澆包出液口液柱圖像特征參數(shù)構建方法研究

楊慧英

(1.東北大學 信息科學與工程學院,沈陽110004;2.沈陽理工大學 自動化與電氣工程學院,沈陽110159)

澆包出液口液柱圖像特征參數(shù)構建方法研究

楊慧英1,2

(1.東北大學 信息科學與工程學院,沈陽110004;2.沈陽理工大學 自動化與電氣工程學院,沈陽110159)

視覺澆注系統(tǒng)澆包出液口處圖像經(jīng)處理后提取的特征可以為后續(xù)澆口杯鋼水液位識別和澆包塞桿啟動控制提供判斷依據(jù)。本文對比了單攝像頭和垂直雙攝像頭兩種方式獲取的圖像利用全局閾值分割和形態(tài)學算法去噪等預處理后構建出特征參數(shù)的情況,通過對比分析雙攝像頭方式構造的參數(shù)可以更好的為液位識別提供依據(jù)。

視覺澆注;圖像處理;參數(shù)構建

熔模鑄造時澆口杯中的液位與鋼水澆包的流速流量是影響鑄造產(chǎn)品品質的參數(shù)。澆注現(xiàn)場高溫、高粉塵使得人工作業(yè)環(huán)境十分惡劣,工人工作強度大,因此基于機器視覺的方式代替人眼實現(xiàn)對澆口杯中的液位判斷,由自動澆注系統(tǒng)控制澆包的流量與流速符合行業(yè)發(fā)展的需求,有利于提高鑄件生產(chǎn)效率、優(yōu)化鋼水用量節(jié)省投料、節(jié)約成本,減輕工人的勞動強度與減少用工人數(shù)。

1 視覺澆注系統(tǒng)圖像采集單元

視覺澆注系統(tǒng)圖像模塊分為澆包出口處熔融態(tài)鋼液的獲取與IPC內圖像處理識別兩大部分[1]。圖1右上所示為某一幀的澆注液柱原始圖;圖1右中圖為澆注結束后造型機推型傳送過程的圖像;圖1右下圖為砂型澆注澆口杯俯視圖像。攝像單元獲取的圖像還需要上傳到IPC中進行圖像前處理,最后提取出有利于澆口杯中鋼水液位檢測的特征參數(shù)。在圖像獲取光學結構的搭建過程中,本文研究了單目和垂直雙目的兩種攝像頭搭建樣式并對兩種方式下采集到的圖片構建出的特征參數(shù)進行對比得出較優(yōu)的參數(shù)構建方法。

圖1 視覺澆注系統(tǒng)圖像采集單元結構示意圖

2 圖像的前處理與特征參數(shù)的構建方法

圖2是澆注原始圖灰度化處理后得到的灰度圖像,圖2a是自動澆注系統(tǒng)某鑄型開始澆注階段攝像頭Camera1獲取的某幀圖像,圖2b和圖2c分別是兩個相互垂直的攝像頭Camera1與Camera2時刻t獲取的澆注過程圖像。存在以下問題:1)澆注過程中自上而下的液柱寬度不等寬,實時澆注過程中液柱呈現(xiàn)出的不規(guī)則性也為澆注參數(shù)的構建帶來一定難度;2)澆注過程中由于鋼水液柱沖擊澆口杯內壁會隨機產(chǎn)生飛濺液體,這些飛濺出來的液體對后續(xù)圖像識別過程造成了干擾。

圖2 灰度圖像

圖2灰度圖像要進一步進行二值化與去噪兩種圖像前處理[2],預期能夠得到較好的參數(shù)構建基礎。閾值分割的原理如公式(1)所示。

(1)

