基于面阵CCD的双边跟随式带钢测宽仪设计

2019-12-11汪鑫耘赵卫东贺海波

安徽工业大学学报（自然科学版） 2019年2期

汪鑫耘，赵卫东，贺海波

(安徽工业大学电气与信息工程学院，安徽马鞍山243032)

目前常用带钢测宽仪实现对带钢宽度的实时检测，测宽仪通过CCD(电荷耦合器件)相机、激光等传感器检测带钢边缘位置来计算带钢宽度。带钢现场温度较高且伴有铁屑铁粉，这对带钢测宽仪的稳定性、精确性等要求极高。采用CCD相机可对带钢进行非接触式的在线测量，稳定性好，能较好地适应带钢现场恶劣的环境[1-2]。刘海艳[3]采用单片机控制单线阵CDD 的方法检测带钢中心位置，该方法使带钢成像到CCD 像敏面[4]，未对测量值进行补偿，测量精度较低。对此，李霞[5]采用双目线阵CCD对带钢宽度进行角度修正补偿，提高了检测精度，但对于宽度较宽的带钢，检测误差较大。何社阳等[6]提出一种简单的CCD成像检测方法，使用反光镜反射激光到带钢上，然后采用线阵CCD采集带钢图像。该方法结构简单，但对于带钢边缘上下抖动剧烈的情况，检测误差很大。

面阵CCD相机是以面为单位进行图像采集的成像工具，可在短时间内曝光、一次性获取完整的目标图像[7]，具有高效快速、测量精度高等优点[8]。由于物距限制致使相机视场范围受限，无法检测完整带钢图像，如果采用广角镜头如鱼眼镜头，会让原本较平整的带钢边缘产生畸变，影响检测效果。若相机跟随带钢边缘，使带钢边缘保持在相机镜头光轴附近，可减小因带钢上下抖动造成的相机视场角[9]误差。鉴于此，针对某钢铁股份有限公司冷轧总厂酸洗线带钢边缘不平整、上下抖动的情况，设计一种基于面阵CCD(电荷耦合器件)的双边跟随式带钢测宽仪，以期减小带钢测宽仪实时检测的误差。

1 边缘检测算法

1.1 边缘检测算法的选取

差分边缘检测算法是一种最简单的边缘检测算法，常用于形状规则、黑白边缘分明的情况，设g(x,y)为图像(x,y)处像素的灰度值，在(x,y)和相邻点处像素灰度值差为Δg(x,y)，设阈值为τ，若|Δg(x,y)|>τ，则(x,y)为边缘点，否则判断(x,y)为非边缘点。Sobel边缘检测算法[10-11]通过结合方向差分运算与局部加权平均来提取边缘，将邻域范围扩充到3×3，提高了抗噪性能，但得到的边缘较粗，不利于检测的准确性。Canny边缘检测算法[12-14]是一个多级边缘检测算法。为了减少二阶差分运算对噪声的放大作用，该方法首先使用高斯滤波器[15]平滑图像，去除图像噪声[16]；再计算图像中每个像素点的梯度强度和方向，使用非极大值抑制消除边缘检测带来的杂散响应，运用双阈值检测确定真实和潜在的边缘，通过抑制孤立的弱边缘最终完成边缘检测。Canny边缘检测算法较为复杂，不利于检测的实时性。

采用面阵CCD相机采集某钢铁股份有限公司冷轧总厂酸洗线的带钢图像，考虑到带钢检测的准确性和实时性问题，采用差分边缘检测算法对带钢左右边缘进行检测，部分典型带钢边缘的检测结果如图1。

图1 带钢左右边缘差分边缘检测结果Fig.1 Detection results of difference edge between left and right edges of strip steel

由图1(a)、(b)可看出，带钢左、右边缘均比较模糊；由图1(c)～(f)可知，选取阈值为20和30时，采用差分边缘检测算法检测带钢边缘可得到较好的结果。故兼顾边缘定位的准确性和实时性，选取差分边缘检测算法检测带钢左右边缘。

