一种用于剪切线钢板号的实时识别方法技术

本发明专利技术公开了一种用于剪切线钢板号的实时识别方法，涉及钢板生产技术领域，包括：通过摄像机采集待识别钢板号的图像信息；将采集到的图像信息进行预处理，形成钢板号识别模型的训练样本，并构建训练样本集；建立基于神经网络的钢板号识别初始模型，并通过训练样本集对钢板号识别初始模型进行训练，得到钢板号识别模型；通过钢板号识别模型对剪切线钢板号进行识别。本发明专利技术通过基于OCR识别技术对实时的子板号进行有效的识别，从而在MES系统中读取到有效的信息，给操作工提供操作指导，从而提高产品质量。产品质量。产品质量。

【技术实现步骤摘要】
一种用于剪切线钢板号的实时识别方法


[0001]本专利技术涉及钢板生产
，特别是涉及一种用于剪切线钢板号的实时识别方法。

技术介绍

[0002]在板坯轧制成型后，为满足用户对产品尺寸、外形等方面的最终要求，需要对成型的钢板进行剪切操作。操作工根据MES系统提供的子板信息对钢板进行长度和宽度的准确切割，通常是通过实时出现的子板号和MES系统做匹配从而读取出相应的子板信息，这就要求对实时出现的子板号能够进行有效的识别。

