【技术实现步骤摘要】
本专利技术属于废钢评级，具体涉及一种基于ai视觉识别算法技术的废钢等级评定系统及方法。
技术介绍
1、废钢作为短流程炼钢的核心材料，在炼钢生产中便成为重要的控制对象，其生产成本占比也逐年增高。而废钢铁等级评定问题，一直困扰着各大钢企，传统废钢的检验定级主要靠质检员目测、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，另外，废钢来源广泛、种类繁多、料型不一，现有定级方式难以量化和标准化。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，建立一套全流程、自动化、智能化、开放透明、大数据分析的ai废钢评定系统势在必行。
技术实现思路
1、本专利技术的目的是解决上述问题，提供一种基于ai视觉识别算法技术的废钢等级评定系统及方法。
2、为解决上述技术问题，本专利技术采用的技术方案是：
3、一种基于ai视觉识别算法技术的废钢等级评定系统，包括检斤系统、自助机模块、定级点位定位模块、废钢图片智能采集模块、图片预处理模块、异常处理模块、杂质预警模块、深度学习算法模块、评级结果显示模块和控制中心；
4、所述检斤系统负责车辆进厂过磅，记录车辆过磅信息；
5、所述自助机模块和定级点位编号一一对应，用于识别司机身份证，获取关联车辆车号、毛重、净重信息；
6、所述定级点位定位模块用于定级点位检测，进行车辆定位，当车辆停放不到位时进行提示；>
7、所述废钢图片智能采集模块用于采集清晰、稳定、优质的废钢照片；
8、所述图片预处理模块用于消除照片中无关的信息，改进特征抽取、图像分割、匹配和识别的可靠性；
9、所述异常处理模块识别到系统无法判断的材料时，对应定级点位的报警灯闪烁，提示人工进行干预；
10、所述杂质预警模块识别到渣土、油污时预警提示；
11、所述深度学习算法模块对渣土碎料模型、整图分类模型、单块废钢识别模型等信息进行识别、分析、处理；
12、所述评级结果显示模块显示整车评级完成的结果和扣重重量；
13、所述检斤系统和自助机模块设置在地磅附近，所述定级点位定位模块设置在每个定级点位入口处，所述废钢图片智能采集模块设置在每个定级点位内，所述检斤系统与地磅、自助机模块电气连接，所述定级点位定位模块与自助机模块电气连接，所述定级点位定位模块与废钢图片智能采集模块电气连接，所述废钢图片智能采集模块与图片预处理模块电气连接，所述图片预处理模块分别与异常处理模块、杂质预警模块、深度学习算法模块电气连接，所述异常处理模块、杂质预警模块、深度学习算法模块分别与评级结果显示模块通信连接。
14、进一步的，所述车辆过磅信息包括供应商名称、车号、车辆毛重、皮重、原发净重、驾驶员身份证内码和过磅单号。
15、进一步的，所述废钢图片智能采集模块包括若干个摄像头，所述摄像头安装在每个定级点位的不同位置，且每个定级点位的摄像头不少于三个。
16、进一步的，所述每个定级点位内安装有限位灯。
17、一种基于ai视觉识别算法技术的废钢等级评定方法，包括如下步骤：
18、1)根据场地情况，划分废钢定级点位，在每个定级点位的不同位置安装云台及摄像头；
19、2)车辆上榜后，驾驶员刷身份证确认过磅，检斤系统记录车辆过磅信息；
20、3)车辆过磅完成后，驾驶员根据路标指引将车辆停靠在废钢定级点位，定级点位定位模块对车辆位置进行监测，当车辆停放不到位时进行提示，然后驾驶员在对应定级点位的自助机上刷卡，自助机界面显示驾驶员与此车料基本信息，从司机刷卡开始，到提交判断结果结束，自助机全流程展示判级过程，当定级点位定位模块获取的信息确认与自助机获取的信息相同后车辆开始卸货，同时废钢图片智能采集模块的摄像头自动开启抓拍功能，开始提交图片到图片预处理模块，如车辆不在对应定级点位，则刷身份证提示失败，驾驶员需重新选择定级点位停车；
21、4)经图片预处理模块处理后的图片发送至异常处理模块、杂质预警模块和深度学习算法模块，所述异常处理模块对废钢进行异物识别，杂质预警模块对废钢进行扣杂识别，深度学习算法模块进行废钢定级；
