一种基于机器视觉的钢卷异常识别方法、系统、设备及介质技术方案

本发明专利技术提供一种基于机器视觉的钢卷异常识别方法、系统、设备及介质，所述的方法包括：获取目标钢卷的关联特征信息，所述关联特征信息包括目标钢卷的位置信息；根据所述位置信息与预设的感兴趣区域进行对比，判断所述目标钢卷是否在指定区域；若所述目标钢卷在指定区域，则识别所述目标钢卷的对应序号、宽度，确定宽度异常的目标钢卷及对应序号。对目标钢卷的钢卷图片进行标注，确定图中钢卷特征并记录对应的位置信息，对钢卷特征进行提取学习，获取识别模型，通过识别模型对钢卷进行识别，识别目标钢卷是否在指定区域、检测目标钢卷的宽度是否异常以及识别目标钢卷的对应序号，实现对钢卷异常的识别和监控，避免造成潜在的安全风险。

【技术实现步骤摘要】
一种基于机器视觉的钢卷异常识别方法、系统、设备及介质
本专利技术涉及检测
，特别是涉及一种基于机器视觉的钢卷异常识别方法、系统、设备及介质。
技术介绍
在钢铁产品生产中，钢卷是为了方便储存和运输的一种重要产品。在钢卷精整打包的过程中，很容易发生钢卷打包后，钢卷宽度超标，卷形异常的情况。受现场工况条件影响，钢卷异常不便于识别和监控，进而造成潜在的安全风险。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于机器视觉的钢卷异常识别方法、系统、设备及介质，用于解决现有技术中钢卷异常不便于识别和监控的问题。为实现上述目的及其他相关目的，本专利技术提供一种基于机器视觉的钢卷异常识别方法，包括：获取目标钢卷的关联特征信息，所述关联特征信息包括目标钢卷的位置信息；根据所述位置信息与预设的感兴趣区域进行对比，判断所述目标钢卷是否在指定区域；若所述目标钢卷在指定区域，则识别所述目标钢卷的对应序号、宽度，确定宽度异常的目标钢卷及对应序号。可选的，获取目标钢卷的关联特征信息的步骤包括：通过目标检测卷积神经网络识别钢卷图片中的目标钢卷及对应的外接矩形框，通过所述外接矩形框确定关联特征信息。可选的，所述关联特征信息包括：filename,width,height,depth,xmin,ymin,xmax,ymax，class其中，filename是钢卷图片名称，width,height,depth是钢卷图片对应的长、宽、深度信息，xmin、ymin分别为外接矩形框在钢卷图片中的左上角x、y坐标值，xmax、ymax分别为外接矩形框在钢卷图片中的右下角x、y坐标值，class为目标类别。可选的，判断所述目标钢卷是否在指定区域的步骤包括：判断目标钢卷的中心线是否落入预设的感兴趣区域内，若是，则所述目标钢卷在指定区域，其中，判断目标钢卷的中心线是否落入预设的感兴趣区域内的数学表达为：yminR<liney<ymaxRliney＝(ymin+ymax)/2[yminR,xminR,ymaxR,xmaxR]其中，yminR、xminR、ymaxR、xmaxR为预设的感兴趣区域的坐标值，ymin为外接矩形框在钢卷图片中的左上角y坐标值，ymax分别为外接矩形框在钢卷图片中的右下角y坐标值，liney为目标钢卷的中心线的坐标。可选的，识别所述目标钢卷的对应序号的步骤包括：识别指定区域的目标钢卷的数字，并依次进行对比，记两位数字为数字a、b，数字a、数字b的位置信息分别为：[ymina,xmina,ymaxa,xmaxa][yminb,xminb,ymaxb,xmaxb]当数字a、数字b的位置信息满足合并映射时，通过数字确定目标钢卷的所述对应序号，所述合并映射的数学表达为：|xmaxa-xminb|<threshold1|ymina-yminb|<threshold2|ymaxa-ymaxb|<threshold3其中，ymina、xmina、ymaxa、xmaxa为数字a的坐标，yminb、xminb、ymaxb、xmaxb为数字b的坐标，threshold1、threshold2、threshold3分别为第一阈值、第二阈值和第三阈值。可选的，识别所述目标钢卷的宽度异常的步骤包括：|xmax-xmin|>threshold4其中，xmin为外接矩形框在钢卷图片中的左上角x坐标值，xmax为外接矩形框在钢卷图片中的右下角x坐标值，|xmax-xmin|为目标钢卷的宽度，threshold4为钢卷的宽度阈值。可选的，所述目标检测卷积神经网络包括SSD卷积神经网络、Yolo卷积神经网络或Faster-RCNN卷积神经网络。一种基于机器视觉的钢卷异常识别系统，包括：采集模块，用于获取目标钢卷的关联特征信息，所述关联特征信息包括目标钢卷的位置信息；对比模块，用于对比目标钢卷的位置信息与预设的感兴趣区域，判断所述目标钢卷是否在指定区域；判定模块，用于识别所述目标钢卷的对应序号、宽度，确定宽度异常的目标钢卷及对应序号。一种设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行一个或多个所述的方法。一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行一个或多个所述的方法。如上所述，本专利技术的基于机器视觉的钢卷异常识别方法、系统、设备及介质，具有以下有益效果：对目标钢卷的钢卷图片进行标注，确定图中钢卷特征并记录对应的位置信息，并将钢卷图片的数据集按训练集、测试集、验证集进行划分，对钢卷特征进行提取学习，获取识别模型，通过识别模型对工业生产场景下钢卷进行识别，识别目标钢卷是否在指定区域、检测目标钢卷的宽度是否异常以及识别目标钢卷的对应序号，实现对钢卷异常的识别和监控，避免造成潜在的安全风险。附图说明图1显示为本专利技术实施例的基于机器视觉的钢卷异常识别方法的示意图。图2显示为本专利技术实施例的基于机器视觉的钢卷异常识别系统的结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，本实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本专利技术可实施的范围，其相对关系的改变或调整，在无实质变更
技术实现思路
下，当亦视为本专利技术可实施的范畴。请参阅图1，本专利技术提供一种基于机器视觉的钢卷异常识别方法，包括：S1：获取目标钢卷的关联特征信息，所述关联特征信息包括目标钢卷的位置信息；S2：根据所述位置信息与预设的感兴趣区域进行对比，判断所述目标钢卷是否在指定区域；S3：若所述目标钢卷在指定区域，则识别所述目标钢卷的对应序号、宽度，确定宽度异常的目本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的钢卷异常识别方法，其特征在于，包括：/n获取目标钢卷的关联特征信息，所述关联特征信息包括目标钢卷的位置信息；/n根据所述位置信息与预设的感兴趣区域进行对比，判断所述目标钢卷是否在指定区域；/n若所述目标钢卷在指定区域，则识别所述目标钢卷的对应序号、宽度，确定宽度异常的目标钢卷及对应序号。/n

