一种基于机器视觉的冷坯脱方检测方法、系统、设备及介质技术方案

本申请提供一种基于机器视觉的冷坯脱方检测方法、系统、设备及介质，首先获取冷坯截面训练图像，然后对冷坯截面训练图像进行标注，作为目标数据集；再将目标数据集输入至深度学习网络中进行训练，获取分割模型；再通过分割模型对待检测冷坯截面图像进行兴趣区域划分和检测，获取与待检测冷坯截面图像对应的冷坯关联特征信息；最后基于冷坯关联特征信息确定待检测冷坯截面图像中的冷坯是否脱方。本申请将完成标注的截面图像放入深度学习网络中进行训练，提高了原有分割模型的泛化能力，获取更高识别率的分割模型，进而通过关联特征信息对冷坯是否脱方进行逻辑判定，避免人工判定时造成的人为误差以及危害施工安全情况发生。造成的人为误差以及危害施工安全情况发生。造成的人为误差以及危害施工安全情况发生。

【技术实现步骤摘要】
一种基于机器视觉的冷坯脱方检测方法、系统、设备及介质


[0001]本申请涉及钢铁检测
，特别是涉及一种基于机器视觉的冷坯脱方检测方法、系统、设备及介质。

技术介绍

[0002]在钢铁产品的生产中，冷坯是一种常见的钢材中间形态。理想的冷坯应有正方形的横截面，以保证分布均匀，便于进一步的加工，若出现冷坯的形状异常，例如，形状为非正方形或者正方形中的长和宽度不一致。冷坯的形状异常将导致脱方的情况发生，进而易导致加工后成品出现问题。
[0003]目前，冷坯脱方识别主要依靠有经验的工人进行识别，由于多条产线需要长时间运行，且人工识别可能存在识别误差，容易导致误识别、漏识别等状况发生。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于机器视觉的冷坯脱方检测方法、系统、设备及介质，用于解决现有技术中冷坯识别不便的问题。
[0005]为实现上述目的及其他相关目的，本申请提供一种基于机器视觉的冷坯脱方检测方法，包括以下步骤：
[0006]获取用于进行训练的冷坯截面图像，记为冷坯截面训练图像；
[0007]对所述冷坯截面训练图像进行标注，并将标注后的图像作为目标数据集；
[0008]将所述目标数据集输入至深度学习网络中进行训练，获取分割模型；
[0009]通过所述分割模型对待检测冷坯截面图像进行兴趣区域划分和检测，获取与所述待检测冷坯截面图像对应的冷坯关联特征信息；其中，所述冷坯关联特征信息至少包括以下之一：冷坯位置信息、冷坯形貌信息；
[0010]基于所述冷坯关联特征信息确定所述待检测冷坯截面图像中的冷坯是否脱方。
[0011]于本申请的一实施例中，通过所述分割模型对待检测冷坯截面图像进行兴趣区域划分和检测的过程包括：
[0012]将摄像设备与冷坯截面进行匹配，并在所述摄像设备的视场内设置感兴趣区域；
[0013]通过分割模型从待检测冷坯截面图像中获取冷坯分割结果，并基于所述冷坯分割结果获取冷坯位置信息；
[0014]根据所述冷坯位置信息确定所述待检测冷坯截面图像中的冷坯是否到达所述感兴趣区域。
[0015]于本申请的一实施例中，通过分割模型从待检测冷坯截面图像中获取冷坯分割结果时，所述方法还包括：
[0016]获取预设置信度阈值Score
set
以及冷坯分割结果的置信度Score
Sti
，并对预设置信度阈值Score
set
以及冷坯分割结果的置信度Score
Sti
进行比对；
[0017]若Score
Sti
>Score
set
，则对冷坯分割结果进行检测；
[0018]若Score
Sti
≤Score
set
