CN110046561A - 一种基于三维视觉的电解铝阳极炭块表面钢印识别方法 - Google Patents

一种基于三维视觉的电解铝阳极炭块表面钢印识别方法 Download PDF

Info

Publication number
CN110046561A
CN110046561A CN201910250541.2A CN201910250541A CN110046561A CN 110046561 A CN110046561 A CN 110046561A CN 201910250541 A CN201910250541 A CN 201910250541A CN 110046561 A CN110046561 A CN 110046561A
Authority
CN
China
Prior art keywords
steel seal
carbon block
anode carbon
image
electrolytic aluminium
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910250541.2A
Other languages
English (en)
Inventor
闫朝宁
曹斌
陆辉
邓信忠
吴中鼎
刘俊
马靓
杨运川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guiyang Aluminum Magnesium Design and Research Institute Co Ltd
Original Assignee
Guiyang Aluminum Magnesium Design and Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guiyang Aluminum Magnesium Design and Research Institute Co Ltd filed Critical Guiyang Aluminum Magnesium Design and Research Institute Co Ltd
Priority to CN201910250541.2A priority Critical patent/CN110046561A/zh
Publication of CN110046561A publication Critical patent/CN110046561A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/26—Processing photosensitive materials; Apparatus therefor
    • G03F7/30—Imagewise removal using liquid means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Electrolytic Production Of Metals (AREA)

Abstract

本发明公开了一种基于三维视觉的电解铝阳极炭块表面钢印识别方法，是采用压力挤压形成编号标记；使用喷涂显影剂提高钢印处表面反射率,提高图像质量；采用三维点云获取的方式获得图像深度信息；采用卷积神经网络对采集的钢印图像作为输入并进行识别；采用二次增强标记方式提高标记质量。本发明可以实现电解铝阳极炭块生产过程中自动标识问题。