1.2 边缘检测算法的改进

1.2.1 ROI差分边缘检测算法

采用差分边缘检测算法检测边缘不平整、上下抖动较大的带钢能取得较好的效果，但带钢现场环境常伴有铁屑掉落，铁屑掉落在光源上会严重影响检测结果。为此设计一种ROI(感兴趣区域)差分边缘检测算法，即选取图像的部分行，使用差分边缘检测算法进行预检测，根据式(1)得到图像边缘横坐标的平均值l,其中n为图像包含边缘点行数，mi为图像第i行所含边缘点个数，xij为图像中边缘点第i行第j列的坐标。

设定ROI阈值为α，滤除不在[l-α,l+α]范围内的噪声边缘点，避免少量铁屑对边缘检测的干扰，再对[l-α,l+α]区域通过式(1)进行差分边缘检测计算图像的平均边缘值。

采集伴有铁屑的带钢图像，分别使用差分边缘检测算法和ROI差分边缘检测算法对其边缘进行测试，并计算图像中每行边缘点横坐标的平均值，以此作为边缘点坐标，结果如图2。由图2(b)可知，差分边缘检测算法可检测到铁屑的边缘。根据式(2)得到图像每行边缘横坐标的平均值l1～ln, 结果见图2(c)。由图2(c)可知，铁屑对图像每行边缘坐标平均值的检测结果影响很大，导致由式(1)得到图像边缘坐标的平均值l有较大误差。由图2(d)可知，采用ROI差分边缘检测算法可有效避免铁屑的干扰。

图2 差分边缘检测和ROI差分边缘检测算法的检测结果Fig.2 Detection results of differential edge detection and ROI differential edge detection algorithms

1.2.2 双视场ROI差分边缘检测算法

现场带钢运行速度快，达10 m/s，为减少带钢高速运行过程中边缘突变而产生的误差，设计一种大小双视场ROI差分边缘检测算法，即检测边缘的同时，控制电机移动速度，提高实时检测的准确性。正常情况下，电机静止不动，带钢边缘处于小视场范围内；当带钢边缘在小视场和大视场范围时，控制电机低、中速移动保证实时精度；当带钢边缘突变到大视场外时，控制电机高速移动保证边缘跟随的实时性。为检测带钢带头的镰刀弯和光源异常的情况，采用双视场ROI 差分边缘检测算法的同时，记录n 行边缘点的横坐标x1～xn，每20行选取一个边缘点(x,y)，即(x1,20),(x2,40),…,(xn,20n)，方差阈值S满足式(3)

根据现场带钢带头镰刀弯大小，设置S 阈值为5 000，镰刀弯出现的时间一般在1 s 以内。当S ＞5 000时，系统识别为疑似镰刀弯，开启5 s定时器，若5 s后S恢复正常范围，则检测到镰刀弯；若光源开始附着较多铁屑，ROI差分边缘检测算法将铁屑检测为边缘，导致无法正常检测边缘，此时S会超过5 000并逐渐增大，触发5 s定时器，5 s后若S依然大于5 000，则检测出现光源异常。

2 带钢测宽仪的设计

2.1 结构

带钢测宽仪主要由服务器、主控制器一体柜及设备主体等部分组成，如图3。服务器、主控制器一体柜是带钢测宽仪的控制中枢，包含伺服控制器、2个伺服电机、服务器和其他电控元件。设备主体结构为龙门架结构，龙门架上部包含左右2个检测箱，每个检测箱内部包含1个伺服滑台，每个滑台上安装1个面阵CCD相机；龙门架下部为2个LED 条形背光源。带钢从光源上方穿过，自动模式下2个伺服滑台分别控制2个相机跟随带钢边缘运动。