，则直接进行过滤，不对冷坯分割结果进行检测。
[0019]于本申请的一实施例中，根据所述冷坯位置信息确定所述待检测冷坯截面图像中的冷坯是否到达所述感兴趣区域的过程包括：
[0020]获取感兴趣区域在X轴坐标的最小值Reg
xmin
、感兴趣区域在X轴坐标的最大值Reg
xmax
、冷坯分割结果在X轴坐标的最小值Sti
xmin
以及冷坯分割结果在X轴坐标的最大值Sti
xmax
；
[0021]将冷坯分割结果在X轴坐标的最小值Reg
xmin
分别与感兴趣区域在X轴坐标的最小值Sti
xmin
、最大值Sti
xmax
进行比对，以及将冷坯分割结果在X轴坐标的最大值Reg
xmax
分别与感兴趣区域在X轴坐标的最小值Sti
xmin
、最大值Sti
xmax
进行比对；
[0022]若Reg
xmin
<Sti
xmin
<Sti
xmax
<Reg
xmax
，则认为所述待检测冷坯截面图像中的冷坯到达所述感兴趣区域；否则，认为所述待检测冷坯截面图像中的冷坯未到达所述感兴趣区域。
[0023]于本申请的一实施例中，基于所述冷坯关联特征信息确定所述待检测冷坯截面图像中的冷坯是否脱方的过程包括：
[0024]根据所述冷坯形貌信息判断所述待检测冷坯截面图像中的冷坯的长宽比是否位于有效区间，如果未位于有效区间，则判定所述冷坯为脱方；反之，如果位于有效区间，则判定所述冷坯未脱方；或者，
[0025]根据所述冷坯位置信息判断所述待检测冷坯截面图像中的冷坯的长宽比是否位于有效区间，如果未位于有效区间，则判定所述冷坯为脱方；反之，如果位于有效区间，则判定所述冷坯未脱方；或者，
[0026]根据冷坯形貌轮廓的对角线所对应的位置信息、长度信息和冷坯的形貌信息检测冷坯是否脱方。
[0027]于本申请的一实施例中，根据所述冷坯形貌信息判断所述待检测冷坯截面图像中的冷坯的长宽比是否位于有效区间的过程包括：
[0028]计算所述待检测冷坯截面图像中的冷坯的长宽比，有：
[0029]ratio＝(Sti
xmin
‑
Sti
xmax
)/(Sti
ymax
‑
Sti
ymin
)；
[0030]将计算出的长宽比分别与有效区间的长宽比最小阈值、长宽比最大阈值进行比对，若T
lmin
<ratio<T
lmax
，则判定所述待检测冷坯截面图像中的冷坯的长宽比位于有效区间；
[0031]式中，Sti
xmin
表示冷坯分割结果在X轴坐标的最小值；
[0032]Sti
xmax
表示冷坯分割结果在X轴坐标的最大值；
[0033]T
lmin
表示有效区间的长宽比最小阈值；
[0034]T
lmax
表示有效区间的长宽比最大阈值。
[0035]于本申请的一实施例中，根据冷坯形貌轮廓的对角线所对应的位置信息、长度信息和冷坯的形貌信息检测冷坯是否脱方的过程包括：
[0036]获取冷坯的检测框面积S
det
和分割轮廓面积S
con
，并计算所述检测框面积S
det
与所述分割轮廓面积S
con
的面积差值，记为S
dif
；则有：
[0037]S
det
‑
S
con
＝S
dif
；
[0038]计算所述面积差值S
dif
与所述检测框面积S
det
的比值，有：
