上存在板坯编码；
[0029] 所述区域标记，是指利用水平投影曲线与预设水平线的交点确定板坯编码的上下边界，以及利用垂直投影曲线与预设水平线的交点确定整个板坯编码区域的左右边界；两组边界组成一个矩形框(edge1，edge2，edge3，edge4)，即可确定板坯编码的位置，完成板坯编码标记，其中edge1，edge2，edge3，edge4分别为板坯编码对应矩形框上、下、左、右边界的坐标值。
[0030] 所述的滤波是指采用3×3的窗口进行均值滤波。
[0031] B的取值范围为110-140；D的取值范围为110-140，X取值范围为20-70，Y的取值范围为20-70，N的取值范围为20-70，预设水平线在水平投影曲线和垂直投影曲线所在的坐标系的纵坐标的取值范围均为10-40。
[0032] B为120，D的取值为120；X为50，Y为50，N取50，预设水平线在水平投影曲线和垂直投影曲线所在的坐标系的纵坐标的取值均为15。
[0033] 有益效果：
[0034] 本发明提出了一种钢铁板坯及板坯编码的自动检测方法，替代人工进行钢铁板坯及板坯编码检测，实现了对运动钢铁板坯及其侧面板坯编码的自动检测。通过自动检测现场视频监控画面中的钢铁板坯及板坯编码，并及时提醒操作人员，便于操作人员记录板坯编码，有效地提高了检测效率，降低了操作人员的劳动强度，提高了钢铁企业的生产自动化水平。
[0035] 本发明提出的一种钢铁板坯及板坯编码的自动检测方法，针对钢铁板坯生产的复杂环境及光照条件等，在对钢铁板坯的图像进行检测的过程中，采用一种新的门限化分割法阈值的选取方法，提高了板坯及其板坯编码检测的有效性。
[0036] 由于常用的门限化分割法的阈值选取方法不能解决现场光照条件的变化和图像中存在的氧化斑这一现象带来的干扰问题，而且目标字符在板坯编码图像中占据的比例较少，致使灰度均值低，不能有效地分割图像。而本方法提出了新的阈值选取方法，将均值与设定的固定值之和作为阈值，固定值的设置依据现场光照条件的变化和目标字符灰度值与板坯灰度值之间的差异来确定，该方法简单易实现。整个检测分两步进行，包括板坯检测和板坯编码检测，优化了程序结构，降低了算法的复杂性，提高了检测效率。
[0037] 本发明提出的钢铁板坯及其编码的自动检测方法，能在钢铁工业生产现场实现对板坯编码可靠、准确地检测。
附图说明
[0038] 图1未包含板坯的图像；
[0039] 图2板坯前端70个像素长部分进入视窗的图像；
[0040] 图3板坯布满视窗但不含有板坯编码的图像；
[0041] 图4板坯布满视窗且含有板坯编码的图像；
[0042] 图5板坯末端60个像素长部分进入视窗的图像；
[0043] 图6图1经灰度化处理后的示意图；
[0044] 图7图6经滤波处理后的示意图；
[0045] 图8图4经灰度化处理后的示意图；
[0046] 图9图8经滤波处理后的示意图；
[0047] 图10图9经差值处理后的示意图；
[0048] 图11图10经二值化处理后的示意图；
[0049] 图12图11经本发明垂直投影处理的示意图；
[0050] 图13图11经本发明水平投影处理示意图；
[0051] 图14图11经区域标记获得编码区域的坐标；
[0052] 图15本发明检测方法流程图。
具体实施方式
[0053] 以下将结合附图和具体实施例对本发明做进一步详细说明：
[0054] 现有一段记录一块板坯传送过程的视频(也可以是用相机连续拍摄的多帧图像)，通过采集卡采集到多帧原始图像，此处仅选取其中几帧(附图1、附图2、附图3、附图4、附图5)含有关键检测信息的原始图像，其具体操作描述如下：
[0055] 以附图1和附图4的板坯检测过程为例，其具体检测步骤：
[0056] 步骤1：对附图1这帧图像进行灰度化处理，获得灰度图如附图6所示；
[0057] 步骤2：对附图6采用3×3窗口进行均值滤波处理，获得滤波后的灰度图如附图7所示；
[0058] 步骤3：获取图像前X列像素灰度值的均值和末端Y列像素灰度值的均值，考虑板坯的运动速度和现场光照条件的变化，X、Y的取值范围均为20-70【图像像素尺寸为：900×75像素】，若取值过小，随着光线的变化，灰度均值会变化比较频繁，容易产生误检测；
