技术领域
[0001] 本
发明属于
冶金行业工业现场钢坯定位技术领域，特别涉及一种基于机器视觉相机图像处理的钢坯定位方法及应用。
背景技术
[0002] 各种钢坯测量、定位技术在工业现场获得广泛应用，尤其在冶金行业，对钢坯定位的需求呈现出范围越来越广、
精度越来越高的趋势，现有钢坯物体定位技术基本上可归类到以下三种：一、激光测距定位，优点：1、非
接触，较接触式测量易安装部署，2、近距离测量时精度很高。缺点：1、部署范围窄。激光方向性太强，因此必须安装在检查物体前端，其他
位置无法测量，大大限制了其应用；2、光学器件非常脆弱，一般需要非常复杂的
外壳进行防护，同时不能对高温钢坯进行近距离测量，无法发挥激光测距的高精度，3、光学材料对
温度非常敏感，温度漂移导致的测量误差很大；总结：激光测距定位仅限部分精度要求极高且工况极优下使用。二、接触式定位，优点：抗干扰性最好；缺点：1、接触式测量，高温物体接触导热严重，检测设备易损坏，基本无法使用，2、钢坯属于大
质量检测物体，惯性大，检测设备易被钢坯冲击发生位移，测量误差大；总结：接触定位在现阶段已完全淘汰。三、图像处理定位，优点：1、非接触，易安装部署，针对大
检测区域甚至可以多相机并联拼接检测，2、受温度影响小，通过调节相机参数可适应广泛场景；缺点：1、受限于CCD
传感器成像单元尺寸限制和镜头成像原理限制，精度达到0.05毫米级别后很难提升；2、容易受外界光线、行人等干扰，但可以通过改进图像处理
算法，规范现场等措施解决；综上所述，在冶金行业钢坯毫米级或亚毫米级定位应用场景下，图像处理定位是最优选择。
[0003] 在图像处理定位方式中，现在常用以下两种相机设备；一、模拟相机，模拟相机即传统同轴相机，采集环节包括模拟相机和
图像采集卡两部分，优点：实时性高；缺点：1、精度低，模拟相机受限于同轴
电缆带宽，最高
分辨率不超过800x600，高精度场合无法使用，2、距离近。同轴电缆在工业环境下一般工作距离超过50米
信号就会衰减至不可用，3、易干扰，同轴电缆传输模拟
视频信号，容易受到现场电磁
辐射干扰。
[0004] 二、视频相机，优点：1、精度高，随着高分辨率CMOS技术成熟，2K甚至4K(1200万
像素)网络视频相机不断涌现。相比模拟相机成像质量有质的提升，2、距离远。使用网线可保证100米内稳定传输，更远可加中继，3、抗干扰能
力强，数字传输避免了
模拟信号传输易被干扰的问题；缺点：1、实时性差，相比模拟相机由PC驱动图像采集卡采集图像的方式，视频相机在相机端就对图像进行了编码，并把压缩(一般H.264)后的图像通过以太网传输到图像处理PC上，传输延迟达到了秒级，这在实时性较高场合是不可用的，2、信息损失，视频类相机为了保证带宽使用率尽量低，一般都使用H.264、H.265等
视频编码方式对图像进行编码，导致图像边缘、
角点等定位关键信息丢失，而这些正是保证钢坯定位精度所必须的数据。
[0005] 现有的图像处理检测
铸坯位置的方法中，大都存在以下几方面的问题：1、无状态记忆，误差率高。钢坯在空间中发生位移时，其运动图像特征会发生有规则的状态变化，这些状态变迁是连续的，确定的。现有检测方法未能考虑到这一点，2、算法复杂，实时性差。现有算法大都基于
边缘检测，而边缘检测基于图像的卷积运算，运算次数和时间与图像分辨率的平方成正比。现在工业现场对铸坯位置检测精度要求越来越高，不断推高摄像机分辨率，完全基于边缘识别的算法实时性越来越差，3、无学习能力，扩展性差。传统图像处理算法核心思想就是通过预设的图像特征来分析判断铸坯位置，当周围环境发生变化或者铸坯外形发生变化时，对应的图像特征也会发生变化，而使用预设的特征值来做分析时，就会发生误判，扩展能力很差；为此，本发明提出一种基于机器视觉相机图像处理的钢坯定位方法及应用。
发明内容
[0006] 为了解决
现有技术存在的问题，本发明提供了一种基于机器视觉相机图像处理的钢坯定位方法及应用，该基于机器视觉相机图像处理的钢坯定位方法及应用设计合理，使用机器视觉相机进行图像采集，优化钢坯定位算法，提升深挖钢坯定位的使用面，实现了高精度、强实时性、安装方便的新式钢坯定位系统，适用面广泛，适合大量推广。
[0007] 为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于机器视觉相机图像处理的钢坯定位方法及应用，包括以下步骤：
