一种人工智能废钢扣杂评级方法及系统技术方案

本发明专利技术公开了一种人工智能废钢扣杂评级方法及系统，包括获取废钢并确认废钢的料型；通过整图分类模型进行分类，得到不同的料型及其图像占比；利用智能摄像模块分层图像采样，获取不同的料型的分层图像；利用语义分割模型对分层图像进行图像成分占比划分；利用信息统计模块，根据图像成分占比情况分析出其等级和扣杂量并统计汇总结果。本发明专利技术可实现从货车入场后智能调度到废钢等级判定，扣杂全流程智能化、自动化，能够远程同时监控若干卸货区，改善了工作环境，降低了劳动强度，提高了质检效率。也避免了人为因素导致的不必要的损失。也避免了人为因素导致的不必要的损失。也避免了人为因素导致的不必要的损失。

【技术实现步骤摘要】
一种人工智能废钢扣杂评级方法及系统


[0001]本专利技术涉及废钢扣杂评级
，特别涉及一种人工智能废钢扣杂评级方法及系统。

技术介绍

[0002]目前世界每年产生的废钢总量为3～4亿吨，约占钢总产量的45～50％，统计数据显示，中国钢铁产量全球领先，但废钢利用率仅21.2％，远低于美国的72.1％，也低于世界平均水平。废钢再利用能够降低能耗和成本，1吨废钢能炼出860公斤钢材。
[0003]现有技术的不足之处在于，现有废钢来源复杂，种类繁多、料型不一，定级主要靠质检员肉眼识别，难以量化和标准化。存在混装和摻杂的问题，且质检员工作强度大，作业风险高。