取值过大，灰度均值变化迟缓，会降低检测的灵敏性，无法及时检测板坯，综合考虑，设定X、Y均为50，分别得到图像前端和末端50列像素的灰度值均值：A为170，C为165，，并分别与各自的灰度参考值B和D作比较，其中B、D的选取考虑现场光照条件的变化，取值范围均为
110-140，取值过小，由于光照的变化，会引起误判；取值过大，会降低检测的灵敏性，无法及时检测板坯，综合考虑，选取B、D均为120，得到A大于B，且C大于D，则判定当前图像不含有板坯，并将该灰度图更新为背景图片，该帧图像处理结束，处理下一帧图像。
[0059] 对附图4进行板坯检测，其检测步骤为：
[0060] 步骤1：统计滤波后灰度图前50列像素的灰度平均值A为94，小于B，判定当前图像含有板坯；
[0061] 步骤2：统计滤波后灰度图后50列像素的灰度平均值A为88，小于B，判定当前图像内容全为板坯，则对该帧图像进行板坯编码检测。
[0062] 按照上述板坯检测步骤1至步骤3分别完成附图2、附图3以及附图5的板坯检测，结果如下：
[0063] 附图1中不含有板坯，并将对应的预处理图像更新或保存为背景图；
[0064] 附图2中含有板坯，当前图像内容不全为板坯；
[0065] 附图3中含有板坯，且当前图像内容全为板坯；
[0066] 附图4中含有板坯，且当前图像内容全为板坯；
[0067] 附图5中含有板坯，当前图像内容不全为板坯；
[0068] 检测图像中是否包含板坯，和是否全为板坯图像，均需检测图像前端X列像素的灰度平均值A和末端Y列像素的灰度平均值C，并分别与各自的灰度参考值B、D比较。若A大于C，且B大于D，则表示图像中不存在板坯；若A小于C，且B大于D(此时，表明板坯正进入视窗；)，或B小于D，且A大于C(此时，表明板坯正离开视窗)则表示图像中存在板坯，但未布满图像；若A小于C，且B小于D，则表示当前图像内容全为板坯。
[0069] 对当前图像内容全为板坯的图像，进行板坯编码检测，以附图3和附图4为例，其中对附图3的检测如下：
[0070] 步骤1：将滤波后灰度图与现场背景图作差分处理，获得差分灰度图；
[0071] 步骤2：统计差分后灰度图整幅图像像素灰度值的平均值，其均值为90，将该值与固定值N求得和值为140，其中N的选取考虑现场光照条件的变化和图像中存在的氧化斑干扰，且目标字符在板坯编码图像中占据的比例较少，致使灰度均值低，不能有效地分割图像，而现场光照条件的变化，使目标字符灰度值和板坯灰度值之间的差异范围为20-70，取值过小，由于光照的变化，会引起误判；取值过大，会降低检测的灵敏性，无法及时检测字符，综合考虑，选取该值N为50；将和值140作为阈值，对灰度图进行二值化处理，获得二值图；
[0072] 步骤3：对二值图进行投影处理，并判断垂直投影曲线与预设水平线是否存在交点。考虑图像中存在大小不一的氧化斑，氧化斑是铁皮氧化形成的，在二值图中以白斑呈现，以及由于光照反射形成的反光亮斑干扰，预设水平线在水平投影曲线和垂直投影曲线所在的坐标系的纵坐标取值范围为10-40，选取纵坐标为15，则此时垂直投影曲线与预设水平线无交点，判定当前图像中不含有板坯编码。
[0073] 该帧图像处理结束，处理下一帧图像。
[0074] 按照上述板坯编码检测的步骤1至步骤3，对附图4进行板坯编码检测，经步骤1得到差分灰度图，如附图10所示；经步骤2处理得到二值图，如附图11所示；对二值图进行投影处理，垂直投影曲线与预设水平线(纵坐标为15)存在交点，判定当前图像中含有板坯编码；根据水平投影曲线和垂直投影曲线与预设水平线(纵坐标为15)的交点，对板坯编码区域进行标记。
[0075] 对附图11进行区域标记，以图像左上角为原点，计算附图11中包含板坯编码的矩形区域左上角、左下角、右上角及右下角的坐标值，并将该坐标值作为对应板坯编码的坐标，得到坐标值，左上(215，19)，左下(215，73)，右上(678，19)右下(678，73)，如附图14所示。具体计算为：通过垂直投影曲线确定板坯编码的矩形区域左右边界，如附图12所示；通过水平投影曲线确定板坯编码的矩形区域上下边界，如附图13所示；通过提示信息及区域标记，方便操作人员及时记录板坯编码。至此，完成钢铁板坯及其编码的检测过程。
