热轧钢卷号自动识别技术研究

2020-11-16赵厚信陈志荣

宝钢技术 2020年5期

赵厚信,陈志荣

(宝山钢铁股份有限公司热轧厂,上海 201900)

在钢厂,为便于物流跟踪特别是中间工序的物流跟踪,需要给待加工材料标识。在前工序给待加工材料喷印号码,后工序通过这一喷印号码进行材料跟踪是通用的做法。目前,在热轧卷取区域要为每一钢卷喷上钢卷号,钢卷号是由机械手自动打印,但现有的打印机械手没有视觉感知功能,无法判断打印是否存在缺陷。钢卷号打印缺陷将给入库及后工序管理造成较大影响。因此,有必要研究一套能适应热轧卷取现场环境的钢卷号自动识别系统,该系统可以实时检测打印机械手打印钢卷号的结果,一旦发现缺陷,立即做出报警或提示。

宝钢热轧厂某产线有针对性地利用智能图像分割方法、图像增强和模板匹配算法等技术,对热轧钢板钢卷号进行高精度识别,实现了钢卷号自动识别并达到较好的应用效果。

1 热轧钢卷号自动设别系统架构

热轧钢卷号识别系统主要由现场图像获取相机、图像处理及识别计算机、上位信息设定PLC及网络构成,如图1 所示。在钢卷号自动识别系统中,首先工业相机将打印机械手打印的字拍摄成图像。在拍摄的图像上进行钢卷号定位、分割、字符切分等处理,形成规整化的单个字符;此后采用模式识别的相关技术对切割的字符进行自动识别。识别结果与上位信息设定PLC跟踪下发的钢卷号进行相应核对,核对结果发基础自动化L1系统进行后续控制,如核对结果正确,则自动放行钢卷;如果核对不正确(含喷印字符有缺陷),则L1发指令让喷印机重新喷印及人机画面报警等。

2 热轧钢卷号自动设别系统的关键技术

2.1 相机曝光时间自动校正算法及自动增益调节实现

正确识别钢卷喷印字符需要有较为清晰的图像作前提保证。由实际取得的钢卷喷印图像分析可知,实际钢卷喷印字符图像的质量(灰度层次)不仅与钢卷喷印位置的环境亮度有关,还与钢卷温度有关。由于生产现场环境比较恶劣,识别目标处在高温辐射中,目标背景十分复杂,且当钢卷表面温度达到700 ℃时,其成像的背景与目标颜色几乎相近且伴有大量的噪声。如何获取具有一定质量的图像将影响字符的切割和识别的正确度。

为获得较好的图像质量,必须根据环境亮度和钢卷的温度自动调节相机的感光量。相机的感光量是由相机的曝光时间(快门速度)、光圈和感光增益(ISO)组成。本方案中采用定焦镜头,将光圈开最大,以便获得足够的进光量,曝光时间设置在33 ms(1/30)。通过调节感光增益来获取质量较好的图像。通过对数百张在不同条件下获取的图像进行对比,选定图像质量(灰度层次)较为理想的图像进行灰度等级测定、灰度密度统计,找出灰度密度最大的值作为感光增益调节的目标值,为设定灰度。自动调节感光增益工作过程:获取图像、对图像进行灰度密度测定和统计、获得密度最高的灰度实际值,并将此值与设定灰度值比较,偏差在±5%内,认为是理想图像,不做调节,否则就认为不理想图像需进行调节,调节后立即进行重拍,再进行上述过程,以获取理想图像。为了能快速调节感光增益,采用增量式数字比例调节器P。通过增量式数字P调节,可以实现在3次内完成相机感光量调节,获得较为理想的图像,原理如式(1)、(2):

e(k)=Gtarget-GReal(k)

(1)

G(k)=Kp.e(k)+G(k-1)

欧阳锋双腿发软，就差没跪在地上：“对不起，大哥，大姐，都怪我，我喝醉了酒，做了不该做的事，可我真的不是故意的，请原谅！”

(2)

式中:Gtarget为目标灰度值;GReal(k)为k次采样的实际灰度值;e(k)为k次采样的测量灰度偏差;Kp为灰度增益比例调节器比例系数;G(k)为k次采样的感光增益输出值;G(k-1)为(k-1)次采样的感光增益输出值。

在方案中采用了对相机进行自动增益控制。自动增益控制的实现是取被拍摄钢卷图像中部850～1 050列的连续200个像数列,自上而下等分为10个区间的灰度进行统计,再对10个区间的灰度最大值进行平均和排序。找出灰度的最大区间和最小区间。把灰度最大区间作为前景灰度,最小区间作为背景灰度。当背景灰度大于90时,说明钢卷表面温度超过700 ℃。如不做增益调节,产生的图像如图2。从图2可以看到,图像背景灰度与前景灰度相差无几,图像对比度很小,灰度层次差。此时,要自动减小相机增益,以降低背景灰度;当背景色小于90时,以调节图像前景灰度,使得图像的前景灰度达到设定的前景灰度范围,提高图像灰度层次。从图3可以看出,经对相机进行自动增益调节后,高温钢卷(温度大于700 ℃)图像质量得到了改善。

2.2 图像灰度增强的方法

在经过相机曝光时间自动校正及自动增益调节后获取的图像送后续处理前,还需要进一步预处理以提高图像质量。系统进一步检测图像质量,当检测到图像最大灰度平均值(前景灰度值)大于105时,系统便对图像进行增强处理。图像增强就是把对比度弱的图像变成对比度强的图像。对图像灰度进行变换可以使图像动态范围增大,对比度得到扩展,使图像清晰特征明显[2]。

图像增强方法有线性和非线性变换。

图像灰度线性变换:假如原图像f(x,y)的灰度变换为[a,b],变换后的图像g(x,y)的灰度范围线性的扩展至[c,d],其数学表达式如式(3):

g(x,y)=(d-c)/(b-a)[f(x,y)-a]+c

(3)

