轧制板材的区域检测方法及装置、存储介质、计算机设备

技术领域

本发明涉及轧制图像分析技术领域，特别是涉及一种轧制板材的区域检测方法及装置、存储介质、计算机设备。

背景技术

随着钢铁工业的转型升级和智能化技术的快速发展，机器视觉技术由于其非接触、高效和高自动化的特点，已应用于自动剪切系统、平面形状控制技术以及镰刀弯实时监测等轧制工艺生产中。特别是在中厚板平面形状控制工艺中，通过对设置在轧机后的相机所拍摄的钢板头尾端照片进行图像处理，可以代替传统人工对头尾端切损区域的测量，提高效率和精确度，还能为后端智能分析提供大量实际数据。

目前，在对轧制中的中厚板材进行图像处理时，采用人工经验设定的阈值提取钢板区域的像素点作为感兴趣区域，并剔除掉非钢板区域的像素点作为非感兴趣区域，为下一步钢板的轮廓识别打下基础。但是，在采集轧制钢板图像的过程中，由于不同道次的钢板温度不同，不同时间的车间光线明暗不同以及灰尘和电磁干扰等因素，均会使所拾取的图像受到影响。采用人工经验设定的固定阈值对所采集的所有钢板图像进行阈值处理，则无法准确提取每一张图像的钢板区域，必然会影响轮廓识别处理等后续工作。

发明内容

有鉴于此，本发明提供一种轧制板材的区域检测方法及装置、存储介质、计算机设备，主要目的在于解决现有技术中采用固定阈值确定的板材区域误差大的问题。

依据本发明一个方面，提供了一种轧制板材的区域检测方法，包括：

获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；

评估所述待检测板材图像的亮度，得到亮度评估结果；

若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像，并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；

提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；

基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域。

进一步的，所述评估所述待检测板材图像的亮度，得到亮度评估结果包括：

计算所述待检测板材图像的所有像素点的像素平均值；

将所述像素平均值与亮度评估阈值作比较，若所述像素平均值小于所述亮度评估阈值，则将所述亮度评估结果确定为不满足亮度要求；若所述像素平均值大于等于所述亮度评估阈值，则将所述亮度评估结果确定为满足亮度要求。

进一步的，所述评估所述待检测板材图像的亮度之前，所述方法还包括：

基于所述待检测板材图像中各个像素点的像素值对所述待检测板材图像进行去噪处理，得到去噪后图像，以使得基于所述去噪后图像进行亮度评估。

进一步的，所述提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值包括：

通过Canny边缘检测算法对所述目标亮度板材图像的所述边缘信息进行筛选处理，得到包含所述边缘信息的目标像素点；

对所述目标像素点进行连续性检测，并基于连续性检测结果确定包含所述目标像素点最多且连续的轮廓线；

获取所述轮廓线上所有像素点的轮廓线坐标值，并基于所述轮廓线坐标值从所述待检测板材图像中确定轮廓线像素值，并基于所述轮廓线像素值确定与所述待检测板材图像相对应的所述自适应阈值。

