一种基于机器视觉算法的废钢定级识别方法及系统技术方案

本发明专利技术公开了一种基于机器视觉算法的废钢定级识别方法及系统，该系统包括智能废钢拍照模块、深度学习算法模块、数据库系统及数据管理模块、评级结果生成统计模块、可控终端模块和异常处理模块。本发明专利技术采用深度学习技术结合机器视觉技术针对废钢评级作出自动识别、准确快速识别出相应废钢厚度和料型以及整车废钢的等级，能够极大程度的解决当前人工废钢评级不准确带来的问题，实现了在废钢检验远程监控、料型图片自动抓拍后，自动进行废钢智能检判，极大的减少了员工的劳动强度，降低了废钢料型掺杂、减少杂质等混装问题，提高了检验及卸车速度。卸车速度。卸车速度。

A method and system of scrap grading recognition based on machine vision algorithm

【技术实现步骤摘要】
一种基于机器视觉算法的废钢定级识别方法及系统


[0001]本专利技术涉及机器视觉
，具体是一种基于机器视觉算法的废钢定级识别方法及系统。

技术介绍

[0002]我国钢铁行业废钢的采购量巨大，目前全国每年废钢消费量超过1亿吨。中国废钢来源复杂，种类繁多、料型不一，如此高的废钢消费量，必然会带来多种料型废钢混装及掺杂问题。由于废钢种类多、实际检测情景复杂、人工系统衔接难度大，传统废钢的检验定级主要靠目测、卡尺测量及生产厂、技术中心监督员共同判定，人为因素大、手续较繁琐、判级质量异议较多。废钢铁质量检测问题，一直困扰着钢铁企业。现有定级主要靠质检员肉眼识别，难以量化和标准化。废钢定级作业环境较为恶劣，质检员每次需要攀高四五米到大货车车顶，对车内废钢进行近距离观察，劳动强度大，作业风险高因此，解决废钢自动公平判级问题是废钢行业多年未解决的难题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于机器视觉算法的废钢定级识别方法及系统，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于机器视觉算法的废钢定级识别系统，包括智能废钢拍照模块、深度学习算法模块、数据库系统及数据管理模块、评级结果生成统计模块、可控终端模块和异常处理模块；所述智能废钢拍照模块，结合车辆定位算法，吸盘定位算法以及相机追踪算法，采集清晰、稳定、优质的废钢图像；所述深度学习算法模块，包含单块废钢识别模型、整图分类模型、以及碎料土渣模型，提供在废钢上明显优于图像处理技术的方案；所述数据库系统及数据管理模块，分析各厚度废钢、渣土及油污和碎料占比，实现精准计算；所述可控终端模块，布置多块高清可触控显示屏，以供现场验级人员、废钢供应商等人员实时操作，观察废钢卸车情况；所述异常处理模块，当车辆停放不到位、危险物、废钢掺假可提供异常报警，通知人工处理。
[0005]进一步地，所述智能废钢拍照模块还包括CCD工业相机、LED光源。
[0006]进一步地，所述数据库系统及数据管理模块包括训练集、测试集和验证集，训练集包括用于进行废钢品种分类训练的第一训练集，通过训练集中的有效信息对第一检测模型进行训练，所述有效信息包括图像基础属性和标注信息，所述图片基础属性包括文件名称、宽度、高度、图像深度，所述标注信息包括用于标注废钢品种的类别的第一标注信息。
[0007]进一步地，所述训练集还包括用于进行废钢轮廓分割训练的第二训练集，通过所
述训练集中的有效信息对第二检测模型进行训练，所述标注信息还包括第二标注信息，所述第二标注信息包括废钢轮廓关键点坐标、废钢厚度，将所述废钢厚度作为所述标注信息的标签，进而获得废钢长度和宽度；所述训练集还包括用于进行碎料识别训练的第三训练集，通过训练集中的有效信息对第三检测模型进行训练，所述标注信息还包括第三标注信息，所述第三标注信息包括图中物体种类，所述物体种类包括碎料或非碎料。
[0008]一种基于机器视觉算法的废钢定级识别方法，其工作流程如下：1. 相机模块获取废钢料卸料现场的图像数据；2．对所述图像数据中的废钢进行标注，形成数据集；3．根据所述数据集建立废钢检测模型，并对其进行训练，获取训练后的废钢检测模型，废钢检测模型包括用于识别废钢种类的检测模型一、用于识别废钢轮廓的检测模型二以及用于识别废钢破碎料的检测模型三；4．将实时获取的废钢料卸料现场的图像数据图像数据输入至所述训练后的废钢检测模型；5.根据模型输出结果，完成对废钢级别的判定。
