图像识别方法和废钢等级的识别方法技术

本申请公开了一种图像识别方法和废钢等级的识别方法。其中，该方法应用于车辆识别中，车辆上设置有至少一层待检测材料，获取图像采集设备采集到的待识别图像，图像采集设备的采集参数与车辆的移动位置相关联，待识别图像中至少包括车辆以及对应层级的待检测材料，对至少一层待检测材料所对应的待识别图像进行识别，得到识别结果，其中，识别结果表征至少一层待检测材料所对应的材料等级，根据至少一层待检测材料所对应的识别结果，确定至少一层待检测材料所对应的目标识别结果，其中，目标识别结果表征了至少一层待检测材料的整体材料等级。本申请解决了有技术中所存在的废钢等级检测不准的问题，实现了自动跟踪识别废钢并且定级的效果。级的效果。级的效果。

【技术实现步骤摘要】
图像识别方法和废钢等级的识别方法


[0001]本申请涉及图像处理领域，具体而言，涉及图像识别方法和废钢等级的识别方法。

技术介绍

[0002]废钢是在生产生活过程中淘汰或者损坏的作为回收利用的废旧钢铁。废钢铁主要包括一些报废的机器、设备、器械、结构件、建筑物以及生产生活中产生的报废钢锭、钢坯、切头切尾、钢铸件、钢轧辊、钢轨、车轴、电器件、日用品等。据测定，1吨废钢能炼出860千克钢材，相当于3
‑
4吨铁矿石、1
‑
1.5吨焦炭所炼的钢，其冶金价值相当于1吨原生铁，并能节约材料90％，减轻空气污染86％，减少采选及冶炼废弃物97％，减少水质污染76％，减少热能消耗75％，节约压缩空气86％及工业用水40％。可见废钢在冶金工业中的优势非常明显。
[0003]由于使用废钢参与冶炼具有简便、经济以及环保的优势，近几年废钢采购量越来越大，但是废钢的来料种类一致性差，现场作业环境复杂，长期依赖人工观察与个人经验作为质量评估的依据，难以量化和标准化。同时废钢作为重要生产资源，正确定级对于后续工艺的使用及原料成本的控制极其重要。
[0004]应用的精细化要求与功能的粗放型现状格格不入，并且人工方式确定废钢等级的方式存在很大的不稳定性以及权力寻租的风险，该方式也会增加质检员工作负荷，难以合理分配质检员工作时间的问题。
[0005]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本申请实施例提供了一种图像识别方法和废钢等级的识别方法，以至少解决有技术中所存在的废钢等级检测不准的技术问题。
[0007]根据本申请实施例的一个方面，提供了一种图像识别方法，应用于车辆识别中，车辆上设置有至少一层待检测材料，该方法包括：获取图像采集设备采集到的待识别图像，其中，图像采集设备的采集参数与车辆的移动位置相关联，待识别图像中至少包括车辆以及对应层级的待检测材料；对至少一层待检测材料所对应的待识别图像进行识别，得到识别结果，其中，识别结果表征至少一层待检测材料所对应的材料等级；根据至少一层待检测材料所对应的识别结果，确定多层待检测材料所对应的目标识别结果，其中，目标识别结果表征了多层待检测材料的整体材料等级。
[0008]根据本申请实施例的另一方面，还提供了一种图像识别方法，应用于车辆识别中，车辆上设置有至少一层待检测材料，包括：读取图像采集设备采集到的待识别图像，并在图形用户界面中显示待识别图像，其中，图像采集设备的采集参数与车辆的移动位置相关联，待识别图像中至少包括车辆以及对应层级的待检测材料；在图形用户界面中显示对目标材料进行类型识别的第一识别结果，其中，目标材料为至少一层待检测材料中满足预设条件的材料；在图形用户界面显示对目标材料进行等级识别的第二识别结果，其中，第二识别结果表征至少一层待检测材料所对应的材料等级；在图形用户界面显示至少一层待检测材料
所对应的目标识别结果，其中，目标识别结果是根据至少一层待检测材料所对应的识别结果确定得到的，目标识别结果表征了至少一层待检测材料所对应的整体材料等级。