进一步的，所述对所述目标像素点进行连续性检测，并基于连续性检测结果确定包含所述目标像素点最多且连续的轮廓线包括：

设置连续性检测区域，并任意获取一个所述目标像素点为所述连续性检测区域的中心像素点；

在所述中心像素点四周剩余区域内进行检测，若剩余区域内包含其余目标像素点，则将所述其余目标像素点和所述中心像素点确认为连续像素点；

基于所述连续像素点确定多条待确定轮廓线，并将包含像素点数量最多的所述待确定轮廓线确定为所述目标亮度板材图像的轮廓线。

进一步的，所述基于所述轮廓线坐标值从所述待检测板材图像中确定轮廓线像素值，并基于所述轮廓线像素值确定所述自适应阈值包括：

从所述待检测板材图像中确定与所述轮廓线坐标值相对应的轮廓线像素点，并将所述轮廓线像素点上的像素值确定为所述轮廓线像素值；

从所述轮廓线像素值中随机获取一个目标轮廓线像素值，并将所述目标轮廓线像素值确定为所述自适应阈值；或，

对所有所述轮廓线像素值进行求平均，得到平均轮廓线像素值；并将所述平均轮廓线像素值确定为所述自适应阈值。

进一步的，所述基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域包括：

获取所述待检测板材图像中的所有待处理像素值与所述自适应阈值进行比较；

若所述待处理像素值小于所述自适应阈值，则将对应的所述待处理像素值确定为0；

若所述待处理像素值大于等于所述自适应阈值，则将对应的所述待处理像素值确定为255；

将所述待检测板材图像中被所述自适应二值化处理后得到的白色区域确定为所述轧制板材的目标区域。

依据本发明另一个方面，提供了一种轧制板材的区域检测装置，包括：

获取模块，用于获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；

亮度评估模块，用于评估所述待检测板材图像的亮度，得到亮度评估结果；

增强处理模块，用于若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像，并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；

阈值确定模块，用于提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；

区域确定模块，用于基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域。

进一步的，所述亮度评估模块还用于：

计算所述待检测板材图像的所有像素点的像素平均值；

将所述像素平均值与亮度评估阈值作比较，若所述像素平均值小于所述亮度评估阈值，则将亮度评估结果确定为不满足亮度要求；若所述像素平均值大于等于所述亮度评估阈值，则将所述亮度评估结果确定为满足亮度要求。

进一步的，所述装置还包括去噪模块，用于基于所述待检测板材图像中各个像素点的像素值对所述待检测板材图像进行去噪处理，得到去噪后图像，以使得基于所述去噪后图像进行亮度评估。

进一步的，所述阈值确定模块，包括：

信息筛选单元， 用于通过Canny边缘检测算法对所述目标亮度板材图像的所述边缘信息进行筛选处理，得到包含所述边缘信息的目标像素点；

连续性检测单元，用于对所述目标像素点进行连续性检测，并基于连续性检测结果确定包含所述目标像素点最多且连续的轮廓线；

阈值确定单元，用于获取所述轮廓线上所有像素点的轮廓线坐标值，并基于所述轮廓线坐标值从所述待检测板材图像中确定轮廓线像素值，并基于所述轮廓线像素值确定与所述待检测板材图像相对应的所述自适应阈值。

进一步的，所述连续性检测单元，还用于：

设置连续性检测区域，并任意获取一个所述目标像素点为所述连续性检测区域的中心像素点；

在所述中心像素点四周剩余区域内进行检测，若剩余区域内包含其余目标像素点，则将所述其余目标像素点和所述中心像素点确认为连续像素点；

基于所述连续像素点确定多条待确定轮廓线，并将包含像素点数量最多的所述待确定轮廓线确定为所述目标亮度板材图像的轮廓线。

进一步的，所述阈值确定单元，还用于：

从所述待检测板材图像中确定与所述轮廓线坐标值相对应的轮廓线像素点，并将所述轮廓线像素点上的像素值确定为所述轮廓线像素值；

从所述轮廓线像素值中随机获取一个目标轮廓线像素值，并将所述目标轮廓线像素值确定为所述自适应阈值；或，

对所有所述轮廓线像素值进行求平均，得到平均轮廓线像素值；并将所述平均轮廓线像素值确定为所述自适应阈值。

进一步的，所述区域确定模块，还用于：

获取所述待检测板材图像中的所有待处理像素值与所述自适应阈值进行比较；

若所述待处理像素值小于所述自适应阈值，则将对应的所述待处理像素值确定为0；

若所述待处理像素值大于等于所述自适应阈值，则将对应的所述待处理像素值确定为255；

将所述待检测板材图像中被所述自适应二值化处理后得到的白色区域确定为所述轧制板材的目标区域。

依据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述轧制板材的区域检测方法对应的操作。

依据本发明另一个方面，提供了一种计算机设备，包括处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上述轧制板材的区域检测方法对应的操作。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明提供了一种轧制板材的区域检测方法及装置、存储介质、计算机设备，与现有技术相比，本发明通过获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；评估所述待检测板材图像的亮度，得到亮度评估结果；若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像；并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域，实现了对不同亮度轧制板材图像的区域检测。本发明采用自适应阈值进行区域划分，避免了固定阈值划分区域时导致的无法划分或者误差大的问题，提高了轧制板材区域划分的自动化程度及可操控性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种轧制板材的区域检测方法的流程示意图；