[0008] 步骤一：图像采集；使用机器视觉相机采集图像，机器视觉相机具有以下特点：
[0009] ①：机器视觉相机的性能稳定可靠易于安装，相机结构紧凑结实不易损坏，连续工作时间长，可在较差的环境下长时间连续使用；
[0010] ②：机器视觉相机的快
门时间非常短，可以抓拍高速运动的物体，常见相机一般每秒最多25
帧，机器视觉相机则可以做到成千上万帧/秒，由此对运动钢坯定位具有很高精度；
[0011] ③：机器视觉相机的图像传感器是
逐行扫描的，而普通的相机的图像传感器是
隔行扫描的，逐行扫描的图像传感器生产工艺比较复杂，但成像效果更好，尤其对图像处理算法中敏感的边缘、角点等信息更全面，更能精确的定位出钢坯的位置信息、表面信息和方向信息；
[0012] ④：机器视觉相机输出的是裸数据，其
光谱范围也往往比较宽，从远红外、
近红外、可见光、紫外等都有，比较适合进行高质量的图像处理算法，而其他相机拍摄的图片，其光谱范围只适合人眼视觉，经过视频压缩后，图像质量较差，不利于分析处理，因此机器视觉相机可以广泛的应用在冷坯(常温钢坯)、热坯(
连铸阶段刚生产出来的钢坯)、热材(轧钢阶段
轧制过程中的钢坯)等各阶段钢坯定位过程中；
[0013] 步骤二：图像变换；由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大，因此，往往采用各种图像变换的方法，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理，在钢坯定位图像处理过程中，通过Hough变换，可直接在图像数中提取出符合钢坯形状信息的像素数据，从而快速定位钢坯可能位置，其原理是通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找累加器峰值的方法检测直线，Hough变换的实质是将
图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点，在参数空间不超过二维的情况下，这种变换有着理想的效果，常规的Hough变换变换在实际使用中计算量极大，实时性差，本发明对Hough变换进行局部化、概率化的改进，剔除了分析中无用的、重复的数据和计算，达到了生产实时性的要求；
[0014] 步骤三：图像增强；图像增强及复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等，增强突出图像中所感兴趣的部分，强化图像高频分量，可使图像中物体轮廓清晰，细节明显，强化低频分量可减少图像中噪声影响，在钢坯定位图像处理过程中，图像增强主要包含去除噪声、消除干扰和钢坯成像自适应三部分，工业现场存在大量的
电磁辐射产生的噪声，在图像中体现为时域和频域上随机的
雪花点，由于钢坯比
环境温度高，在图像中
颜色偏浅、偏白，白色噪点如果不经过滤除，会造成钢坯是否存在、存在位置的误判，常用高斯滤波对图像进行处理，去除随机噪点；生产现场无法避免设备移动、人员行走、钢坯回退等正常的生产情况，而这些情形会对导致对钢坯的误分析、误定位、误
跟踪等情况，这时就必须利用已有图像信息结合钢坯定位上下文信息推断出钢坯实际处于的状态、位置等，避免错误的
控制信号产生；
[0015] 步骤四：
图像分割；图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域、角点等，是进一步进行
图像识别、分析和理解的
基础，也是当前图像处理中研究的热点之一，虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法，因此，对图像分割的研究还在不断深入之中，在钢坯定位的图像处理过程中，通过有效的图像分割，可以剔除钢坯不会出现的范围，消除避免错误的定位分析，可以剔除无效图像数据，减少图像处理运算量，提高系统实时性，图像分割分为人工分割和自动分割两部分：
[0016] ①：人工分割是事先在相机图像中标注出钢坯出现的大致区域，区域一般为四边形，这种方式在钢坯运动区域比较固定的场合适用，比如铸坯切割、铸坯输送等；
[0017] ②：自动分割是在整个图像中无任何人工标注，通过区域的颜色、边缘等对图像进行划分，在钢坯运动区域完全充满相机图像采集区域时适用，比如钢坯