[0009]根据本申请实施例的另一方面，还提供了一种图像识别方法，应用于车辆识别中，车辆上设置有至少一层待检测材料，包括：云服务器获取图像采集设备所采集到的待识别图像，其中，图像采集设备的采集参数与车辆的移动位置相关联，待识别图像中至少包括车辆以及对应层级的待检测材料；云服务器对至少一层待检测材料所对应的待识别图像进行识别，得到识别结果，其中，识别结果表征至少一层待检测材料所对应的材料等级；云服务器根据至少一层待检测材料所对应的识别结果，确定至少一层待检测材料所对应的目标识别结果，其中，目标识别结果表征了至少一层待检测材料的整体材料等级；云服务器推送目标识别结果至客户端。
[0010]根据本申请实施例的另一方面，还提供一种废钢等级的识别方法，应用于车辆识别中，车辆上设置有至少一层废钢,包括：获取图像采集设备采集到的待识别图像，其中，图像采集设备的采集参数与车辆的移动位置相关联，待识别图像中至少包括车辆以及对应层级的废钢；从至少一层废钢所对应的待识别图像中提取目标区域图像，其中，目标区域图像至少包括对应层级的废钢；对目标区域图像进行识别，得到识别结果，其中，识别结果表征至少一层废钢所对应的废钢等级；根据至少一层废钢所对应的识别结果，确定至少一层废钢所对应的目标识别结果，其中，目标识别结果表征了至少一层废钢的整体废钢等级。
[0011]根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的图像识别方法以及废钢等级的识别方法。
[0012]根据本申请实施例的另一方面，还提供了一种计算机设备，该计算机设备包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的图像识别方法以及废钢等级识别方法。
[0013]在本申请实施例中，采用自动跟踪车辆，对车辆进行抓拍，并对抓拍图像进行智能分析的方式，首先获取图像采集设备采集到的待识别图像，其中，图像采集设备的采集参数与车辆的移动位置相关联，待识别图像中至少包括车辆以及对应层级的待检测材料，然后对至少一层待检测材料所对应的待识别图像进行识别，得到识别结果，其中，识别结果表征至少一层待检测材料所对应的材料等级，进而根据至少一层待检测材料所对应的识别结果，确定多层待检测材料所对应的目标识别结果，其中，目标识别结果表征了至少一层待检测材料的整体材料等级。
[0014]在上述过程中，由于图像采集设备的采集参数与车辆的移动位置相关联，图像采集设备采集到的待识别图像中至少包括车辆和对应层级的待检测材料，从而避免了因停车不当所导致的图像采集不灵活以及容易出现识别错误或者失败的问题。而且，在本申请中，通过对至少一层待检测材料所对应的待识别图像进行识别，得到识别结果，并且根据各层待检测材料的识别结果，综合分析得出整车的待检测材料的目标识别结果，进而判断整体的材料等级，避免了由单张图像的识别结果认定整体的材料等级，导致的判断结果存在偏差，偶然性较大的问题，实现了准确判断整体材料等级，减少企业经济损失的效果。
[0015]由此可见，本申请所提供的方案达到了准确判断整体材料等级的目的，从而实现
了减少企业经济损失的技术效果，进而解决了有技术中所存在的废钢等级检测不准的技术问题。
附图说明
[0016]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0017]图1是根据本申请实施例的一种可选的用于实现图像识别方法的计算设备的硬件结构框图；
[0018]图2是根据本申请实施例的一种可选的图像识别方法流程图；
[0019]图3是根据本申请实施例的图像采集设备采集的图像；