图2示出了本发明实施例提供的另一种轧制板材的区域检测方法的流程示意图；

图3示出了本发明实施例提供的三张不同轧制钢板采集的头端图像的灰度图；

图4示出了本发明实施例提供的又一种轧制板材的区域检测方法的流程示意图；

图5示出了本发明实施例提供的经Canny边缘检测算法筛选处理得到的包含边缘信息的目标像素点示意图；

图6示出了本发明实施例提供的再一种轧制板材的区域检测方法的流程示意图；

图7示出了本发明实施例提供的经二值化处理后的图像；

图8示出了本发明实施例提供的一种轧制板材的区域检测装置的结构示意图；

图9示出了本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种轧制板材的区域检测方法，如图1所示，该方法包括：

101、获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；

本发明实施例中，当前执行端获取待检测板材图像，其中，待检测板材图像包含轧制板材的边缘信息，如中厚钢板的头端拍摄照片包含中厚钢板的头端边缘信息，中厚钢板的尾端拍摄照片包含中厚钢板的尾端边缘信息等，本发明实施例不做具体限定。

102、评估所述待检测板材图像的亮度，得到亮度评估结果；

本发明实施例中，由于在轧制过程中，轧制道次数较少的钢板的实际温度较高，所采集的钢板图像较亮；轧制道次数较多的钢板的实际温度较低，所采集的钢板图像较暗。所以，当前执行端需要评估待检测板材图像的亮度，得到亮度评估结果，所述亮度评估结果包括满足亮度要求和不满足亮度要求两种。

103、若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像，并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；

本发明实施例中，当前执行端基于亮度评估结果确定不满足亮度要求的待检测板材图像，则需要进行图像增强处理，将不满足亮度要求的待检测板材图像确定为待增强板材图像。如果待检测板材图像的亮度满足亮度要求，则不需要进行图像增强处理，将待检测板材图像直接确定为目标亮度板材图像转至步骤104执行轮廓线提取等操作。当前执行端对待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像。本发明实施例中，图像增强处理可采用的方法包括Gamma图像增强处理，Gamma图像增强的特点是可以让较低灰度的像素点快速提高，而较高灰度的像素点则变化很小，来增大钢板区域像素值与背景区域像素值的梯度值。因此可以在不造成新干扰的情况下，对较暗的钢板图像进行明显提升。

104、提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；

本发明实施例中，由于拍摄的待检测板材图像包括板材部分和背景部分，所以当前执行端需要根据两部分的边缘进行检测，提取目标亮度板材图像的轮廓线，再基于轮廓线确定与所述待检测板材图像相对应的自适应阈值。所述自适应阈值表征根据轮廓线的变化而变化的阈值，可以有效寻找到后期二值化处理的最优阈值，自动化程度高。

105、基于所述自适应阈值对所述待检测板材图像进行二值化处理，并基于二值化处理结果确定所述轧制板材的目标区域。

本发明实施例中，当前执行端基于与待检测板材图像相对应的自适应阈值对待检测板材图像进行二值化处理，所述二值化处理用于表征将图像中的每个像素转化为黑白两色的图像处理过程。经二值化处理后的图像更加简化，易于当前执行端进行区域检测。当前执行端基于二值化处理结果确定轧制板材的目标区域，如，当前执行端获取到黑白两色的二值化处理图像后，将黑色区域确定为背景区域，将白色区域确定为轧制板材的目标区域，本发明实施例不做具体限定。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了快速且准确得确定出待增强板材图像，提供了另一种轧制板材的区域检测方法，该方法进一步限定了步骤“评估所述待检测板材图像的亮度，得到亮度评估结果”的内容，如图2所示，包括：