式中:f(x,y)表示原始灰度圖像;g(x,y)表示閾值分割后的結果;T為分割用閾值,T的選取可以選用最佳閾值法、雙峰法[3]等。

在鑄件澆注過程中視覺檢測單元所用的算法要求快速給出結果才能滿足實際生產(chǎn)需求,為此選用雙峰法對灰度圖像進行閾值分割。圖3為圖2b所對應的灰度直方圖,由灰度直方圖可見在灰度值小于150的區(qū)域有一個明顯的灰度聚集高峰區(qū);灰度值大于150的區(qū)域也有灰度聚集小高峰區(qū)。由于澆注圖像目標與背景對比明顯,且在視頻序列中連續(xù)多幀的灰度圖所對應的灰度直方圖具有相似雙峰灰度分布特點,為此經(jīng)過人工反復試錯選取灰度值為150即可將圖像分割為圖4所對應的二值化結果。

圖3 澆注圖像灰度直方圖

由圖4可見,二值化后將圖像分割成澆注鋼液和背景兩部分,同時閾值的選擇也可以將圖2灰度圖像澆口杯周圍的飛濺液滴區(qū)域進行初步去噪。飛濺出的鋼水是干擾噪聲,由于飛濺出來后溫度會迅速降低,所以從灰度圖圖2中可以看出飛濺出的液體和澆注主體灰度不同。為此在閾值分割后(見圖4),可以將一部分飛濺去除。同時觀察圖4還有一部分白色小連片區(qū)域或是白色點狀區(qū)域仍然存在在澆口杯周圍,為此將繼續(xù)采用下面形態(tài)學開運算繼續(xù)去噪。

圖4 二值化結果

腐蝕運算公式:AΘB={x|(B)x?A}

(2)

膨脹運算公式:

(3)

開運算公式:A°B=(AΘB)⊕B

(4)

由圖4二值化結果可見,為了不破壞澆注液柱的形態(tài)特征,同時又去除白色飛濺液體區(qū)域,本文選擇小于液柱寬度的值作為邊長的正方形作為形態(tài)學開運算的結構元素,開運算處理結果如圖5所示。

圖5 液柱圖像形態(tài)學處理結果

由圖5可見,澆注主體區(qū)域得到了突出,白色飛濺經(jīng)過開運算已經(jīng)去除掉。去噪過程中,發(fā)現(xiàn)結構元素的選取會影響實驗結果,但是作為識別液柱圖像參數(shù)構造,要盡可能保持干擾被去除,同時保持液柱圖像特征信息不丟失。最后在圖5的基礎上采用關心窗口區(qū)域進行參數(shù)建模[5-6]。

3 液柱參數(shù)構建方法對比研究與實驗結果分析

圖6為圖像采集單元原理,圖7為參數(shù)構建原理。

圖6 圖像采集單元原理

研究發(fā)現(xiàn)若澆包流出的鋼水液柱的橫截面積是規(guī)則圖形,那么可以利用公式(5)對鋼水液柱特征參數(shù)V進行構造。實際中從鋼水液柱圖像的預處理結果可以看出,液柱圖像的側面是上下不等寬的形狀,說明實際的鋼水液柱的橫截面應該也是一系列大小不等形狀近似的截面圖形,公式(5)可以進一步表示為公式(6)、(7)更貼切。

(5)

(6)

(7)

式中:V為特征參數(shù);d為關心窗口中澆注液柱的寬度;d1和d2為雙目攝像方式預處理后兩個關心窗口中的澆注液柱寬度;h為關心窗口的高度。理想狀態(tài)下認為關心窗口中的液柱寬度不變,實際處理中則將關心窗口中的液柱分若干層后累加構造特征參數(shù)V(見公式(7))。