Description

一种基于三维视觉的电解铝阳极炭块表面钢印识别方法
技术领域
本发明涉及电解铝阳极炭块标记与追踪技术领域，尤其是涉及一种基于三维视觉的电解铝阳极炭块表面钢印识别方法。
背景技术
电解铝阳极炭块在生产过程会产生大量阳极炭块的生产信息和质量信息，并且用于后续生产环节和流通过程。电解铝阳极炭块在生产过程中要经过成型、焙烧(1200摄氏度左右)、清理和组装的工序，普通的印刷贴标、激光蚀刻、射频设别等常见方法无法应用于焙烧过程高温环境，压力挤压标记成为一种高效、纯净的标记方法。但是这种挤压成型后的标记受碳素材料自身反射率低和清理后标记表面受污染等因素限制，无法做到自动识别，尤其对于传统的平面图像识别较为空难，其中空难之一就表现为对光场分布要求很高。所以，炭块标记自动识别比较困难，而且要搭载在移动设备，实现移动设备自动设别炭块标记更无从谈起。
发明内容
本发明的目的是提供一种基于三维视觉的电解铝阳极炭块表面钢印识别方法和一种电解铝阳极炭块表面钢印识别设备，以实现电解铝阳极炭块生产过程中自动标识问题。
本发明是这样实现的：
一种基于三维视觉的电解铝阳极炭块表面钢印识别方法，主要包括如下步骤：采用压力挤压形成编号标记；使用喷涂显影剂提高钢印处表面反射率,提高图像质量；采用三维点云获取的方式获得图像深度信息；采用卷积神经网络对采集的钢印图像作为输入并进行识别；采用二次增强标记方式提高标记质量。
其中，前述的采用压力挤压形成编号标记是以电解铝阳极炭块钢印痕迹为标记对象，以钢印深度图像为识别对象。前述的，显影剂为显影液体材料。前述的三维点云获取的方式获得图像深度信息是采用三维视觉图像采集方式获得钢印标记处三维点云，对点云进行特征提取作为卷积神经网络输入，最终输出标记数字编号信息。前述的二次增强标记方式是采用接触覆盖的方式对钢印标记处进行增强，使得后续环节可以直接采用平面图像识别的方式进行快速识别。
本发明的技术方案针对阳极炭块的材料反射率低的问题，先对钢印标识处喷涂显影剂，利用深度传感器作为数据输入源，采集阳极炭块压力标记的三维点云数据，对点云进行滤波、增强和位置校正，得到效果良好的投影图像；建立卷积神经网络，以投影图像作为输入数据，输出原始阳极炭块压力标记的数据。其中，卷积神经网络模型通过预先采集和人工制作的数据样本进行离线学习，识别准确稳定，并达到工业生产要求后，即可进行在线使用。
针对钢印标记对比度低的问题，可将识别结果采用其他与阳极材料颜色对比较高的材料进行二次标记，使钢印标记更加明显。在经过高温焙烧之后，二次标记的显色材料被分解，但阳极炭块的钢印标记仍然完好，所以需要再次进行显色标记。最终实现阳极炭块钢印自动识别和二次标记增强，后期可采用常规的图像识别方式进行识别，进而实现阳极炭块生产过程自动识别。
最后还可以根据本发明的技术方案设计一种自动化设备以实现钢印识别和增强的功能。
附图说明
图1为标记对象和识别对象示意图；
图2为喷涂显影液体材料提高钢印表面反射特性后的示意图；
图3为三维视觉图像采集方式获得钢印标记处三维点云示意图；
图4为接触覆盖的方式对钢印标记处进行增强示意图；
图5为根据本发明设计的最终设备结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，但不作为对本发明的任何限制。
实施例1：
一种电解铝阳极炭块表面钢印识别增强设备(如图5)，由图像采集设备1、安装框架2、连杆3和滚筒4组成。图像采集设备1利用网络上传采集三维图像数据，终端服务器对图像中的三维标志“Y3P”进行识别，对数据库中对应的炭块模型实例进行需要的操作；连杆3和滚筒4组成显色材料涂覆机构，在普通阳极炭块经过设备通道之后，在重力作用下滚筒4会自然与炭块标志区域接触，阳极炭块突起表面涂覆显色材料，凹陷表面为原始颜色，最终阳极炭块编号钢印的对比度得到很大提高，达到可以直接采用普通方法识别。
按照如下步骤实施：
步骤1，采用压力挤压形成编号标记；使用喷涂显影剂提高钢印处表面反射率,提高图像质量；采用三维点云获取的方式获得图像深度信息；采用卷积神经网络对采集的钢印图像作为输入并进行识别；采用二次增强标记方式提高标记质量。
步骤2，以电解铝阳极炭块钢印痕迹为标记对象，以钢印深度图像为识别对象。如图1所示。
步骤3，采用喷涂显影液体材料提高钢印表面反射特性，提高图像质量。如图2所示。
步骤4，采用三维视觉图像采集方式获得钢印标记处三维点云(如图3所示)，对点云进行特征提取作为卷积神经网络输入，最终输出标记数字编号信息。
步骤5，采用接触覆盖的方式对钢印标记处进行增强，使得后续环节可以直接采用平面图像识别的方式进行快速识别。如图4所示。
根据本发明的技术方案设计一种自动化设备以实现钢印识别和增强的功能，该设备的其中一种基本结构如图5所示。
以上只是本发明的具体应用范例，本发明还有其他的实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明所要求的保护范围之内。

Claims (6)