技术实现思路

[0004]本专利技术的目的克服现有技术存在的不足，为实现以上目的，采用一种人工智能废钢扣杂评级方法及系统，以解决上述
技术介绍
中提出的问题。
[0005]一种人工智能废钢扣杂评级方法，具体步骤包括：
[0006]获取废钢并确认废钢的料型；
[0007]通过整图分类模型进行分类，得到不同的料型及其图像占比；
[0008]利用智能摄像模块分层图像采样，获取不同的料型的分层图像；
[0009]利用语义分割模型对分层图像进行图像成分占比划分；
[0010]利用信息统计模块，根据图像成分占比情况分析出其等级和扣杂量并统计汇总结果。
[0011]作为本专利技术的进一步的方案：所述通过整图分类模型进行分类，得到不同的料型及其图像占比的具体方法包括：
[0012]获取废钢的料型的整体图像；
[0013]将整体图像均分成面积相等的若干图像；
[0014]将若干图像分别输入整图分类模型中；
[0015]利用细粒度分类算法，提取若干图像中的图像特征；
[0016]再利用分类器对若干图像中的废钢类型判别，得到若干图像的不同的料型。
[0017]最后统计若干图像的料型面积占比，从而进行较精确的预检分类。
[0018]作为本专利技术的进一步的方案：所述利用智能摄像模块分层图像采样，获取不同的料型的分层图像的具体方法包括：
[0019]根据不同料型的废钢，利用智能摄像模块对卸载废钢进行分层图像采样。
[0020]作为本专利技术的进一步的方案：所述分层图像采样的具体方法包括：
[0021]通过车辆定位算法，将装载废钢车辆驶入车位进行定位；
[0022]再通过吸盘定位算法调整吸盘位置，对装载废钢进行均匀分层抓取后卸载；
[0023]利用相机追踪算法控制所述智能摄像模块摄取采集分层图像；
[0024]同时判断分层图像的废钢纯度与预检分类的废钢纯度是否一致，纯度差异较大，则提示人工处理。
[0025]作为本专利技术的进一步的方案：所述利用语义分割模型对分层图像进行图像成分占比划分的具体方法包括：
[0026]首先获取分层图像；
[0027]利用语义分隔模型获取分层图像的同一料型的特征；
[0028]再统计确定各个分层图像的同一料型的特征的占比，并分析出废钢等级和扣杂量。
[0029]作为本专利技术的进一步的方案：所述利用信息统计模块，根据图像成分占比情况分析出其等级和扣杂量并统计汇总结果的具体方法包括：
[0030]获取不同废钢料型的体积和密度曲线；
[0031]通过面积占比和对应的废钢体积曲线，以及废钢密度曲线，分别得到单位重量下的体积和废钢的密度，并运算得到重量占比；
[0032]运算完成后，通过softmax进行一次映射，得到各个废钢的重量占比。
[0033]作为本专利技术的进一步的方案：所述softmax多分类器，用于计算预测对象属于各个类别的概率：
[0034][0035]其中，y
i
为预测对象属于第c类的概率，Zi表示第C类废钢重量，e
Zi
为第C类废钢重量经过自然对数的底数e的指数函数映射，所有废钢重量经过自然对数的底数e的指数函数映射后求和。
[0036]一种采用如上述的一种人工智能废钢扣杂评级方法的系统，包括
[0037]智能摄像模块，用于摄取预检分类和复检分层分类的废钢图像；
[0038]智能算法模块，用于利用不同算法对获取的不同料型的图像进行处理；
[0039]信息统计模块，用于根据智能算法模块处理得到图像数据进行统计分析得出结果。
[0040]与现有技术相比，本专利技术存在以下技术效果：
[0041]通过采用上述的技术方案，利用人工智能技术，包括利用细粒度图像分类算法进行图像特征分类，利用图像语义分割对同一图像特征进行处理，还利用了目标检测，目标追踪，车辆定位和大数据挖掘等算法，用神经网络学习质检人员的经验技能，实现人工质检技术的迁移，在大数据的加持下，达到甚至超过一般质检人员的质检水平。从而实现从货车入场后智能调度到废钢等级判定，扣杂全流程智能化、自动化。改善工作环境，降低劳动强度和质检人员的质检效率。也可避免工作流程弊端导致的不必要的损失。
附图说明
[0042]下面结合附图，对本专利技术的具体实施方式进行详细描述：
[0043]图1为本申请公开的一些实施例的人工智能废钢扣杂评级方法的流程框图；
[0044]图2为本申请公开的一些实施例的人工智能废钢扣杂评级方法的废钢体积曲线图；
[0045]图3为本申请公开的一些实施例的人工智能废钢扣杂评级方法的废钢密度曲线图。
具体实施方式
[0046]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0047]现有废钢的评级和扣杂质检流程为：
[0048]首先，车辆进入厂区后，废钢供应商申报当前废钢等级，并经磅秤称取货车毛重。
[0049]然后，质检人员在预检工位查看，初步判定废钢等级和种类，并制定货车驶入相应卸货区域。
[0050]其次，质检人员在复检工位，随着吸盘卸货的进行，分层观察不同深度的废钢等级和含杂量情况。
[0051]整车卸货完成后，货车经过磅秤称取皮重。
[0052]最后，汇总观察得到的结果和废钢净重(废钢净重＝货车毛重
‑
货车皮重)，质检人员依据个人经验和内控标准评定整车废钢等级和杂质含量。
[0053]请参考图1，本专利技术实施例中，一种人工智能废钢扣杂评级方法，具体步骤包括：
[0054]S1、获取废钢并确认废钢的料型；
[0055]具体的，废钢大致分为两种：料型统一，其主体成分为一种类型废钢，如碎料、小料、大料。混搭料型：各种类型废钢都有。
[0056]S2、通过整图分类模型进行分类，得到不同的料型及其粗略的图像占比；
[0057]通过摄像机等图像摄取设备获取废钢本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能废钢扣杂评级方法，其特征在于，包括：获取废钢并确认废钢的料型；通过整图分类模型进行分类，得到不同的料型及其图像占比；利用智能摄像模块分层图像采样，获取不同的料型的分层图像；利用语义分割模型对分层图像进行图像成分占比划分；利用信息统计模块，根据图像成分占比情况分析出其等级和扣杂量并统计汇总结果。2.根据权利要求1所述一种人工智能废钢扣杂评级方法，其特征在于，所述通过整图分类模型进行分类，得到不同的料型及其图像占比的具体方法包括：获取废钢的料型的整体图像；将整体图像均分成面积相等的若干图像；将若干图像分别输入整图分类模型中；利用细粒度分类算法，提取若干图像中的图像特征；再利用分类器对若干图像中的废钢类型判别，得到若干图像的不同的料型。最后统计若干图像的料型面积占比，从而进行较精确的预检分类。3.根据权利要求2所述一种人工智能废钢扣杂评级方法，其特征在于，所述利用智能摄像模块分层图像采样，获取不同的料型的分层图像的具体方法包括：根据不同料型的废钢，利用智能摄像模块对卸载废钢进行分层图像采样。4.根据权利要求3所述一种人工智能废钢扣杂评级方法，其特征在于，所述分层图像采样的具体方法包括：通过车辆定位算法，将装载废钢车辆驶入车位进行定位；再通过吸盘定位算法调整吸盘位置，对装载废钢进行均匀分层抓取后卸载；利用相机追踪算法控制所述智能摄像模块摄取采集分层图像；同时判断分层图像的废钢纯度与预检分类的废钢纯度是否一致，纯度差异较大，则提示人工处理。5.根据权利要...

【专利技术属性】
技术研发人员：王筱圃，刘伟，朱立民，钟智敏，
申请(专利权)人：科大智能物联技术有限公司，
类型：发明
国别省市：