圖7 參數(shù)構建原理

圖8為利用前文所述方法對原始采集到的液柱圖像進行預處理結果,圖8a為Camera1獲取的圖像預處理結果,圖8b為Camera2獲取的圖像預處理結果。

圖8 關心窗口中最終圖像預處理結果

利用公式(5)公式(6)與公式(7)得到的液柱參數(shù)構造結果如表1所示。

表1 兩種方法下參數(shù)構建對比 像素

通過對比分析表1所示數(shù)據(jù),可以得出利用P1和P2兩個關心區(qū)域圖像構造出來的液柱參數(shù)V比單獨利用P1或是P2區(qū)域構造出來的液柱參數(shù)更有利于下一步澆包體積流量參數(shù)的研究。鑄件澆注過程中澆包下方的孔口出流的體積流量Qv如公式(8)所示[7]?？梢婓w積流量的檢測可以通過檢測澆包中鋼水液位問題,如何測得鋼水液位基于視覺方式的方法可以通過獲得可視的澆注液柱參數(shù)V反推得澆包中液位h,如圖9所示可得公式(9)。因此公式(8)則可推導為公式(10),公式中S為澆包的橫截面積,H為澆注起始時澆包中的鋼水滿液位,h為澆包內實時液位,n為上文所述的關心窗口區(qū)域每次全更新時候采集的動態(tài)圖像的幀數(shù)。

圖9 孔口出流示意圖

(8)

Sh+nV=SH

(9)

(10)

利用視覺方式構造表1中參數(shù),該參數(shù)可以表征實際澆包孔口出流后關心窗口區(qū)域的體積V,因此視覺方式下構造出的關心窗口液柱參數(shù)在體積流量的檢測中起到了作用,體積流量的檢測是進一步澆包的塞桿控制決策依據(jù)之一,為此本文研究的液柱構造方法有后續(xù)應用意義。

4 結論

分別利用單目攝像頭和垂直雙目攝像頭兩種圖像采集方式獲取了澆包注入澆口杯段的關心窗口區(qū)域圖像,基于澆注過程鋼水液柱的形態(tài)特征,利用兩種方式獲得的圖像分別構建了液柱特征參數(shù),對比兩種方法認為垂直雙目攝像頭構建出的特征參數(shù)比較接近于向下液柱的實際特征。進一步研究將側重于如何利用雙目視覺的方式或是如何利用2D多角度圖像構造3D場景參數(shù)以達到為下一步澆包體積流量的檢測和塞桿的控制提供更優(yōu)判斷依據(jù)的目標。

[1]薛迎成,王春暉.帶計算機視覺教正的示教再現(xiàn)控制[J].上海交通大學學報,2001,35(2):301-304.

[2]薛迎成,潘俊民.自動澆注鐵水液面滿高度時圖象預處理方法[J].傳感器技術,2002,21(1):11-13.

[3]Rafael C Gonzalez,Richard E Woods.Digital Image Processing[M].阮秋琦,阮宇智等譯.第二版.北京:電子工業(yè)出版社,2002:51-52,423-425.

[4]中志強,陳韜,錢基業(yè),等.基于形態(tài)學的冷軋薄板板型識別[J].重慶大學學報,2007,30(12):25-28.

[5]Y Sugimoto,K Yano,K Terashima.Liquid level control of automatic pouring robust by twodegree-of-freedom control[C]//IFAC 15rh Triennial World Congress.Barcerlona,Spain,2002:34-38.

[6]Wang Yongguo,Miao LI-gang.Automatic Pouring System for Metal Casting Based on Learning from Example[J].Foundry Technology,2010,31(11):1503-1506.

[7]劉俊杰.紅外輻射時間差動態(tài)鐵水垂直流速檢測的研究[D].沈陽:東北大學,2016:12-14.

(責任編輯：馬金發(fā))

ResearchontheConstructionMethodofCharacteristicParametersoftheLiquidColumnfromtheLadleOutlet

YANG Huiying1,2

(1.Northeastern University,Shenyang 110004,China;2.Shenyang Ligong University,Shenyang 110159,China)

The molten steel volume of ladle is an important parameter for auto-pouring system based on machine vision.It is the fundamental of judging the level of sprue cup and the stopper rod start-stop time.By comparing the images obtained by single camera and binocular camera,the global threshold image segment algorithm and the morphological image denoising algorithm are applied to creat the characteristic parameters.Simulation results show that it is a more optimal way of judging sprue cup leve by binocular camera image.Keywordsauto pouring by machine vision;image processing;parameter construction

2016-06-07

遼寧省教育廳項目(L2015468)

楊慧英(1982—)，女，講師，博士在讀，研究方向：機器視覺、物體紅外輻射特性。

1003-1251(2017)04-0024-04

TP2;TG2

A