一种基于视觉的航车装船钢筋捆智能识别计数的方法技术

本发明专利技术公开了一种基于视觉的航车装船钢筋捆智能识别计数的方法，属于港口装卸货技术领域，一种基于视觉的航车装船钢筋捆智能识别计数的方法包括在港口码头安装摄像装置，获取视频数据，按照一定频率对视频数据进行抽帧采集图像，获得标注数据集，建立航车吊起钢筋捆数量算法和航车装货作业周期算法，根据钢筋捆数量算法得到航车吊起的钢筋捆数量，根据航车装货作业周期算法判断行车作业周期是否结束，将航车装船的钢筋捆识别数量和结果图像信息发送给业务系统，业务系统进行系统记录和统计该船钢筋捆的数量，具有智能自动、高效准确、安全可靠、全天无间断作业和降低人工成本的优点。点。点。

【技术实现步骤摘要】
一种基于视觉的航车装船钢筋捆智能识别计数的方法


[0001]本专利技术涉及港口装卸货
，具体是涉及一种基于视觉的航车装船钢筋捆智能识别计数的方法。

技术介绍

[0002]在钢铁发货港口码头装货区域进行成品钢筋装船的过程，主要任务是针对钢厂对装货船舶的钢筋捆数进行计数。主要过程是装货船舶进入港池后，通过航车吊起钢筋捆进行装船，航车每次吊起的捆数不定，需要对每次航车装船的钢筋捆数进行智能识别、计数，同时保存该过程的结果图和视频，将每次航车装船的钢筋识别数量、结果图像等信息发送给业务系统，业务系统进行系统记录和统计该船装了多少捆钢筋。
[0003]目前在航车钢筋装船的过程中，是无法统计钢筋捆的数量，只能计算该船装的钢筋重量，主要问题如下：如果需要人工统计计数，则需要花费大量的人力财力成本；装船业务是24小时不间断业务，需要工人24小时在线；工作现场环境恶劣，存在一定的安全隐患；人工统计计数，需要人工时时刻刻盯着查看，很容易出现遗漏的情况。
[0004]因此，需要提供一种基于视觉的航车装船钢筋捆智能识别计数的方法，旨在解决上述问题。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术实施例的目的在于提供一种基于视觉的航车装船钢筋捆智能识别计数的方法，以解决上述
技术介绍
中的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于视觉的航车装船钢筋捆智能识别计数的方法，包括以下步骤：步骤S1：在港口码头安装摄像装置，获取视频数据；步骤S2：按照一定频率对步骤S1中得到的视频数据进行抽帧采集图像，获得标注数据集，所述标注数据集包括航车标注数据集、钢筋捆标注数据集或船体区域标注数据集；步骤S3：训练第一模型，即航车检测模型；步骤S4：训练第二模型，即钢筋捆检测模型；步骤S5：训练第三模型，即船体检测识别模型；步骤S6：建立航车吊起钢筋捆数量算法；步骤S7：根据航车的装货作业周期规律，建立航车装货作业周期算法；步骤S8：通过港口码头监控设备获取视频，由视频抽帧自动截图算法提取图像，采取一秒抽取一张图的方式采集数据；步骤S9：利用步骤S3中的第一模型、步骤S4中的第二模型和步骤S5中的第三模型，对步骤S8中采集的图像分别进行航车、钢筋捆和船体进行检测识别，分别获得航车检测框、钢筋捆检测框和船体区域分割轮廓；步骤S10：利用步骤S9得到的检测结果，通过航车检测框和钢筋捆检测框，并根据
步骤S6中的钢筋捆数量算法得到航车吊起的钢筋捆数量；步骤S11：利用步骤S9得到的检测结果，通过航车检测框和船体区域分割轮廓，并根据步骤S7的航车装货作业周期算法判断行车作业周期是否结束；步骤S12：利用步骤S10和步骤S11的结果，将航车装船的钢筋捆识别数量和结果图像信息发送给业务系统，业务系统进行系统记录和统计该船钢筋捆的数量。
[0007]作为本专利技术进一步的方案，所述步骤S3中第一模型的建立步骤包括将步骤S2获得的航车标注数据集划分为训练集、验证集和测试集，基于深度学习的目标检测技术，并采用目标检测算法YOLOV8对训练集进行训练，得到航车检测模型。
[0008]作为本专利技术进一步的方案，所述步骤S4中第二模型的建立步骤包括将步骤S2获得的钢筋捆标注数据集划分为训练集、验证集和测试集，基于深度学习的目标检测技术，并采用目标检测算法YOLOV8对训练集进行训练，得到钢筋捆检测模型。
[0009]作为本专利技术进一步的方案，所述步骤S5中第三模型的建立步骤包括将步骤S2获得的船体区域标注数据集划分为训练集、验证集和测试集，基于深度学习的语义分割模型并采用目标检测算法YOLOV8，训练训练集，得到船体检测识别分割模型。
[0010]作为本专利技术进一步的方案，所述步骤S6中航车吊起钢筋捆数量算法的建立步骤包括通过计算航车检测框与钢筋捆检测框的位置关系，航车检测框内的钢筋检测框数量与航车吊起钢筋捆数量相对应，计算每个钢筋捆检测框与航车检测框的交集，如果航车检测框和钢筋捆检测框存在交集，表示该钢筋捆被航车吊起，并计算得到航车吊起钢筋捆数量。