22、5)异议协商，如驾驶员对当前系统给出的扣重结果不满意，在对应自助机上点击协商按钮，质检员收到消息及时与司机进行线下沟通，质检员在手机端或自助机上进行人工扣重，人工扣重的结果实时传送到控制中心；
23、6)提交判级扣重结果，驾驶员对当前系统给出的或者经过人工调整后的结果没有异议，点击提交，作为此次废钢判级的结果入库；
24、7)判级结束后，摄像头停止采集，自助机输出最终的评定等级、原发重量、扣重。
25、进一步的，所述步骤4)中废钢定级：深度学习算法模块采用深度学习框架，快速准确地识别车厢内单层废钢的照片，对可见的废钢层分级，给出量化的各级别占比，并在逐层照片中对各分级废钢用不同颜色标识；
26、异物识别：所述异常处理模块快速准确地识别车厢内单层废钢的照片，判定所见废钢是否包含水泥块、橡胶、以及密闭容器等人眼可分辨物质，并在逐层照片中对异物进行颜色标识或框选；
27、扣杂识别：所述杂质预警模块利用逐层定级的废钢照片，对整车废钢进行扣杂识别，并在逐层照片中对杂质进行颜色标识或框选；
28、废钢定级、异物识别、扣杂识别的结果实时传输至控制中心，并在评级结果显示模块上显示。
29、与现有技术相比，本专利技术的有益效果是：
30、本专利技术采用图像金字塔结构，结合高层语义信息与低层空间信息算法模型，可检测不同尺度，不同形态的废钢料型和杂质；
31、本专利技术采用更精细化的细粒度分类网络，拉开同一废钢料型的类内距离，使检测精度得到进一步提升。
本文档来自技高网...【技术保护点】
1.一种基于AI视觉识别算法技术的废钢等级评定系统，其特征在于，包括检斤系统(101)、自助机模块(102)、定级点位定位模块(103)、废钢图片智能采集模块(104)、图片预处理模块(105)、异常处理模块(106)、杂质预警模块(107)、深度学习算法模块(108)、评级结果显示模块(109)和控制中心；
2.根据权利要求1所述的一种基于AI视觉识别算法技术的废钢等级评定系统，其特征在于，所述车辆过磅信息包括供应商名称、车号、车辆毛重、皮重、原发净重、驾驶员身份证内码和过磅单号。
3.根据权利要求1所述的一种基于AI视觉识别算法技术的废钢等级评定系统，其特征在于，所述废钢图片智能采集模块(104)包括若干个摄像头，所述摄像头安装在每个定级点位的不同位置，且每个定级点位的摄像头不少于三个。
4.根据权利要求1所述的一种基于AI视觉识别算法技术的废钢等级评定系统，其特征在于，所述每个定级点位内安装有限位灯。
5.利用权利要求1所述的一种基于AI视觉识别算法技术的废钢等级评定系统进行的基于AI视觉识别算法技术的废钢等级评定方法，其特征
6.根据权利要求4所述的一种基于AI视觉识别算法技术的废钢等级评定方法，其特征在于，所述步骤4)中废钢定级：深度学习算法模块(108)采用深度学习框架，快速准确地识别车厢内单层废钢的照片，对可见的废钢层分级，给出量化的各级别占比，并在逐层照片中对各分级废钢用不同颜色标识；
...【技术特征摘要】
1.一种基于ai视觉识别算法技术的废钢等级评定系统，其特征在于，包括检斤系统(101)、自助机模块(102)、定级点位定位模块(103)、废钢图片智能采集模块(104)、图片预处理模块(105)、异常处理模块(106)、杂质预警模块(107)、深度学习算法模块(108)、评级结果显示模块(109)和控制中心；
2.根据权利要求1所述的一种基于ai视觉识别算法技术的废钢等级评定系统，其特征在于，所述车辆过磅信息包括供应商名称、车号、车辆毛重、皮重、原发净重、驾驶员身份证内码和过磅单号。
3.根据权利要求1所述的一种基于ai视觉识别算法技术的废钢等级评定系统，其特征在于，所述废钢图片智能采集模块(104)包括若干个摄像头，...
【专利技术属性】
技术研发人员：刘利涛，吴小军，
申请(专利权)人：山西晋钢智造科技实业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。