一种机器视觉油气管线支架生产序号提取方法技术

本发明专利技术公开了一种机器视觉油气管线支架生产序号提取方法，包括：CCD相机拍摄管线支架截面以及生产序号，利用MLP神经网络算法进行管线支架截面外径预测模型的训练，通过预测模型得到管线支架截面外径，对待预测生产序号的管线支架生产序号图片进行像素点RGB值变化处理得到预检测生产序号图片，利用MLP神经网络算法进行生产序号预测模型的训练，识别现场管线支架生产序号信息，通过网络将识别信息发送到服务端并将信息展示在显示屏上。本发明专利技术采用机器视觉识别油气管线生产序号，在保证了识别准确率的前提下做到了油气管线生产序号的快速识别，提升了油气项目施工的速率，是一种高效可靠、通用性强、适应性强的方法。适应性强的方法。

【技术实现步骤摘要】
一种机器视觉油气管线支架生产序号提取方法


[0001]本专利技术涉及一种信息提取方法，尤其涉及一种机器视觉油气管线支架生产序号提取方法。

技术介绍

[0002]油气管线支架是油气管线定位支撑的重要零部件，油气管线支架在工程中使用的数量巨大，且型号众多。为了在项目进行过程中正确的选用合适尺寸的油气管线支架，往往会在油气管线支架上用激光刻上唯一的生产序号，并将生产序号保存至数据库中。但是在实际生产过程中往往需要人工将生产序号与数据库对应，费时费力，因此需要一种准确高效的视觉油气管线支架生产序号提取方法。