【技术特征摘要】
1.一种基于机器视觉的钢卷异常识别方法，其特征在于，包括：
获取目标钢卷的关联特征信息，所述关联特征信息包括目标钢卷的位置信息；
根据所述位置信息与预设的感兴趣区域进行对比，判断所述目标钢卷是否在指定区域；
若所述目标钢卷在指定区域，则识别所述目标钢卷的对应序号、宽度，确定宽度异常的目标钢卷及对应序号。


2.根据权利要求1所述的基于机器视觉的钢卷异常识别方法，其特征在于，获取目标钢卷的关联特征信息的步骤包括：通过目标检测卷积神经网络识别钢卷图片中的目标钢卷及对应的外接矩形框，通过所述外接矩形框确定关联特征信息。


3.根据权利要求1或者2所述的基于机器视觉的钢卷异常识别方法，其特征在于，所述关联特征信息包括：
filename,width,height,depth,xmin,ymin,xmax,ymax,class
其中，filename是钢卷图片名称，width,height,depth是钢卷图片对应的长、宽、深度信息，xmin、ymin分别为外接矩形框在钢卷图片中的左上角x、y坐标值，xmax、ymax分别为外接矩形框在钢卷图片中的右下角x、y坐标值，class为目标类别。


4.根据权利要求1所述的基于机器视觉的钢卷异常识别方法，其特征在于，判断所述目标钢卷是否在指定区域的步骤包括：
判断目标钢卷的中心线是否落入预设的感兴趣区域内，若是，则所述目标钢卷在指定区域，其中，判断目标钢卷的中心线是否落入预设的感兴趣区域内的数学表达为：
yminR<liney<ymaxR
liney＝(ymin+ymax)/2
[yminR,xminR,ymaxR,xmaxR]
其中，yminR、xminR、ymaxR、xmaxR为预设的感兴趣区域的坐标值，ymin为外接矩形框在钢卷图片中的左上角y坐标值，ymax分别为外接矩形框在钢卷图片中的右下角y坐标值，liney为目标钢卷的中心线的坐标。


5.根据权利要求1所述的基于机器视觉的钢卷异常识别方法，其特征在于，识别所述目标钢卷的对应序号的步骤包括：
识别指定区域的目标钢卷的数字，并依次进行对比，记两位数字为数字a、b，数字a、数字b的位置信息分别为...

【专利技术属性】
技术研发人员：庞殊杨，刘雨佳，冉星明，刘睿，张超杰，贾鸿盛，毛尚伟，唐安琪，杜一杰，
申请(专利权)人：中冶赛迪重庆信息技术有限公司，
类型：发明
国别省市：重庆;50