式中:a,b为原图像灰度区间;c,d为期望将原图像变换到目标图像的灰度区间。

图像灰度非线性变换:采用非线性变换函数对图像进行灰度变换,常用的是指数变换、对数变换,指数变换表达式如式(4):

g(x,y)=bc[f(x,y)-a]-1

(4)

式中:a,b,c为可调整参数,用于调整曲线的形状和位置;参数a决定了指数函数曲线的起始位置,参数c确定了变换曲线的徒度。高灰度区扩展,低灰度区压缩。指数变换用于扩展图像的高灰度区,可用于过亮的图像。

对数变换其表达式如式(5):

g(x,y)=a1+{ln[f(x,y)+1]}/(b1lnc1)

(5)

式中:a1,b1,c1为可调整参数,用于调整曲线的形状和位置;参数a1为变换曲线的起始位置,参数b1,c1为确定变换曲线的变化速率。低灰度区扩展,高灰度区压缩。对数变换用于扩展低灰度区,适用于过暗的图像。

2.3 喷印字体的位置确定和切割方法的研究和实现

由于待处理的数字字符图像一般会含一些无关物体影像,为了从图形中找到待识别的数字字符,需要对二值化后的图像进行分割来定位和分离出纯数字字符。现有的单字符分割方法有基于连通域的分割、基于投影的分割、基于区域聚类的分割等[3]。在经过仿真后,采用了基于连通域的分割方法对数字图像进行分割,该方法通过检查数字区域像素点与其相邻域像素点的连通性,将不同的连通区域的位置进行标记,然后通过这些位置标记提取出相应的连通域,便可实现对数字字符的分割。

由于二值化后的图像很大一片区域是空白的,为了后续特征提取效果,加快图像处理速度,需对字符进行边缘裁剪,尽量将纯数字字符从图片中剥离出来。通过对1 000多卷直径和宽度不一的钢卷喷印数字图像的观察、分析、归纳和统计,得到喷印数字的起始位置离卷径向顶部距离和钢卷左边边沿距离基本不变。通过上述钢卷形体识别研究和实现获得的钢卷径向边沿和左侧边沿来初步定位数字的起始位置,然后采用逐行逐列扫描像素方法实现。

由于喷印机根据钢卷的直径和板宽来定位被喷印字体大小和喷印位置,所以得到图像中字符位置和字体大小是在变化的,如图4。

通过对大量图像分析得到:大号字长度约1 720个像数,高约170个像数;中号字长度约1 300个像数,高约130个像数;小号字长度约1 000个像数,高约100个像数。采用了图像分割和纵横扫描来寻找字符在钢卷上的位置和字符的大小,如图5。

具体做法是首先搜寻字符在钢卷上的垂直位置,然后以此高度位置作为垂直中心,高度为500像数,水平位置为1 450像素,宽度470个像素,在字符尾部截去一个470×500像数的图像,确定字符X方向结束位置,对二值图从右至左进行列扫描,当连续两列“1”的像素点总和>10,认为此列为字符结束列,此列的横坐标就是字符X方向结束的位置。

通过上述方法确定了字符X方向结束位置后,接下来便确定字符的高度。首先,搜索最后一个字符的底位置,方法在靠近X轴底处Y方向上从第400行开始遂步向上进行搜寻,当搜索到靠近X轴底处连续两行的“1”的像素点总和>10,认为此行为字符下沿y2。字符下沿搜索程序如下:在搜索到字符下沿位置后,便继续搜索字符上沿,方法是在字符下沿位置减去200(y2>200),作为字符上沿的搜索起始位置。通过上述步骤,可以确定字符的结束位置和高度,把字符从整个图像中截出。

2.4 喷印字体识别

由单一字符边缘裁剪后得到每个字符大小和位置不一样,为了给特征体提供方便,需对数字字符进行归一化处理。对顶喷字符只要做大小归一化处理,而侧喷字符是圆弧排列,故先要对每个字符进行旋转处理后再做大小归一化处理。为了提高字体识别的准确率,本系统采用了字体模板匹配和字符形体特征比对技术,并采用在线自学习方法来自动丰富字体模板匹配库技术,见图6。

字体模板匹配就是将上述经分割归一后的单个字符与字体模板匹配库中保存的字体样本逐一进行像素数字减影,然后统计两者图像的重合度。数字形态比对就是每个数字字符提取35特征点,行向取8条,分别为5、20、40、60、80、100 、20、145;列向取五条,分别为5、25、50、75、95。行与列焦点为数字的特征点即分别为:

(5,5)、(5,25)、(5,50)、(5,75),(5,95)

(20,5)、(20,25)、(20,50)、(20,75),(20,95)

……

(120,5)、(120,25)、(120,50)、(120,75),(120,95)

(145,5)、(145,25)、(145,50)、(145,75),(145,95)

喷印字体识别:先进行字符模板匹配,将字符和样本库内的对应字符进行点对点逐一减影并统计减影重合数。当重合数>90%时,比对通过,喷印正确;当重合数为80%～90%时,需进一步做字符形态比对。提取的数字字符特征信息与样本特征库内信息比对,比对次序是根据钢卷信息中钢卷编号,如第一位是2则提取的数字字符特征信息与样本库内与2相关的11条信息比对,如果与其中某条信息吻合度>90%,则比对成功,同时将此字符自动添加到字符样本库内,反之比对不成功。当重合数<80%及字体形态特征信息比对吻合度<80%时,比对不通过。喷印的所有字符比对结果正确,通过TCP将原字符传送到PLC,喷印字符比对结果不正确的字符,通过TCP以“#”字符传送到PLC进行后续处理。