201、计算所述待检测板材图像的所有像素点的像素平均值；

本发明实施例中，当前执行端获取待检测板材图像上所有像素点的像素值，再计算得到像素平均值，本发明实施例中，选取了三张不同钢板采集的头端图像。经过灰度处理后，如图3所示，其中，（a）为灰度处理后待检测板材图像P1，（b）为灰度处理后待检测板材图像P2，（c）为灰度处理后待检测板材图像P3。对其中（a）、（b）、（c）三张图像上所有像素点的像素值求平均后，得到的像素平均值如下表1所示：

表1 亮度评估表

202、将所述像素平均值与亮度评估阈值作比较，若所述像素平均值小于所述亮度评估阈值，则将所述亮度评估结果确定为不满足亮度要求；若所述像素平均值大于等于所述亮度评估阈值，则将所述亮度评估结果确定为满足亮度要求。

本发明实施例中，当前执行端将像素平均值与预设的亮度评估阈值作比较，如果像素平均值小于预设的亮度评估阈值，则将对应的待检测板材图像确定为待增强板材图像，如果像素平均值大于等于预设的亮度评估阈值，则直接对待检测板材图像进行轮廓线提取等操作。如，本发明实施例中预设的亮度评估阈值为50，基于亮度评估阈值50对表1中的图例P1、P2、P3的亮度进行评估，其中，P1和P2的像素平均值大于50，则P1和P2满足亮度要求，不需要进行图像增强处理，直接进入下一个步骤提取轮廓线；P3的像素平均值小于50，则P3不满足亮度要求，需要进行图像增强处理，将待检测板材图像P3确定为待增强板材图像。

需要说明的是，采集的待检测板材图像在进行亮度评估时可能还受到灰尘、水渍等表面污染物的影响，从而降低对待检测板材图像亮度的评估结果。本发明实施例中在步骤评估所述待检测板材图像的亮度之前，还包括：基于待检测板材图像中各个像素点的像素值对待检测板材图像进行去噪处理，得到去噪后图像，以使得基于所述去噪后图像进行亮度评估。如，遍历待检测板材图像所有像素点的像素值，剔除掉像素值小于10的像素点等，本发明实施例不做具体限定。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了针对不同的图像设置不同的阈值，提高板材区域划分的准确性，提供了另一种轧制板材的区域检测方法，该方法进一步限定了步骤“提取所述目标亮度板材图像的轮廓线，并基于所述轮廓线确定与所述待检测板材图像相对应的自适应阈值”的内容，如图4所示，包括：

301、通过Canny边缘检测算法对所述目标亮度板材图像的所述边缘信息进行筛选处理，得到包含所述边缘信息的目标像素点；

本发明实施例中，当前执行端通过Canny边缘检测算法对目标亮度板材图像的所述边缘信息进行筛选处理，得到包含所述边缘信息的目标像素点。其中，Canny边缘检测算法分为以下五个步骤：1.高斯滤波；2.计算图像的梯度大小和梯度方向；3.非极大值抑制；4. 双阈值筛选边缘；5.连接边缘。本发明实施例中，采用Canny边缘检测算法对P1、P2和经图像增强处理后的P3进行边缘检测，Canny边缘检测的双阈值设置为67和32，得到的检测结果如图5所示，其中，（a）为采用Canny边缘检测算法进行边缘信息筛选后的P1，（b）为采用Canny边缘检测算法进行边缘信息筛选后的P2，（c）为采用Canny边缘检测算法进行边缘信息筛选后的P3，本发明实施例不做具体限定。图5中呈白色的亮点为通过Canny边缘检测算法筛选处理得到的包含边缘信息的目标像素点。

302、对所述目标像素点进行连续性检测，并基于连续性检测结果确定包含所述目标像素点最多且连续的轮廓线；

本发明实施例中，当前执行端对目标像素点进行连续性检测，首先设置连续性检测区域，如将以九宫格形式的9个像素点区域设置为连续性检测区域，当前执行端任意获取一个目标像素点为连续性检测区域的中心像素点；然后，在中心像素点四周剩余区域内进行检测，若剩余区域内包含其余目标像素点，则将其余目标像素点和中心像素点确认为连续像素点；通过上述方法遍历所有的像素点，再基于连续像素点确定多条待确定轮廓线，但是这些并不都是钢板的轮廓线，当前执行端还需要将包含像素点数量最多的待确定轮廓线确定为目标亮度板材图像的轮廓线。