[0039]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冷坯脱方检测方法，其特征在于，所述方法包括以下步骤：获取用于进行训练的冷坯截面图像，记为冷坯截面训练图像；对所述冷坯截面训练图像进行标注，并将标注后的图像作为目标数据集；将所述目标数据集输入至深度学习网络中进行训练，获取分割模型；通过所述分割模型对待检测冷坯截面图像进行兴趣区域划分和检测，获取与所述待检测冷坯截面图像对应的冷坯关联特征信息；其中，所述冷坯关联特征信息至少包括以下之一：冷坯位置信息、冷坯形貌信息；基于所述冷坯关联特征信息确定所述待检测冷坯截面图像中的冷坯是否脱方。2.根据权利要求1所述的基于机器视觉的冷坯脱方检测方法，其特征在于，通过所述分割模型对待检测冷坯截面图像进行兴趣区域划分和检测的过程包括：将摄像设备与冷坯截面进行匹配，并在所述摄像设备的视场内设置感兴趣区域；通过分割模型从待检测冷坯截面图像中获取冷坯分割结果，并基于所述冷坯分割结果获取冷坯位置信息；根据所述冷坯位置信息确定所述待检测冷坯截面图像中的冷坯是否到达所述感兴趣区域。3.根据权利要求2所述的基于机器视觉的冷坯脱方检测方法，其特征在于，通过分割模型从待检测冷坯截面图像中获取冷坯分割结果时，所述方法还包括：获取预设置信度阈值Score
set
以及冷坯分割结果的置信度Score
Sti
，并对预设置信度阈值Score
set
以及冷坯分割结果的置信度Score
Sti
进行比对；若Score
Sti
>Score
set
，则对冷坯分割结果进行检测；若Score
Sti
≤Score
set
，则直接进行过滤，不对冷坯分割结果进行检测。4.根据权利要求2所述的基于机器视觉的冷坯脱方检测方法，其特征在于，根据所述冷坯位置信息确定所述待检测冷坯截面图像中的冷坯是否到达所述感兴趣区域的过程包括：获取感兴趣区域在X轴坐标的最小值Reg
xmin
、感兴趣区域在X轴坐标的最大值Reg
xmax
、冷坯分割结果在X轴坐标的最小值Sti
xmin
以及冷坯分割结果在X轴坐标的最大值Sti
xmax
；将冷坯分割结果在X轴坐标的最小值Reg
xmin
分别与感兴趣区域在X轴坐标的最小值Sti
xmin
、最大值Sti
xmax
进行比对，以及将冷坯分割结果在X轴坐标的最大值Reg
xmax
分别与感兴趣区域在X轴坐标的最小值Sti
xmin
、最大值Sti
xmax
进行比对；若Reg
xmin
<Sti
xmin
<Sti
xmax
<Reg
xmax
，则认为所述待检测冷坯截面图像中的冷坯到达所述感兴趣区域；否则，认为所述待检测冷坯截面图像中的冷坯未到达所述感兴趣区域。5.根据权利要求1或2所述的基于机器视觉的冷坯脱方检测方法，其特征在于，基于所述冷坯关联特征信息确定所述待检测冷坯截面图像中的冷坯是否脱方的过程包括：根据所述冷坯形貌信息判断所述待检测冷坯截面图像中的冷坯的长宽比是否位于有效区间，如果未位于有效区间，则判定所述冷坯为脱方；反之，如果位于有效区间，则判定所述冷坯未脱方；或者，根据所述冷坯位置信息判断所述待检测冷坯截面图像中的冷坯的长宽比是否位于有效区间，如果未位于有效区间，则判定所述冷坯为脱方；反之，如果位于有效区间，则判定所述冷坯未脱方；或者，根据冷坯形貌轮廓的对角线所对应的位置信息、长度信息和冷坯的形貌信息检测冷坯
是否脱方。6.根据权利要求5所述的基于机器视觉的冷坯脱方检测方法，其特征在于，根据所述冷坯形貌信息判断所述待检测冷坯截面图像中的冷坯的长宽比是否位于有效区间的过程包括：计算所述待检测冷坯截面图像中的冷坯的长宽比，有：ratio＝(Sti
xmin
‑
Sti...

【专利技术属性】
技术研发人员：刘竞升，张晓辉，刘睿，庞殊杨，陈锐宁，
申请(专利权)人：中冶赛迪信息技术重庆有限公司，
类型：发明
国别省市：