[0011]作为本专利技术进一步的方案，所述步骤S7中航车装货作业周期算法的建立步骤包括根据航车检测框与船体检测区域轮廓的交集，即接触面积，当接触面积大于90%时，设定航车完全进入船体，即航车装货完成，获取该航车作业周期的钢筋捆数量，并对该船的钢筋捆总数进行累加。
[0012]作为本专利技术进一步的方案，所述标注信息集中的标注信息包括图像的物体位置、名称、宽度、高度、图像通道数和标签类别。
[0013]综上所述，本专利技术实施例与现有技术相比具有以下有益效果：本专利技术通过通过实时监控设备获取港口码头航车装船的实时情况，并通过基于人工智能的深度学习方法，采用计算机视觉的图像目标检测和语义分割技术，构建了一个基于视觉的航车装船钢筋捆数智能识别计数的方法，建立航车检测模型、钢筋捆检测模型和船体检测识别模型，通过模型识别分别建立了航车吊起钢筋捆数量算法和航车装货作业周期算法，从而得到一个航车装货周期的钢筋捆数，对每个周期的钢筋捆数进行累加，得到该船装载了多少捆钢筋数，具有智能化、自动化、效率高、准确率高、安全、全天无间断作业及无人值守等特点，极大减少了人工成本，减少工人的劳动强度和降低了安全隐患。
[0014]为更清楚地阐述本专利技术的结构特征和功效，下面结合附图与具体实施例来对本专利技术进行详细说明。
附图说明
[0015]图1为专利技术实施例的数据流程图。
[0016]图2为专利技术实施例中航车装货作业周期流程图。
[0017]图3为专利技术实施例中智能航车装船的钢筋捆识别计数流程图。
具体实施方式
[0018]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0019]以下结合具体实施例对本专利技术的具体实现进行详细描述。
[0020]在本专利技术的一个实施例中，参见图1、图2和图3，一种基于视觉的航车装船钢筋捆智能识别计数的方法，包括以下步骤：步骤S1：在港口码头安装摄像装置，获取视频数据；步骤S2：按照一定频率对步骤S1中得到的视频数据进行抽帧采集图像，获得标注数据集，所述标注数据集包括航车标注数据集、钢筋捆标注数据集或船体区域标注数据集；步骤S3：训练第一模型，即航车检测模型；步骤S4：训练第二模型，即钢筋捆检测模型；步骤S5：训练第三模型，即船体检测识别模型；步骤S6：建立航车吊起钢筋捆数量算法；步骤S7：根据航车的装货作业周期规律，建立航车装货作业周期算法；步骤S8：通过港口码头监控设备获取视频，由视频抽帧自动截图算法提取图像，采取一秒抽取一张图的方式采集数据；步骤S9：利用步骤S3中的第一模型、步骤S4中的第二模型和步骤S5中的第三模型，对步骤S8中采集的图像分别进行航车、钢筋捆和船体进行检测识别，分别获得航车检测框、钢筋捆检测框和船体区域分割轮廓；步骤S10：利用步骤S9得到的检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉的航车装船钢筋捆智能识别计数的方法，其特征在于，包括以下步骤：步骤S1：在港口码头安装摄像装置，获取视频数据；步骤S2：按照一定频率对步骤S1中得到的视频数据进行抽帧采集图像，获得标注数据集，所述标注数据集包括航车标注数据集、钢筋捆标注数据集或船体区域标注数据集；步骤S3：训练第一模型，即航车检测模型；步骤S4：训练第二模型，即钢筋捆检测模型；步骤S5：训练第三模型，即船体检测识别模型；步骤S6：建立航车吊起钢筋捆数量算法；步骤S7：根据航车的装货作业周期规律，建立航车装货作业周期算法；步骤S8：通过港口码头监控设备获取视频，由视频抽帧自动截图算法提取图像，采取一秒抽取一张图的方式采集数据；步骤S9：利用步骤S3中的第一模型、步骤S4中的第二模型和步骤S5中的第三模型，对步骤S8中采集的图像分别进行航车、钢筋捆和船体进行检测识别，分别获得航车检测框、钢筋捆检测框和船体区域分割轮廓；步骤S10：利用步骤S9得到的检测结果，通过航车检测框和钢筋捆检测框，并根据步骤S6中的钢筋捆数量算法得到航车吊起的钢筋捆数量；步骤S11：利用步骤S9得到的检测结果，通过航车检测框和船体区域分割轮廓，并根据步骤S7的航车装货作业周期算法判断行车作业周期是否结束；步骤S12：利用步骤S10和步骤S11的结果，将航车装船的钢筋捆识别数量和结果图像信息发送给业务系统，业务系统进行系统记录和统计该船钢筋捆的数量。2.根据权利要求1所述的基于视觉的航车装船钢筋捆智能识别计数的方法，其特征在于，所述步骤S3中第一模型的建立步骤包括将步骤S2获得的航车标注数据集划分为训练集、验证集和测试集，基于深度学习的目标检测技术，并采用目标检测算法YOLO...

【专利技术属性】
技术研发人员：唐志斌，张云飞，刘涛，汪奇，徐小伟，
申请(专利权)人：北京智视科技有限公司，
类型：发明
国别省市：