303、获取所述轮廓线上所有像素点的基于所述轮廓线坐标值从所述待检测板材图像中确定轮廓线像素值，并基于所述轮廓线像素值确定与所述待检测板材图像相对应的所述自适应阈值。

本发明实施例中，当前执行端获取轮廓线上所有像素点的轮廓线坐标值，由于图像增强处理后的目标亮度板材图像与原待检测板材图像各个像素点的坐标没有发生变化，则可以通过轮廓线的坐标值确定待检测板材图像中轮廓线的对应坐标。再从待检测板材图像中确定与轮廓线坐标值相对应的轮廓线像素点，并将轮廓线像素点上的像素值确定为轮廓线像素值。当前执行端再基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值，如从轮廓线像素值中随机获取一个目标轮廓线像素值，并将目标轮廓线像素值确定为相应图像的自适应阈值；或，对所有轮廓线像素值进行求平均，得到平均轮廓线像素值，并将平均轮廓线像素值确定为相应待检测板材图像的自适应阈值。本发明实施例中，将从待检测板材图像P1、待检测板材图像P2、待检测板材图像P3提取的轮廓线像素值中随机获取的一个目标轮廓线像素值确定为自适应阈值，如表2所示：

表2 自适应阈值

如表2所示，每张待检测板材图像都对应一个自适应阈值，由于阈值不再固定，从而对每张待检测板材图像而言，确定的自适应阈值是最优的。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了使区域边缘更加的明确，便于后期进行自动剪切处理或计算切损率等操作，提供了另一种轧制板材的区域检测方法，该方法进一步限定了步骤“基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域”的内容，如图6所示，包括：

401、获取所述待检测板材图像中的所有待处理像素值与所述自适应阈值进行比较；

402、若所述待处理像素值小于所述自适应阈值，则将对应的所述待处理像素值确定为0；

403、若所述待处理像素值大于等于所述自适应阈值，则将对应的所述待处理像素值确定为255；

404、将所述待检测板材图像中被所述自适应二值化处理后得到的白色区域确定为所述轧制板材的目标区域。

本本发明实施例中，当前执行端获取待检测板材图像中所有待处理像素值，并将获取的待处理像素值与自适应阈值进行比较。如果待处理像素值小于自适应阈值，则将对应的所述待处理像素值确定为0（即二值化处理成黑色）；如果待处理像素值大于等于自适应阈值，则将对应的待处理像素值确定为255（即二值化处理成白色）。本发明实施例中，对待检测板材图像P1、待检测板材图像P2、待检测板材图像P3进行二值化处理后的图像如图7所示。在二值化处理完成后，当前执行端将待检测板材图像中被自适应二值化处理后得到的白色区域确定为轧制板材的目标区域。

本发明实施例提供了一种轧制板材的区域检测方法，与现有技术相比，本发明通过获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；评估所述待检测板材图像的亮度，得到亮度评估结果；若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像；并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域，实现了对不同亮度轧制板材图像的区域检测。本发明采用自适应阈值进行区域划分，避免了固定阈值划分区域时导致的无法划分或者误差大的问题，提高了轧制板材区域划分的自动化程度及可操控性。

作为对上述图1所示方法的实现，本发明实施例提供了一种轧制板材的区域检测装置，如图8所示，该装置包括：

获取模块51，用于获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；

亮度评估模块52，用于评估所述待检测板材图像的亮度，得到亮度评估结果；

增强处理模块53，用于若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像，并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；

阈值确定模块54，用于提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；

区域确定模块55，用于基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域。

进一步的，所述亮度评估模块52还用于：

计算所述待检测板材图像的所有像素点的像素平均值；

将所述像素平均值与亮度评估阈值作比较，若所述像素平均值小于所述亮度评估阈值，则将所述亮度评估结果确定为不满足亮度要求；若所述像素平均值大于等于所述亮度评估阈值，则将所述亮度评估结果确定为满足亮度要求。