冷床计数等；
[0018] 步骤五：图像识别；图像识别(分类)属于
模式识别的范畴，是图像经过某些预处理(增强、复原)后，进行图像分割和特征提取，从而进行判决分类，图像分类常采用经典的模式识别方法，有统计模式分类和结构模式分类，近年来模糊模式识别和
人工神经网络模式分类在图像识别中也越来越受到重视；
[0019] 步骤六：钢坯定位；在传统图像处理定位铸坯方法的基础上，引入有限状态机机制，根据钢坯在空间中移动的图像特征，抽象出其空间运动各个状态的变迁路径，将传统边缘识别定位方法的
大数据量计算，转换为统计分析，大大提高了检测方法的实时性，同时，在有限状态机机制里，引入
自学习功能，检测方法能不断的根据当前钢坯图像特征值学习并更新状态机特征值，从而大大扩展了钢坯定位方法的性能；
[0020] 步骤七：应用；包括定点检测应用、长度检测应用、长度+
密度应用、计数应用和定点+温度应用，具体如下：
[0021] ①定点检测应用：定点检测应用是指通过检测钢坯到达某个预设位置后触发特定操作的应用方式，包括：
[0022] 1)定点预警：检测钢坯到达
指定位置后触发声、光、
电信号预警，对钢坯到达异常工位进行预警，避免安全事故；
[0023] 2)定点切割：检测钢坯到达指定位置后触发切割动作，按指定长度切割铸坯；
[0024] 3)定点辊控：检测钢坯坯头到达辊轮位置后控制辊轮开始转动，坯尾离开辊轮位置后辊轮停止转动，降低辊轮磨损，避免辊轮堵转，减轻工人劳动强度；
[0025] ②长度检测应用：长度应用是指在定点检测时对钢坯两个或以上预设位置同步检测，通过预设位置空间位置信息得出钢坯检测到位时钢坯长度由此而衍生出的应用方式，包括：
[0026] 1)定长切割：检测钢坯长度达到一定长度后执行切割动作；
[0027] 2)表面检测：钢坯表面
氧化皮、裂缝等长度、面积达到一定标准就可以判定当前钢坯不合格，目前基本采用人工抽检方式，效率低，误差高，通过机器视觉相机定位钢坯上这些特征的长度、面积等指标，大大提升检测准确率；
[0028] ③长度+密度应用：长度+应用是指对钢坯两个或以上预设位置同步检测，通过预设位置空间位置信息得出钢坯检测到位时钢坯长度由此而衍生出的应用方式，包括：
[0029] 1)定重切割：在连铸生产中，当拉速(钢坯生产速度)稳定时，钢坯密度趋于稳定(具体数值视钢种不同而略有差异)，将此密度值设入定长切割系统中，重量＝长度*截面积(恒定)*密度，由此可以实现铸坯的定重切割；
[0030] ④计数应用：计数应用是指在定点检测时结合钢坯位置上下文对钢坯数量进行统计而衍生出的应用方式，包括：
[0031] 1)铸坯计数：在连铸铸坯切割阶段、输送阶段、轧钢热送阶段，都需要对铸坯的数量进行精确的统计并生成统计报表，铸坯精确计数核心在于对于钢坯的异常运动，例如回退(钢坯已完全或部分离开计数区域又退回)、并联(几根钢坯
水平并列在一起)、
串联(两根铸坯前面一根与后面一根头尾紧密连接在一起)等情况按照钢坯输送的上下文环境做出准确的判断；
[0032] 2)自动出坯：在连铸冷床段，需要在铸坯到达指定位置时自动翻钢(将钢坯抬升出辊道，保证下一根铸坯可以在辊道中输送到同一位置)，翻钢后需累计一定数量(可设定，
软件自动统计)钢坯然后控制移坯车一次将多跟钢坯推送至冷床；
[0033] ⑤定点+温度应用：温度应用是指在钢坯的定点检测基础上利用机器视觉相机宽光谱尤其红外波段成像数据对钢坯温度测定而衍生出的应用方式，包括：
[0034] 1)
温度控制：在连铸和
热轧阶段，钢坯的温度是生产中的重要参数，温度的绝对值、温度场的分布都对上下游的生产控制有重要的作用，现阶段常用专业测温仪器，应用面窄，自动化程度低，利用远红外机器视觉相机，在钢坯运动监控同时，生产钢坯温度场分布图，自动检测、分析、预警，大大提升生产效率。
[0035] 作为本发明的一种优选方式，机器视觉是
人工智能正在快速发展的一个方向，机器视觉的目的是使用机器代替人眼来做出测量和判断，机器视觉系统是通过成像元件(分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和
亮度、颜色等信息，转变成
数字化信号，图像系统对这些信号进行各种运算来
