1.一种热轧带钢检测及跑偏预警方法，其特征在于，包括：采集热轧带钢生产数据并进行预处理，构建热轧带钢图像数据集；

利用构建的热轧带钢图像数据集训练支持向量机建立热轧带钢检测模型；

利用所述热轧带钢检测模型对预处理后的热轧带钢图像数据进行检测，将检测出的有钢图像保存到有钢数据集中，检测出的无钢图像保存到无钢数据集中；

基于热轧带钢检测模型检测出的有钢图像设计热轧带钢跑偏预警算法，所述热轧带钢跑偏预警算法为利用改进的概率统计Hough变换直线检测算法提取图像中潜在的辊道和带钢边缘直线，进而根据带钢与辊道间位置筛选出的带钢边缘直线位置坐标进行跑偏预警及跑偏量预测，所述改进的概率统计Hough变换直线检测算法为根据实际轧制方向限定概率统计Hough变换中的检测角度范围，并将相同边缘检测出的不同直线进行融合；

将所述热轧带钢检测模型和所述热轧带钢跑偏预警算法嵌入生产现场表检系统中，在生产中监测带钢运行，将预警信息和跑偏量预测结果实时反馈到上位机中。

2.根据权利要求1所述的热轧带钢检测及跑偏预警方法，其特征在于，采集热轧带钢生产数据并进行预处理，构建热轧带钢图像数据集，包括：将图像采集设备安装在热轧产线层流冷却出口处的辊道上方位置采集一批热轧带钢生产图像数据；

针对图像数据中存在的透视畸变采用透视变换进行预处理矫正畸变；

从预处理后的图像数据集中随机选取有钢图像和无钢图像各若干张，并按照设定的比例随机划分成训练集和测试集。

3.根据权利要求1所述的热轧带钢检测及跑偏预警方法，其特征在于，利用构建的数据集训练支持向量机建立热轧带钢检测模型，包括：设计并提取训练集和测试集的HOG特征向量；

利用提取的训练集HOG特征向量集训练支持向量机得到热轧带钢检测模型，并利用提取的测试集HOG特征向量集验证模型精度。

4.根据权利要求3所述的热轧带钢检测及跑偏预警方法，其特征在于，提取训练集和测试集的HOG特征向量，包括：从训练集中随机取一张有钢图像，并根据图像尺寸、带钢尺寸设计提取HOG特征参数，包括：滑动窗口尺寸、每个单元格的像素尺寸、每个块的单元格个数；

将图像转换成单通道灰度图像，采用Gamma校正法对单通道灰度图像进行颜色空间的归一化处理，设置Gamma系数；

T

计算方向梯度，采用[‑1，0，1]和[‑1，0，1]算子与归一化图像进行卷积计算得到图像在(x,y)点处的水平方向梯度Gx(x,y)和竖直方向梯度Gy(x,y)，根据方向梯度计算(x,y)点处的梯度幅值 和梯度方向构建梯度直方图，并生成HOG特征向量。

5.根据权利要求1所述的热轧带钢检测及跑偏预警方法，其特征在于，改进的概率统计Hough变换直线检测算法，包括：S1：从所述分类出的有钢图像数据集中取一张图像进行灰度化处理；

S2：对灰度图像进行高斯滤波，然后进行Canny边缘检测；

S3：获取边缘检测图像的边缘点集合P；

S4：根据点线间的对偶性原理将点集合P由图像坐标系x‑y中的点转换为参数坐标系α‑l中的直线，将参数坐标系划分为n个区间，每个区间对应一个累加器，设置参数坐标划分区间精度α0和l0，设置参数坐标系划分区间范围α＝[a,b]，l＝[c,d]，设置直线累加阈值为threshod；

S5：随机从点集合P抽取一个像素点，计算其参数坐标系下的α值和l值，找到对应区间的累加器计数加1，若无对应区间的累加器，则在点集合P中删除该点；

S6：判断是否有累加器计数值大于threshod，若有，转到步骤S7，否则，转到步骤S5；

S7：完成一次直线检测，清空该累加器中的投票并从点集合P删除该直线上对应的所有点；

S8：判断点集合P是否为空集，若P为空集，转到步骤S9，否则，转到步骤S5；

S9：将检测出的每条直线延长至图像上下两边缘处；

S10：采用冒泡法将直线按照上端点横坐标值由小到大进行排序；

S11：按横坐标值大小依次取两条直线，计算其斜率及纵坐标中点处两直线距离；

S12：判断两条直线斜率及距离是否满足设定阈值，将两个条件都满足的直线融合成新直线；

S13：遍历所有直线，直到没有满足斜率及距离阈值的两条直线；

S14：得到带钢及辊道边缘直线集合。

6.根据权利要求1所述的热轧带钢检测及跑偏预警方法，其特征在于，根据带钢与辊道间位置筛选出的带钢边缘直线位置坐标进行跑偏预警及跑偏量预测，包括：S21：获取图像像素宽度W，带钢实际宽度Wmm_strip，辊道实际宽度Wmm_roll，计算图像中带钢像素宽度 获取带钢及辊道边缘直线集合；

S22：取一条直线，计算其两端点x轴坐标平均值，并判断其是否大于W/2，若满足，则保存为右侧直线集合，否则保存为左侧直线集合，然后将该直线从带钢及辊道边缘直线集合中删除；

S23：判断带钢及辊道边缘直线集合是否为空集，若为空集，则转到步骤S24，否则转到步骤S22；

S24：取左侧直线集合中最后一条直线和右侧直线集合中第一条直线，得到带钢边缘直线集合；

S25：设置带钢左右跑偏预警位置坐标(xleft_warning,xright_warning)，计算实际尺寸与图像像素尺寸之间的比例关系S26：计算带钢边缘直线集合中左右边缘直线两端点x轴坐标平均值记为xleft_edge和xright_edge；

S27：若满足xleft_edge≤xleft_warning且xright_edge≤xleft_warning+Wpixel_strip，输出带钢左侧跑偏预警；

若满足xleft_warning＜xleft_edge＜xright_warning‑Wpixel_strip且xleft_warning+Wpixel_strip＜xright_edge＜xright_warning，输出带钢跑偏正常；

若满足xleft_edge≥xright_warning‑Wstrip且xright_edge≥xright_warning，输出带钢右侧跑偏预警；

S28：计算带钢跑偏预测值