[0009]与现有技术相比，本专利技术的有益效果是：本专利技术采用深度学习技术结合机器视觉技术针对废钢评级作出自动识别、准确快速识别出相应废钢厚度和料型以及整车废钢的等级，能够极大程度的解决当前人工废钢评级不准确带来的问题，实现了在废钢检验远程监控、料型图片自动抓拍后，自动进行废钢智能检判，极大的减少了员工的劳动强度，降低了废钢料型掺杂、减少杂质等混装问题，提高了检验及卸车速度。
附图说明
[0010]图1为本专利技术一种基于机器视觉算法的废钢定级识别方法及系统的系统结构示意图。
[0011]图2为本专利技术一种基于机器视觉算法的废钢定级识别方法的识别过程示意图。
具体实施方式
[0012]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。
[0013]实施例1请参阅图1，本专利技术实施例中，一种基于机器视觉算法的废钢定级识别系统，包括智能废钢拍照模块、深度学习算法模块、数据库系统及数据管理模块、评级结果生成统计模块、可控终端模块和异常处理模块；所述智能废钢拍照模块，结合车辆定位算法，吸盘定位算法以及相机追踪算法，采集清晰、稳定、优质的废钢图像；所述深度学习算法模块，包含单块废钢识别模型、整图分类模型、以及碎料土渣模型，提供在废钢上明显优于图像处理技术的方案；所述数据库系统及数据管理模块，分析各厚度废钢、渣土及油污和碎料占比，实现精准计算；所述可控终端模块，布置多块高清可触控显示屏，以供现场验级人员、废钢供应
商等人员实时操作，观察废钢卸车情况；所述异常处理模块，当车辆停放不到位、危险物、废钢掺假可提供异常报警，通知人工处理。
[0014]在本实施例的方案中，所述智能废钢拍照模块还包括CCD工业相机、LED光源。
[0015]在本实施例的方案中，所述数据库系统及数据管理模块包括训练集、测试集和验证集，训练集包括用于进行废钢品种分类训练的第一训练集，通过训练集中的有效信息对第一检测模型进行训练，所述有效信息包括图像基础属性和标注信息，所述图片基础属性包括文件名称、宽度、高度、图像深度，所述标注信息包括用于标注废钢品种的类别的第一标注信息。
[0016]在本实施例的方案中，所述训练集还包括用于进行废钢轮廓分割训练的第二训练集，通过所述训练集中的有效信息对第二检测模型进行训练，所述标注信息还包括第二标注信息，所述第二标注信息包括废钢轮廓关键点坐标、废钢厚度，将所述废钢厚度作为所述标注信息的标签，进而获得废钢长度和宽度；所述训练集还包括用于进行碎料识别训练的第三训练集，通过训练集中的有效信息对第三检测模型进行训练，所述标注信息还包括第三标注信息，所述第三标注信息包括图中物体种类，所述物体种类包括碎料或非碎料。
[0017]首先获取废钢料卸料现场的图像数据，可以通过在废钢料场内设置相机，在本实施例的方案中，在钢铁冶炼废钢料场相机布置方式为装有废钢料的卡车正上方，从上方进行拍摄，在从货车上卸下废钢料过程中，对废钢进行抓拍，获得废钢特写图片，制作图片分类模型数据集，对在特定场景下拍摄获得的不同种类废钢进行图像标注。对于不同品种的废钢，标注为其各自的品种类别。数据集分为三部分：训练集、测试集、验证集，用训练集的数据训练图片分类模型。
[0018]参阅图2，基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉算法的废钢定级识别系统，其特征在于：包括智能废钢拍照模块、深度学习算法模块、数据库系统及数据管理模块、评级结果生成统计模块、可控终端模块和异常处理模块；所述智能废钢拍照模块，结合车辆定位算法，吸盘定位算法以及相机追踪算法，采集清晰、稳定、优质的废钢图像；所述深度学习算法模块，包含单块废钢识别模型、整图分类模型、以及碎料土渣模型，提供在废钢上明显优于图像处理技术的方案；所述数据库系统及数据管理模块，分析各厚度废钢、渣土及油污和碎料占比，实现精准计算；所述可控终端模块，布置多块高清可触控显示屏，以供现场验级人员、废钢供应商等人员实时操作，观察废钢卸车情况；所述异常处理模块，当车辆停放不到位、危险物、废钢掺假可提供异常报警，通知人工处理。2.根据权利要求1所述的一种基于机器视觉算法的废钢定级识别系统，其特征在于，所述智能废钢拍照模块还包括CCD工业相机、LED光源。3.根据权利要求1所述的一种基于机器视觉算法的废钢定级识别系统，其特征在于，所述数据库系统及数据管理模块包括训练集、测试集和验证集，训练集包括用于进行废钢品种分类训练的第一训练集，通过训练集中的有效信息对第一检测模型进行训练，所述有效信息包括图像基础属性和标注信息，所述图片基础属性包括...

【专利技术属性】
技术研发人员：安琪，
申请(专利权)人：新极技术北京有限公司，
类型：发明
国别省市：