2.2 工作原理

如图3所示，2个相机分别安装在2个伺服滑台上，相机实时采集带钢图像，并检测带钢边缘在图像中的位置。预先设定中线范围阈值，若带钢边缘不在图像中线范围，服务器将控制信息通过485 总线下发给主控制器，主控制器解析数据执行相应过程，其中包括伺服控制、位置信号的采集以及相应输入和输出的控制；最后控制伺服滑台移动，保证带钢边缘始终在图像中线附近；同时伺服控制器将编码器累计的脉冲数转化为累计位移发送回服务器，服务器对位置信息解析。当带钢边缘在图像中线范围内时，服务器计算带钢宽度。因此，带钢整体上下跳动对测量结果产生误差很小。

图3 带钢测宽仪结构Fig.3 Structure of width gauge for strip steel

3 实验与结果分析

采用本文设计的带钢测宽仪对某钢铁股份有限公司冷轧总厂酸洗线生产的带钢边缘进行检测，以检验测宽仪的测量效果。带钢测宽仪中伺服控制器的型号为US-60KP40A30SAYYB，其中包含2 500线的高精度编码器，以保证单个脉冲数达到0.000 3 mm 的精度；服务器型号为E3-1220V6；面阵CCD 相机型号为AVT Manta G-507B，分辨率为2 464 像素×2 056 像素，帧率为20 F/s。宽度标定板实际长度为1 199.8 mm。大小双视场分别为图像中心1 000 像素×200 像素、200 像素×200 像素，当只使用图像中心1 000 像素×200像素时，面阵CCD相机的帧率可达38 F/s。考虑到带钢边缘不整齐且上下抖动影响像素的分辨率，采用图像中心200像素×200像素的图像进行宽度计算。考虑现场铁屑情况，选取ROI阈值为20。

3.1 像素分辨率的标定

采用面阵CCD相机采集带钢边缘图像，采用大小双视场差分边缘检测算法实时计算边界L1。通过服务器发送移动信息Δx 给伺服控制器，控制相机移动，稳定时计算边界L1，宽度标定板在图像上的边界移动距离等于伺服控制器发送的距离。采用式(4)对分辨率进行标定，ε 为像素分辨率。

像素分辨率标定实验结果如表1。最后标定得到ε 为0.055 mm，像素分辨率即为大小双视场ROI差分边缘检测算法精度。

3.2 中间宽度的标定

设标定板实际宽度为标定宽度X标，ll为左相机检测的平均边缘值，lr为右相机检测的平均边缘值，ε 为像素分辨率，X中为标定的中间宽度，x1+x2分别为左、右电机移动的距离。X标满足式(5)

标定中间宽度后，利用式(6)计算带钢总宽度X总

3.3 宽度的实时测量

分辨率和中间宽度标定完成后，即可实现带钢宽度的实时检测，现场实验检测结果如表2。其中：实际宽度为田岛5.5 m卷尺测量所得宽度；测量宽度为测宽仪系统计算所得宽度。

表1 分辨率标定实验结果Tab.1 Experimental results of resolution calibration

表2 带钢静态、动态检测结果Tab.2 Static and dynamic test results of strip steel

由表2可看出：静态测量宽度和实际宽度相差很小，绝对误差均在±0.10 mm以内；动态测量宽度和实际宽度的绝对误差相对较大，但均在±1.00 mm以内，可满足精度要求。检测过程中，大小双视场ROI差分边缘检测算法帧率可达46 F/s，测宽仪检测帧率可达20 F/s，满足实时性要求。由此可看出，采用本文设计的带钢测宽仪可对边缘不平整、上下抖动较大的带钢边缘进行有效检测，且能有效避免铁屑掉落和边缘突变带来的误差，不仅符合现场精度要求，也满足实时性检测要求。目前，该带钢测宽仪已成功应用于某钢铁股份有限公司冷轧酸洗、酸轧、连退和镀锌等带钢入口生产线。