一种基于机器视觉的钢包型号在线检测方法、装置、设备及系统制造方法及图纸

本发明专利技术公开了一种基于机器视觉的钢包型号在线检测方法、装置、设备及系统，该检测方法通过采用一种条件生成对抗网络与深度卷积神经网络相结合，进行钢包型号检测，通过训练大量样本数据，提取钢包更高维度的特征信息，可实现更高精度的分类，并且能有效识别几十种不同类型钢包；在检测过程中采用多角度分时视觉成像，提高了钢包样本数据质量，增加了样本多样性，相比于现有技术无需固定钢包位置；本发明专利技术对于在恶劣环境能快速准确识别钢包在不同姿态下的型号。姿态下的型号。姿态下的型号。

【技术实现步骤摘要】
一种基于机器视觉的钢包型号在线检测方法、装置、设备及系统


[0001]本专利技术属于图像处理领域，尤其涉及一种基于机器视觉的钢包型号在线检测方法、装置、设备及系统。

技术介绍

[0002]在高端精密模具的铸造过程中，钢包作为承接、运输铁水的重要工具，是铸造环节中必不可少的一环，其发挥着重要作用。在实际生产过程中，不同的产品重量也不相同，为适应各类产品，就需要不同型号的钢包。钢包型号不同，则外观形状、重量和操作方法就千差万别，因此，在自动化生产线，机器人准确的识别出不同型号的钢包至关重要。如何在高温、光线昏暗、钢包姿势歪斜和空气粉尘多的环境下准确、快速的识别钢包型号是识别问题的关键。
[0003]顾佳捷、沈瑜平等人提出在钢包表面安装耐高温材料制成的二维码，通过识别二维码来识别钢包型号，但是该方法存在耐高温材料造价高，如果二维码表面出现脏污，则容易出现误判。汪红兵等人提出的在钢包表面焊接二进制编码，提出了一种扫描二进制编码来识别钢包型号方法，但是如果二进制编码表面出现遮挡或脏污，则有可能影响识别结果。白涵宇等人在《铁水罐号识别系统的研究与应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的钢包型号在线检测方法，其特征在于，包括：步骤1：利用工业相机采用多角度分时视觉成像，采集钢包图片；步骤2：对采集的钢包图片所属的钢包型号，人工进行钢包型号标注；步骤3：对标注好的的钢包图片，通过条件生成对抗网络生成新的钢包图片；步骤4：对钢包图片进行缩放、归一化以及随机翻转预处理；步骤5：利用经过预处理后的钢包图片和人工标注信息对VGG
‑
16卷积神经网络进行训练，获得基于VGG
‑
16卷积神经网络的特征提取与分类网络；步骤6：将实时获得的钢包图片经过预处理后，输入基于VGG
‑
16卷积神经网络的特征提取与分类网络，进行钢包型号在线检测。2.根据权利要求1所述的方法，其特征在于，所述对标注好的的钢包图片，通过条件生成对抗网络生成新的钢包图片，具体过程如下：步骤3.1，将钢包标注信息和随机噪声作为输入信息加入生成器；步骤3.2，将钢包标注信息和随机噪声拼接起来作为输入信息输入至生成器的第一全连接层，第一全连接层输出的结果通过批量归一化和激活函数进入生成器的第二全连接层，第二全连接层再经过两层卷积得到生成器生成的图片；步骤3.3，判别器将生成器生成的图片与真实的图片进行比较，将生成的图片作为输入样本先经过两层卷积，最后再通过两层全连接层得到输入样本是真实样本还是生成样本的判别结果，同时通过条件生成对抗网络的损失函数更新条件生成对抗网络参数；步骤3.4，通过不断迭代训练，当判别器正确识别真实样本和生成样本的概率为0.5时，判别器达到平衡状态，以当前生成器生成的图片作为新的钢包图片。3.根据权利要求1所述的方法，其特征在于，所述对钢包图片进行缩放、归一化以及随机翻转预处理的具体过程如下：步骤4.1，采用最邻近插值缩放方法将钢包图片缩放为指定三维大小224
×
224
×
3；步骤4.2，采用正切函数对经过步骤4.1处理后的钢包图片中的像素值进行归一化；步骤4.3，对经过步骤4.3处理的图片，进行随机翻转。4.根据权利要求1所述的方法，其特征在于，所述基于VGG
‑
16卷积神经网络的特征提取与分类网络是按照以下方式训练获得：步骤5.1，将经过预处理后的钢包图片作为VGG
‑
16卷积神经网络的输入数据，...

【专利技术属性】
技术研发人员：王飞文，王耀南，周显恩，周新城，刘世福，杨林，
申请(专利权)人：江西省通讯终端产业技术研究院有限公司，
类型：发明
国别省市：