...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，应用于车辆识别中，车辆上设置有至少一层待检测材料，所述方法包括：获取图像采集设备采集到的待识别图像，其中，所述图像采集设备的采集参数与所述车辆的移动位置相关联，所述待识别图像中至少包括所述车辆以及对应层级的待检测材料；对至少一层待检测材料所对应的待识别图像进行识别，得到识别结果，其中，所述识别结果表征所述至少一层待检测材料所对应的材料等级；根据所述至少一层待检测材料所对应的识别结果，确定所述至少一层待检测材料所对应的目标识别结果，其中，所述目标识别结果表征了所述至少一层待检测材料的整体材料等级。2.根据权利要求1所述的方法，其特征在于，在获取图像采集设备采集到的待识别图像之前，所述方法还包括：获取所述图像采集设备所采集到的初始图像；基于第一神经网络模型检测所述初始图像中是否包含所述车辆；在检测到所述初始图像中包含所述车辆时，检测所述车辆在所述初始图像中的相对位置；在检测到所述相对位置处于所述初始图像的有效区域范围内时，确定所述初始图像为所述待识别图像；在检测到所述相对位置处于所述初始图像的有效区域范围之外时，对所述图像采集设备的采集参数进行调整，和/或，调整移动设备的移动位置，得到所述移动设备的目标位置，并控制所述图像采集设备在所述目标位置采集所述待识别图像，其中，所述采集参数至少包括：视场角度、光学变焦倍率，所述图像采集设备设置在所述移动设备上，所述移动设备跟随所述车辆移动。3.根据权利要求1所述的方法，其特征在于，在获取图像采集设备采集到的待识别图像之前，所述方法还包括：获取所述图像采集设备采集所述待识别图像的环境信息；在所述环境信息下获取所述图像采集设备所采集到的初始图像；在所述初始图像的图像信息满足预设条件时，调整所述图像采集设备的采集参数，以对所述环境信息进行调整，其中，所述采集设备的采集参数还包括环境亮度。4.根据权利要求1所述的方法，其特征在于，对至少一层待检测材料所对应的待识别图像进行识别，得到识别结果，包括：在第二神经网络模型中对所述至少一层待检测材料所对应的待识别图像进行图像分割，得到目标区域图像，其中，所述目标区域图像至少包括待检测材料；在所述第二神经网络模型中对所述目标区域图像所包含的待检测材料进行等级识别，并计算每种材料等级的待检测材料的材料面积；根据所述每种材料等级的待检测材料的材料面积确定所述至少一层待检测材料的材料等级；根据所述至少一层待检测材料对应的材料等级，得到所述识别结果。5.根据权利要求4所述的方法，其特征在于，根据所述每种材料等级的待检测材料的材
料面积确定所述至少一层待检测材料的材料等级，包括：比对所述每种材料等级的待检测材料的材料面积，确定所述材料面积最大的材料对应的材料等级为当前层级的待检测材料的材料等级。6.根据权利要求4所述的方法，其特征在于，根据所述至少一层待检测材料所对应的识别结果，确定所述至少一层待检测材料所对应的目标识别结果，包括：对所述至少一层待检测材料对应的材料等级进行统计，得到第一材料的总面积与所述至少一层待检测材料的总面积的第一比例，其中，所述第一材料为材料质量不满足预设条件的材料；根据所述第一比例所处的比例范围确定所述目标识别结果。7.根据权利要求4所述的方法，其特征在于，在第二神经网络模型中对所述至少一层待检测材料所对应的待识别图像进行图像分割，得到目标区域图像，包括：通过所述第二神经网络模型中的掩膜分支生成所述至少一层待检测材料所对应的待识别图像对应的掩膜区域；通过所述第二神经网络模型中目标检测分支预测所述待检测材料的位置信息，其中，所述目标检测分支与所述掩膜分支并联；根据所述位置信息对所述掩膜区域进行线性调整，得到目标区域；对所述目标区域和所述位置信息进行线性运算，得到所述目标区域图像。8.根据权利要求4所述的方法，其特征在于，在根据所述至少一层待检测材料所对应的识别结果，确定所述至少一层待检测材料所对应的目标识别结果之后，所述方法还包括：根据所述识别结果从所述至...

【专利技术属性】
技术研发人员：陈伟璇，魏溪含，肖喜中，李珂，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：