抽取目标的特征，进而根据判别的结果来控制现场的设备动作，机器视觉系统的特点是提高生产的柔性和自动化程度，在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉，同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度，而且机器视觉易于实现信息集成，是实现
计算机集成制造的基础技术。
[0036] 作为本发明的一种优选方式，所述步骤二中图像变换的方法为
傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术。
[0037] 作为本发明的一种优选方式，所述步骤二中的Hough变换是一种使用表决原理的参数估计技术，其原理是利用图像空间和Hough参数空间的点－线对偶性，把图像空间中的检测问题转换到参数空间。
[0038] 本发明的有益效果：
[0039] 1、此基于机器视觉相机图像处理的钢坯定位方法及应用在对钢坯的定位过程中使用了新的检测设备，新的图像处理算法，极大的简化了现场安装、使用图像定位钢坯的范围，大幅度提升了工业现场钢坯定位的精度和实时性，并在此基础上，深入挖掘钢坯定位的应用前景，提出并实现了一系列以钢坯定位计数为基础的工业应用，在实际使用中降低了工人劳动量，降低了设备磨损，提升了检测精度，创作了经济效益。
[0040] 2、此基于机器视觉相机图像处理的钢坯定位方法及应用使用机器视觉相机进行图像采集，优化钢坯定位算法，提升深挖钢坯定位的使用面，实现了高精度、强实时性、安装方便的新式钢坯定位系统，适用面广泛，适合大量推广。
[0041] 3、此基于机器视觉相机图像处理的钢坯定位方法及应用在传统图像处理定位铸坯方法的基础上，引入有限状态机机制，根据钢坯在空间中移动的图像特征，抽象出其空间运动各个状态的变迁路径，将传统边缘识别定位方法的大数据量计算，转换为统计分析，大大提高了检测方法的实时性，同时，在有限状态机机制里，引入自学习功能，检测方法能不断的根据当前钢坯图像特征值学习并更新状态机特征值，从而大大扩展了钢坯定位方法的性能。
[0042] 4、此基于机器视觉相机图像处理的钢坯定位方法及应用利用机器视觉相机采集现场图像进行钢坯定位，可以避免现有各种定位设备的弊端，精度更高，实时性更强，部署方便，应用面广，机器视觉相机相比网络相机，不对实际图像进行任何压缩，直接输送原始图像数据，传输耗时大大降低，达到了工业实时性可用的程序，机器视觉相机未对图像进行压缩，未丢失定位所用的边缘、角点等信息，定位精度高，同时也具备视频相机所有优点。
附图说明
[0043] 图1为一种基于机器视觉相机图像处理的钢坯定位方法及应用的步骤流程示意图；
具体实施方式
[0044] 为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
[0045] 请参阅图1，本发明提供一种技术方案：一种基于机器视觉相机图像处理的钢坯定位方法及应用，包括以下步骤：
[0046] 步骤一：图像采集；使用机器视觉相机采集图像，机器视觉相机具有以下特点：
[0047] ①：机器视觉相机的性能稳定可靠易于安装，相机结构紧凑结实不易损坏，连续工作时间长，可在较差的环境下长时间连续使用；
[0048] ②：机器视觉相机的快门时间非常短，可以抓拍高速运动的物体，常见相机一般每秒最多25帧，机器视觉相机则可以做到成千上万帧/秒，由此对运动钢坯定位具有很高精度；
[0049] ③：机器视觉相机的图像传感器是逐行扫描的，而普通的相机的图像传感器是隔行扫描的，逐行扫描的图像传感器生产工艺比较复杂，但成像效果更好，尤其对图像处理算法中敏感的边缘、角点等信息更全面，更能精确的定位出钢坯的位置信息、表面信息和方向信息；
[0050] ④：机器视觉相机输出的是裸数据，其光谱范围也往往比较宽，从远红外、近红外、可见光、紫外等都有，比较适合进行高质量的图像处理算法，而其他相机拍摄的图片，其光谱范围只适合人眼视觉，经过视频压缩后，图像质量较差，不利于分析处理，因此机器视觉相机可以广泛的应用在冷坯(常温钢坯)、热坯(连铸阶段刚生产出来的钢坯)、热材(轧钢阶段轧制过程中的钢坯)等各阶段钢坯定位过程中；