技术实现思路

[0003]本专利技术所要解决的技术问题是，克服现有技术的缺点，提供一种桥墩用12.9级大规格高强度预应力紧固件钢及其制备方法。
[0004]为了解决以上技术问题，本专利技术的技术方案如下：一种用于剪切线钢板号的实时识别方法，包括：通过摄像机采集待识别钢板号的图像信息；将采集到的图像信息进行预处理，形成钢板号识别模型的训练样本，并构建训练样本集；建立基于神经网络的钢板号识别初始模型，并通过训练样本集对钢板号识别初始模型进行训练，得到钢板号识别模型；通过钢板号识别模型对剪切线钢板号进行识别。
[0005]作为本专利技术所述用于剪切线钢板号的实时识别方法的一种优选方案，其中：所述通过摄像机采集待识别钢板号的图像信息包括：在剪切线钢板入口辊道处安装摄像机。
[0006]作为本专利技术所述用于剪切线钢板号的实时识别方法的一种优选方案，其中：所述在剪切线钢板入口辊道处安装摄像机之后，还包括：在摄像机白天光线过曝处增加遮挡装置，在摄像机夜晚光线不足处增加光源。
[0007]作为本专利技术所述用于剪切线钢板号的实时识别方法的一种优选方案，其中：所述将采集到的图像信息进行预处理，形成钢板号识别模型的训练样本包括：对采集到的图像进行阴影矫正、畸形校正、透视变换，然后对图像进行锐化、降噪和图像增强，形成钢板号识别模型的训练样本。
[0008]作为本专利技术所述用于剪切线钢板号的实时识别方法的一种优选方案，其中：所述建立基于神经网络的钢板号识别初始模型包括：将钢板号识别模型的训练样本输入至卷积神经网络中的softmax模型中进行特征提取得到特征图，并对识别的字符按照数字、字母和空格进行分类编码，得到所需的钢板号识别初始模型。
[0009]作为本专利技术所述用于剪切线钢板号的实时识别方法的一种优选方案，其中：在所述建立基于神经网络的钢板号识别初始模型，并通过训练样本集对钢板号识别初始模型进行训练，得到钢板号识别模型之后，还包括：将经过预处理后的图像作为验证样本，形成验证集，并通过验证集对所述钢板号识别模型进行验证，判断所述钢板号识别模型的识别率是否达到预设值，并在未达到时再次对钢板号识别模型进行训练。
[0010]作为本专利技术所述用于剪切线钢板号的实时识别方法的一种优选方案，其中：所述验证集中验证样本的数量大于等于1000。
[0011]本专利技术的有益效果是：本专利技术通过基于OCR识别技术对实时的子板号进行有效的识别，从而在MES系统中读取到有效的信息，给操作工提供操作指导，从而提高产品质量。
附图说明
[0012]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0013]图1为用于剪切线钢板号的实时识别方法的流程示意图。
具体实施方式
[0014]为使本专利技术的内容更容易被清楚地理解，下面根据具体实施方式并结合附图，对本专利技术作出进一步详细的说明。
[0015]图1为本申请实施例提供的用于剪切线钢板号的实时识别方法的流程示意图。该方法包括步骤S101~步骤S105，具体步骤说明如下：步骤S101：通过摄像机采集待识别钢板号的图像信息。
[0016]具体的，在剪切线钢板入口辊道处安装摄像机，这样便于通过摄像机实时采集待识别钢板号的图像信息。
[0017]较佳的，为保证摄像头能够清晰地拍到钢板在经过时钢板号正面的图像，在摄像机白天光线过曝处增加遮挡装置，在摄像机夜晚光线不足处增加光源这样即可保证图像清晰无瑕疵。
[0018]步骤S102：将采集到的图像信息进行预处理，形成钢板号识别模型的训练样本，并构建训练样本集。
[0019]具体的，先对采集到的图像进行阴影矫正、畸形校正、透视变换，然后对图像进行锐化、降噪和图像增强，得到像素级图片数据，形成钢板号识别模型的训练样本。
[0020]可以理解的是，构建的训练样本集中包括若干个训练样本。
[0021]步骤S103：建立基于神经网络的钢板号识别初始模型，并通过训练样本集对钢板号识别初始模型进行训练，得到钢板号识别模型。
[0022]具体的，将训练样本，即上述处理后的图像数据输入至卷积神经网络中的softmax模型中进行特征提取得到特征图，并对识别的字符按照数字、字母和空格进行分类编码，得
到所需的钢板号识别初始模型。其中，本实施例中主要涉及0到9十个阿拉伯数字以及26个字母加上一个空格的识别，编码格式为：“0”为0，“1”为1，“2”为2，以此类推。
[0023]之后，将训练样本集中的训练样本输入到卷积神经网络中的softmax模型中进行训练，训练完成后得到钢板号识别模型。
[0024]步骤S104：将经过预处理后的图像作为验证样本，形成验证集，并通过验证集对所述钢板号识别模型进行验证，判断所述钢板号识别模型的识别率是否达到预设值，并在未达到时再次对钢板号识别模型进行训练。
[0025]具体的，将1000张预处理后的图像作为验证集，对钢板号识别模型进行验证，判断钢板号识别模型识别到的钢板号是否准确。
[0026]在完成所有验证样本的验证后，统计钢板号识别模型的识别率，并判断识别率是否达到预设值。若没有达到预设值，则表示识别效果不理想，需要通过训练样本再次对钢板号识别模型进行训练；若达到了预设值，则表示该钢板号识别模型可投入使用。
[0027]在本实施例中，在识别率没有达到预设值时，可投用已有的钢板号识别模型，将结果返回给识别核心服务，将结果积累到本地数据库并进行人工筛选，生成新的钢板号识别模型，以此形成闭环控制，直至钢板号识别达到检测的标准。
[0028]步骤S105：通过钢板号识别模型对剪切线钢板号进行识别。
[0029]具体的，将钢板号识别模型投入使用，对剪切线钢板号进行实时识别。
[0030]由此，本申请的技术方案通过基于OCR识别技术对实时的子板号进行有效的识别，从而在MES系统中读取到有效的信息，给操作工提供操作指导，从而提高产品质量。
[0031]除上述实施例外，本专利技术还可以有其他实施方式；凡采用等同替换或等效变换形成的技术方案，均落在本专利技术要求的保护范围。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于剪切线钢板号的实时识别方法，其特征在于：包括：通过摄像机采集待识别钢板号的图像信息；将采集到的图像信息进行预处理，形成钢板号识别模型的训练样本，并构建训练样本集；建立基于神经网络的钢板号识别初始模型，并通过训练样本集对钢板号识别初始模型进行训练，得到钢板号识别模型；通过钢板号识别模型对剪切线钢板号进行识别。2.根据权利要求1所述的用于剪切线钢板号的实时识别方法，其特征在于：所述通过摄像机采集待识别钢板号的图像信息包括：在剪切线钢板入口辊道处安装摄像机。3.根据权利要求2所述的用于剪切线钢板号的实时识别方法，其特征在于：所述在剪切线钢板入口辊道处安装摄像机之后，还包括：在摄像机白天光线过曝处增加遮挡装置，在摄像机夜晚光线不足处增加光源。4.根据权利要求1所述的用于剪切线钢板号的实时识别方法，其特征在于：所述将采集到的图像信息进行预处理，形成钢板号识别模型的训练样本包括：对采集到的图像进行阴影矫正、畸形校正、透视变换，然...

【专利技术属性】
技术研发人员：张久亭，
申请(专利权)人：南京钢铁股份有限公司，
类型：发明
国别省市：