进一步的，所述装置还包括去噪模块，用于基于所述待检测板材图像中各个像素点的像素值对所述待检测板材图像进行去噪处理，得到去噪后图像，以使得基于所述去噪后图像进行亮度评估。

进一步的，所述阈值确定模块54，包括：

信息筛选单元， 用于通过Canny边缘检测算法对所述目标亮度板材图像的所述边缘信息进行筛选处理，得到包含所述边缘信息的目标像素点；

连续性检测单元，用于对所述目标像素点进行连续性检测，并基于连续性检测结果确定包含所述目标像素点最多且连续的轮廓线；

阈值确定单元，用于获取所述轮廓线上所有像素点的轮廓线坐标值，并基于所述轮廓线坐标值从所述待检测板材图像中确定轮廓线像素值，并基于所述轮廓线像素值确定与所述待检测板材图像相对应的所述自适应阈值。

进一步的，所述连续性检测单元，还用于：

设置连续性检测区域，并任意获取一个所述目标像素点为所述连续性检测区域的中心像素点；

在所述中心像素点四周剩余区域内进行检测，若剩余区域内包含其余目标像素点，则将所述其余目标像素点和所述中心像素点确认为连续像素点；

基于所述连续像素点确定多条待确定轮廓线，并将包含像素点数量最多的所述待确定轮廓线确定为所述目标亮度板材图像的轮廓线。

进一步的，所述阈值确定单元，还用于：

从所述待检测板材图像中确定与所述轮廓线坐标值相对应的轮廓线像素点，并将所述轮廓线像素点上的像素值确定为所述轮廓线像素值；

从所述轮廓线像素值中随机获取一个目标轮廓线像素值，并将所述目标轮廓线像素值确定为所述自适应阈值；或，

对所有所述轮廓线像素值进行求平均，得到平均轮廓线像素值；并将所述平均轮廓线像素值确定为所述自适应阈值。

进一步的，所述区域确定模块55，还用于：

获取所述待检测板材图像中的所有待处理像素值与所述自适应阈值进行比较；

若所述待处理像素值小于所述自适应阈值，则将对应的所述待处理像素值确定为0；

若所述待处理像素值大于等于所述自适应阈值，则将对应的所述待处理像素值确定为255；

将所述待检测板材图像中被所述自适应二值化处理后得到的白色区域确定为所述轧制板材的目标区域。

本发明实施例提供了一种轧制板材的区域检测装置，与现有技术相比，本发明通过获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；评估所述待检测板材图像的亮度，得到亮度评估结果；若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像；并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域，实现了对不同亮度轧制板材图像的区域检测。本发明采用自适应阈值进行区域划分，避免了固定阈值划分区域时导致的无法划分或者误差大的问题，提高了轧制板材区域划分的自动化程度及可操控性。

根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的轧制板材的区域检测方法。

图9示出了根据本发明一个实施例提供的一种计算机设备的结构示意图，本发明具体实施例并不对计算机设备的具体实现做限定。

如图9所示，该计算机设备可以包括：处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。

其中：处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。

通信接口604，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器602，用于执行程序610，具体可以执行上述轧制板材的区域检测方法的相关步骤。

具体地，程序610可以包括程序代码，该程序代码包括计算机操作指令。

处理器602可能是中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器606，用于存放程序610。存储器606可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。

程序610具体可以用于使得处理器602执行以下操作：

获取待检测板材图像，所述待检测板材图像包含轧制板材的边缘信息；

评估所述待检测板材图像的亮度，得到亮度评估结果；

若所述亮度评估结果不满足亮度要求，则将所述待监测板材图像确定为待增强板材图像，并对所述待增强板材图像进行图像增强处理，得到满足亮度要求的目标亮度板材图像；若所述亮度评估结果满足所述亮度要求，则将所述待检测板材图像直接确定为所述目标亮度板材图像；

提取所述目标亮度板材图像的轮廓线，并基于轮廓线像素值确定与所述待检测板材图像相对应的自适应阈值；

基于所述自适应阈值对所述待检测板材图像进行自适应二值化处理，并基于自适应二值化处理结果确定所述轧制板材的目标区域。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。