[0051] 步骤二：图像变换；由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大，因此，往往采用各种图像变换的方法，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理，在钢坯定位图像处理过程中，通过Hough变换，可直接在图像数中提取出符合钢坯形状信息的像素数据，从而快速定位钢坯可能位置，其原理是通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找累加器峰值的方法检测直线，Hough变换的实质是将图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点，在参数空间不超过二维的情况下，这种变换有着理想的效果，常规的Hough变换变换在实际使用中计算量极大，实时性差，本发明对Hough变换进行局部化、概率化的改进，剔除了分析中无用的、重复的数据和计算，达到了生产实时性的要求；
[0052] 步骤三：图像增强；图像增强及复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等，增强突出图像中所感兴趣的部分，强化图像高频分量，可使图像中物体轮廓清晰，细节明显，强化低频分量可减少图像中噪声影响，在钢坯定位图像处理过程中，图像增强主要包含去除噪声、消除干扰和钢坯成像自适应三部分，工业现场存在大量的电磁辐射产生的噪声，在图像中体现为时域和频域上随机的雪花点，由于钢坯比环境温度高，在图像中颜
色偏浅、偏白，白色噪点如果不经过滤除，会造成钢坯是否存在、存在位置的误判，常用高斯滤波对图像进行处理，去除随机噪点；生产现场无法避免设备移动、人员行走、钢坯回退等正常的生产情况，而这些情形会对导致对钢坯的误分析、误定位、误跟踪等情况，这时就必须利用已有图像信息结合钢坯定位上下文信息推断出钢坯实际处于的状态、位置等，避免错误的控制信号产生；
[0053] 步骤四：图像分割；图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域、角点等，是进一步进行图像识别、分析和理解的基础，也是当前图像处理中研究的热点之一，虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法，因此，对图像分割的研究还在不断深入之中，在钢坯定位的图像处理过程中，通过有效的图像分割，可以剔除钢坯不会出现的范围，消除避免错误的定位分析，可以剔除无效图像数据，减少图像处理运算量，提高系统实时性，图像分割分为人工分割和自动分割两部分：
[0054] ①：人工分割是事先在相机图像中标注出钢坯出现的大致区域，区域一般为四边形，这种方式在钢坯运动区域比较固定的场合适用，比如铸坯切割、铸坯输送等；
[0055] ②：自动分割是在整个图像中无任何人工标注，通过区域的颜色、边缘等对图像进行划分，在钢坯运动区域完全充满相机图像采集区域时适用，比如钢坯冷床计数等；
[0056] 步骤五：图像识别；图像识别(分类)属于模式识别的范畴，是图像经过某些预处理(增强、复原)后，进行图像分割和特征提取，从而进行判决分类，图像分类常采用经典的模式识别方法，有统计模式分类和结构模式分类，近年来模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视；
[0057] 步骤六：钢坯定位；在传统图像处理定位铸坯方法的基础上，引入有限状态机机制，根据钢坯在空间中移动的图像特征，抽象出其空间运动各个状态的变迁路径，将传统边缘识别定位方法的大数据量计算，转换为统计分析，大大提高了检测方法的实时性，同时，在有限状态机机制里，引入自学习功能，检测方法能不断的根据当前钢坯图像特征值学习并更新状态机特征值，从而大大扩展了钢坯定位方法的性能；
[0058] 步骤七：应用；包括定点检测应用、长度检测应用、长度+密度应用、计数应用和定点+温度应用，具体如下：
[0059] ①定点检测应用：定点检测应用是指通过检测钢坯到达某个预设位置后触发特定操作的应用方式，包括：
[0060] 1)定点预警：检测钢坯到达指定位置后触发声、光、电信号预警，对钢坯到达异常工位进行预警，避免安全事故；
[0061] 2)定点切割：检测钢坯到达指定位置后触发切割动作，按指定长度切割铸坯；