技术实现思路

[0003]本专利技术的目的在于克服已有技术的缺点，提供一种快速高效、识别准确的机器视觉油气管线支架生产序号提取方法。
[0004]本专利技术一种机器视觉油气管线支架生产序号提取方法，包括以下步骤：
[0005]步骤一、使用CCD相机对管线支架表面的生产序号进行拍摄，拍摄时使生产序号位于图片中心位置，将管线支架生产序号图片通过数据线上传至计算机中。
[0006]步骤二、使用CCD相机对管线支架截面进行拍照，拍摄时使相机镜头正对管线支架截面，且使得管线支架截面位于图片中心位置，将管线支架截面图片通过数据线上传至计算机中。
[0007]步骤三、利用MLP神经网络算法进行管线支架截面外径预测模型的训练。
[0008]步骤四、在Python中导入一张待预测截面外径的管线支架截面图片，通过预测模型得到管线支架截面外径；
[0009]步骤五、在Python中导入一张待预测生产序号的管线支架生产序号图片，对图片进行像素点RGB值变化处理，得到预检测生产序号图片。
[0010]步骤六、利用MLP神经网络算法进行生产序号预测模型的训练。
[0011]步骤七，在实际作业中，选取一个管线支架，依次经过步骤一至步骤五过程，在python中对步骤五得到的预检测生产序号图片利用步骤五得到的生产序号预测模型进行计算，得到该管线支架的生产序号。
[0012]步骤八，计算机通过网络向服务端发送请求，在服务器的数据库中找到与步骤七的生产序列相对应的油气管线支架并将该油气管线支架的基本信息通过网络传输展示在作业现场的展示屏上，方便现场作业。
[0013]本专利技术的优点：
[0014]本专利技术采用机器视觉识别油气管线生产序号，在保证了识别准确率的前提下做到了油气管线生产序号的快速识别，提升了油气项目施工的速率，大大推进了项目施工速度，是一种高效可靠、通用性强、适应性强的方法。
附图说明
[0015]图1是一种机器视觉油气管线支架生产序号提取方法流程图。
具体实施方式
[0016]下面结合附图和具体实施例对本专利技术进行详细描述。
[0017]如附图所述的本专利技术的一种适用于油气模块制造过程的钢结构信息提取方法，包括以下步骤：
[0018]步骤一、使用CCD相机对管线支架表面的生产序号进行拍摄，拍摄时使生产序号位于图片中心位置，将管线支架生产序号图片通过数据线上传至计算机中。
[0019]步骤二、使用CCD相机对管线支架截面进行拍照，拍摄时使相机镜头正对管线支架截面，且使得管线支架截面位于图片中心位置，将管线支架截面图片通过数据线上传至计算机中。
[0020]步骤三、利用MLP神经网络算法进行管线支架截面外径预测模型的训练，具体过程如下：
[0021]第一步，多次重复得到大量的管线支架截面外径图片，作为训练集，同时由人工测量每张图像样本对应的管线支架截面外径尺寸。
[0022]第二步，在python中导入神经网络模块，提取一个第一步得到的图像样本利用MPL神经网络算法进行管线支架截面外径尺寸识别，得到识别管线支架截面外径尺寸结果；
[0023]第三步，判断识别结果是否与人工测量的管线支架截面外径尺寸结果相匹配，如果匹配失败，则返回第二步重新利用MPL神经网络算法对该图像样本进行管线支架截面外径尺寸识别。如果匹配成功则返回第二步提取下一个图像样本进行识别，直到所有图像样本都能成功识别，得到管线支架截面外径预测模型。
[0024]步骤四、在Python中导入一张待预测截面外径的管线支架截面图片，通过预测模型得到管线支架截面外径D；
[0025]步骤五、在Python中导入一张待预测生产序号的管线支架生产序号图片，对图片进行像素点RGB值变化处理，得到预检测生产序号图片，具体过程如下：
[0026]第一步，在Python中导入一张待预测生产序号的管线支架生产序号图片，定义坐标原点位于管线支架生产序号图片中心，定义管线支架的轴线方向为x轴方向，竖直方向为y轴方向。
[0027]第二步，将图片中所有像素点的RGB值按照x坐标从小到大、y坐标的绝对值从大到小的顺序进行变化，得到预检测生产序号图片。设某像素点坐标为(x,y)，若y≠0，则其RGB值变化为(x,y
′
)的RGB值，否则不变。y
′
的定义如下。
[0028][0029]其中，D为管线支架截面外径。
[0030]步骤六、利用MLP神经网络算法进行生产序号预测模型的训练，具体过程如下：
[0031]第一步，多次重复步骤四、步骤五得到大量的预检测生产序号图片，作为训练集，同时由人工确定每张图像样本对应的生产序号信息。
[0032]第二步，在python中导入神经网络模块，提取一个第一步得到的预检测生产序号图片样本，并利用MPL神经网络算法对其进行生产序号识别，得到管线支架生产序号识别结果；
[0033]第三步，判断识别结果是否与人工识别的管线支架生产序号结果相匹配，如果匹配失败，则返回第二步重新利用MPL神经网络算法对该图像样本进行管线支架生产序号识别。如果匹配成功则返回第二步提取下一个图像样本进行识别，直到所有图像样本都能成功识别，得到生产序号预测模型。
[0034]步骤七，在实际作业中，选取一个管线支架，依次经过步骤一至步骤五过程，在python中对步骤五得到的预检测生产序号图片利用步骤六得到的生产序号预测模型进行计算，得到该管线支架的生产序号。
[0035]步骤八，计算机通过网络向服务端发送请求，在服务器的数据库中找到与步骤七的生产序列相对应的油气管线支架并将该油气管线支架的基本信息通过网络传输展示在作业现场的展示屏上，方便现场作业。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器视觉油气管线支架生产序号提取方法，其特征在于包括以下步骤：步骤一、使用CCD相机对管线支架表面的生产序号进行拍摄，拍摄时使生产序号位于图片中心位置，将管线支架生产序号图片通过数据线上传至计算机中。步骤二、使用CCD相机对管线支架截面进行拍照，拍摄时使相机镜头正对管线支架截面，且使得管线支架截面位于图片中心位置，将管线支架截面图片通过数据线上传至计算机中。步骤三、利用MLP神经网络算法进行管线支架截面外径预测模型的训练，具体过程如下：第一步，多次重复得到大量的管线支架截面外径图片，作为训练集，同时由人工测量每张图像样本对应的管线支架截面外径尺寸。第二步，在python中导入神经网络模块，提取一个第一步得到的图像样本利用MPL神经网络算法进行管线支架截面外径尺寸识别，得到识别管线支架截面外径尺寸结果；第三步，判断识别结果是否与人工测量的管线支架截面外径尺寸结果相匹配，如果匹配失败，则返回第二步重新利用MPL神经网络算法对该图像样本进行管线支架截面外径尺寸识别。如果匹配成功则返回第二步提取下一个图像样本进行识别，直到所有图像样本都能成功识别，得到管线支架截面外径预测模型。步骤四、在Python中导入一张待预测截面外径的管线支架截面图片，通过预测模型得到管线支架截面外径D；步骤五、在Python中导入一张待预测生产序号的管线支架生产序号图片，对图片进行像素点RGB值变化处理，得到预检测生产序号图片。步骤六、利用MLP神经网络算法进行生产序号预测模型的训练。步骤七，在实际作业中，选取一个管线支架，依次经过步骤一至步骤五过程，在python中对步骤五得到的预检测生产序号图片利用步骤六得到的生产序号预测模型进行计算，得到该管线...

【专利技术属性】
技术研发人员：李朋飞，章青，王亚泽，赵天任，张子峰，黎时宇，
申请(专利权)人：天津大学，
类型：发明
国别省市：