【技术实现步骤摘要】
本专利技术涉及一种基于机器视觉的钢包跟踪方法，属于智能炼钢。
技术介绍
1、在炼钢生产中，自动化和智能化得到了广泛应用，钢包的定位跟踪是一项核心技术。传统工艺中，钢水温度的测量、成分的检测以及重量的称量会由于操作存在时间和空间的阻隔产生较大的信息误差，对钢水质量稳定性和成本控制产生较大影响。
2、目前，基于机器视觉的目标检测技术已广泛应用于各类跟踪系统。通过先进的机器学习算法，可以实现无接触、低投入的精确识别钢包包号信息，并实现钢包位置和使用时间的跟踪管理。但是，已有技术存在如下问题：不能准确获得钢包的位置和使用时间，很难为钢铁企业的生产管理和安全监控提供有力的支持；模型的泛化能力差，在实际应用中难以应对各种复杂场景和变化。
技术实现思路
1、本专利技术的主要目的在于提供了一种基于机器视觉的钢包跟踪方法，实现钢包包号与钢水温度、成分以及重量等信息的关联，提高炼钢基础数据的准确性、及时性和完整性，为实现智能化炼钢提供有力支撑，解决已有技术存在的上述技术问题。
2、本专利技术技术方案：
3、一种基于机器视觉的钢包跟踪方法，利用炼钢车间全线的摄像头获取钢包视频，并通过yolov5s轻量级网络模型进行训练，获得钢包的包号信息，精确跟踪钢包的位置和使用时间，从而实现钢铁生产过程的全面监控和优化；
4、包括以下步骤：
5、s1：对钢包包号进行十进制编码，并将其焊接在钢包表面，并进入s2步骤；
6、s2：读取摄像机视频，并进
7、s3：图像处理器实现视频到图片的转换，并进入s4步骤；
8、s4：labelimg工具筛选和标注图片，并进入s5步骤；
9、s5：图像预处理，并进入s6步骤；
10、s6：k-means算法聚类，并进入s7步骤；
11、s7：yolov5s轻量级网络训练钢包跟踪模型，并进入s8步骤；
12、s8：识别结果保存至mysql数据库。
13、所述步骤s1中根据不同类型和用途的钢包，分配唯一的十进制编码，并将准备好的金属块焊接在钢包包身上。
14、所述步骤s2中读取摄像头的函数为videocapture()，相机为rgb-d相机，包括利用摄像头函数提取rgb-d相机中含包号的钢包视频。
15、所述步骤s3中利用图像处理器将获取的视频转换为图片，并将收集的包号图像组成原始数据集。
16、所述步骤s4利用labelimg工具筛选和标注图片，包括使用labelimg工具标注图片中的包号数字。
17、所述步骤s5中的图像预处理，包括等比缩放、裁剪、数据增强、图像归一化和数据集划分等流程；所述步骤s5中的数据增强，包括模拟不同钢包在不同曝光度、对比度和高斯噪声等多种模式下的图像采集环境和方式，以便进行模型的训练和评估。
18、所述步骤s6中利用k-means算法聚类得到先验框，包括不同钢包包号的名称、中心点坐标以及先验框的宽和高。
19、所述步骤s7中利用yolov5s轻量级网络训练钢包跟踪模型，包括在主机端搭建特征提取网络darket-53；所述步骤s7中用于衡量目标识别任务好坏的评价标准包括准确度和召回率。其中准确度是模型对某一类数字正确预测数量占所有被模型判定为该类型的比值，可以表示如下：
20、；
21、召回率是模型对某一类数字正确预测数量占真实情况正例数量的比值，可以表示如下：
22、；
23、其中，tp表示真正例样本的真实类别是正例，并且模型预测的结果也是正例；tn表示真反例样本的真实类别是负例，并且模型将其预测成为负例；fp表示假正例样本的真实类别是负例，但是模型将其预测成为正例；fn表示假反例样本的真实类别是正例，但是模型将其预测成为负例。
24、所述步骤s8中识别结果保存至mysql数据库，包括通过sql插入语句将不同的钢包包号信息导出到数据库中。
25、本专利技术有益效果：使用机器学习中先进的yolov5算法训练网络模型，在识别钢包包号的前提下，还能准确获得钢包的位置和使用时间，为钢铁企业的生产管理和安全监控提供有力的支持；本专利技术采用数据增强技术，模拟不同曝光度、对比度和高斯噪声等多种模式下的图像采集环境。丰富模型训练数据集的同时，也有助于提升模型的泛化能力，使其在实际应用中能够应对各种复杂场景和变化。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的钢包跟踪方法，其特征在于利用炼钢车间全线的摄像头获取钢包视频，并通过Yolov5s轻量级网络模型进行训练，获得钢包的包号信息，精确跟踪钢包的位置和使用时间，从而实现钢铁生产过程的全面监控和优化；包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤S1中根据不同类型和用途的钢包，分配唯一的十进制编码，并将准备好的金属块焊接在钢包包身上。
3.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤S2中读取摄像头的函数为VideoCapture()，相机为RGB-D相机，包括利用摄像头函数提取RGB-D相机中含包号的钢包视频。
4.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤S3中利用图像处理器将获取的视频转换为图片，并将收集的包号图像组成原始数据集。
5.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤S4利用LabelImg工具筛选和标注图片，包括使用LabelImg工具标注图片中的包号数字。
<...【技术特征摘要】
1.一种基于机器视觉的钢包跟踪方法，其特征在于利用炼钢车间全线的摄像头获取钢包视频，并通过yolov5s轻量级网络模型进行训练，获得钢包的包号信息，精确跟踪钢包的位置和使用时间，从而实现钢铁生产过程的全面监控和优化；包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤s1中根据不同类型和用途的钢包，分配唯一的十进制编码，并将准备好的金属块焊接在钢包包身上。
3.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤s2中读取摄像头的函数为videocapture()，相机为rgb-d相机，包括利用摄像头函数提取rgb-d相机中含包号的钢包视频。
4.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤s3中利用图像处理器将获取的视频转换为图片，并将收集的包号图像组成原始数据集。
5.根据权利要求1所述的一种基于机器视觉的钢包跟踪方法，其特征在于：所述步骤s4利用labelimg工具筛选和标注图片，包括使用labelimg工具标注图片中的包号数字。
6....
【专利技术属性】
技术研发人员：尤晨欣，张彩东，张飞，尚振威，王鑫，王昊天，谢天宜，李兰杰，田志强，李双江，王金星，房超，姜海罡，
申请(专利权)人：河北河钢材料技术研究院有限公司，
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。