[0062] 3)定点辊控：检测钢坯坯头到达辊轮位置后控制辊轮开始转动，坯尾离开辊轮位置后辊轮停止转动，降低辊轮磨损，避免辊轮堵转，减轻工人劳动强度；
[0063] ②长度检测应用：长度应用是指在定点检测时对钢坯两个或以上预设位置同步检测，通过预设位置空间位置信息得出钢坯检测到位时钢坯长度由此而衍生出的应用方式，包括：
[0064] 1)定长切割：检测钢坯长度达到一定长度后执行切割动作；
[0065] 2)表面检测：钢坯表面氧化皮、裂缝等长度、面积达到一定标准就可以判定当前钢坯不合格，目前基本采用人工抽检方式，效率低，误差高，通过机器视觉相机定位钢坯上这些特征的长度、面积等指标，大大提升检测准确率；
[0066] ③长度+密度应用：长度+应用是指对钢坯两个或以上预设位置同步检测，通过预设位置空间位置信息得出钢坯检测到位时钢坯长度由此而衍生出的应用方式，包括：
[0067] 1)定重切割：在连铸生产中，当拉速(钢坯生产速度)稳定时，钢坯密度趋于稳定(具体数值视钢种不同而略有差异)，将此密度值设入定长切割系统中，重量＝长度*截面积(恒定)*密度，由此可以实现铸坯的定重切割；
[0068] ④计数应用：计数应用是指在定点检测时结合钢坯位置上下文对钢坯数量进行统计而衍生出的应用方式，包括：
[0069] 1)铸坯计数：在连铸铸坯切割阶段、输送阶段、轧钢热送阶段，都需要对铸坯的数量进行精确的统计并生成统计报表，铸坯精确计数核心在于对于钢坯的异常运动，例如回退(钢坯已完全或部分离开计数区域又退回)、并联(几根钢坯水平并列在一起)、串联(两根铸坯前面一根与后面一根头尾紧密连接在一起)等情况按照钢坯输送的上下文环境做出准确的判断；
[0070] 2)自动出坯：在连铸冷床段，需要在铸坯到达指定位置时自动翻钢(将钢坯抬升出辊道，保证下一根铸坯可以在辊道中输送到同一位置)，翻钢后需累计一定数量(可设定，软件自动统计)钢坯然后控制移坯车一次将多跟钢坯推送至冷床；
[0071] ⑤定点+温度应用：温度应用是指在钢坯的定点检测基础上利用机器视觉相机宽光谱尤其红外波段成像数据对钢坯温度测定而衍生出的应用方式，包括：
[0072] 1)温度控制：在连铸和热轧阶段，钢坯的温度是生产中的重要参数，温度的绝对值、温度场的分布都对上下游的生产控制有重要的作用，现阶段常用专业测温仪器，应用面窄，自动化程度低，利用远红外机器视觉相机，在钢坯运动监控同时，生产钢坯温度场分布图，自动检测、分析、预警，大大提升生产效率。
[0073] 作为本发明的一种优选方式，机器视觉是人工智能正在快速发展的一个方向，机器视觉的目的是使用机器代替人眼来做出测量和判断，机器视觉系统是通过成像元件(分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作，机器视觉系统的特点是提高生产的柔性和自动化程度，在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉，同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度，而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
[0074] 作为本发明的一种优选方式，所述步骤二中图像变换的方法为傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术。
[0075] 作为本发明的一种优选方式，所述步骤二中的Hough变换是一种使用表决原理的参数估计技术，其原理是利用图像空间和Hough参数空间的点－线对偶性，把图像空间中的检测问题转换到参数空间。
[0076] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性
实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附
权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0077] 此外，应当理解，虽然本
说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