1.一种基于三维视觉的电解铝阳极炭块表面钢印识别方法，其特征在于包括如下步骤：采用压力挤压形成编号标记；使用喷涂显影剂提高钢印处表面反射率,提高图像质量；采用三维点云获取的方式获得图像深度信息；采用卷积神经网络对采集的钢印图像作为输入并进行识别；采用二次增强标记方式提高标记质量。
2.根据权利要求1所述的基于三维视觉的电解铝阳极炭块表面钢印识别方法，其特征在于：所述采用压力挤压形成编号标记是以电解铝阳极炭块钢印痕迹为标记对象，以钢印深度图像为识别对象。
3.根据权利要求1所述的基于三维视觉的电解铝阳极炭块表面钢印识别方法，其特征在于：所述显影剂为显影液体材料。
4.根据权利要求1所述的基于三维视觉的电解铝阳极炭块表面钢印识别方法，其特征在于：所述三维点云获取的方式获得图像深度信息是采用三维视觉图像采集方式获得钢印标记处三维点云，对点云进行特征提取作为卷积神经网络输入，最终输出标记数字编号信息。
5.根据权利要求1所述的基于三维视觉的电解铝阳极炭块表面钢印识别方法，其特征在于：所述二次增强标记方式是采用接触覆盖的方式对钢印标记处进行增强，使得后续环节可以直接采用平面图像识别的方式进行快速识别。
6.一种用于实现以上所述方法的电解铝阳极炭块表面钢印识别增强设备，其特征在于；由图像采集设备(1)、安装框架(2)、连杆(3)和滚筒(4)组成；图像采集设备(1)利用网络上传采集三维图像数据，终端服务器对图像中的三维标志进行识别，对数据库中对应的炭块模型实例进行需要的操作；连杆(3)和滚筒(4)组成显色材料涂覆机构。
CN201910250541.2A 2019-03-29 2019-03-29 一种基于三维视觉的电解铝阳极炭块表面钢印识别方法 Pending CN110046561A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910250541.2A CN110046561A (zh) 2019-03-29 2019-03-29 一种基于三维视觉的电解铝阳极炭块表面钢印识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910250541.2A CN110046561A (zh) 2019-03-29 2019-03-29 一种基于三维视觉的电解铝阳极炭块表面钢印识别方法

Publications (1)

Publication Number Publication Date
CN110046561A true CN110046561A (zh) 2019-07-23

Family

ID=67275601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910250541.2A Pending CN110046561A (zh) 2019-03-29 2019-03-29 一种基于三维视觉的电解铝阳极炭块表面钢印识别方法

Country Status (1)

Country Link
CN (1) CN110046561A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561257A (zh) * 2009-05-22 2009-10-21 华南理工大学 一种复杂微型件的非接触逆向测量方法及其测量装置
CN101566461A (zh) * 2009-05-18 2009-10-28 西安交通大学 大型水轮机叶片快速测量方法
CN107578448A (zh) * 2017-08-31 2018-01-12 广东工业大学 基于cnn的无标定曲面所包含拼接曲面个数识别方法
CN108171748A (zh) * 2018-01-23 2018-06-15 哈工大机器人（合肥）国际创新研究院 一种面向机器人智能抓取应用的视觉识别与定位方法
CN108345884A (zh) * 2018-01-11 2018-07-31 中国计量大学 一种基于三维激光扫描的车牌识别装置及其方法
CN108520274A (zh) * 2018-03-27 2018-09-11 天津大学 基于图像处理及神经网络分类的高反光表面缺陷检测方法
CN108921846A (zh) * 2018-07-17 2018-11-30 北京航空航天大学 一种基于灰度图像和深度图像结合的钢轨踏面缺陷识别方法
CN109118564A (zh) * 2018-08-01 2019-01-01 湖南拓视觉信息技术有限公司 一种基于融合体素的三维点云标记方法和装置
CN109146929A (zh) * 2018-07-05 2019-01-04 中山大学 一种基于事件触发相机与三维激光雷达融合***下的物体识别与配准方法
US20190012768A1 (en) * 2015-12-14 2019-01-10 Motion Metrics International Corp. Method and apparatus for identifying fragmented material portions within an image

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101566461A (zh) * 2009-05-18 2009-10-28 西安交通大学 大型水轮机叶片快速测量方法
CN101561257A (zh) * 2009-05-22 2009-10-21 华南理工大学 一种复杂微型件的非接触逆向测量方法及其测量装置
US20190012768A1 (en) * 2015-12-14 2019-01-10 Motion Metrics International Corp. Method and apparatus for identifying fragmented material portions within an image
CN107578448A (zh) * 2017-08-31 2018-01-12 广东工业大学 基于cnn的无标定曲面所包含拼接曲面个数识别方法
CN108345884A (zh) * 2018-01-11 2018-07-31 中国计量大学 一种基于三维激光扫描的车牌识别装置及其方法
CN108171748A (zh) * 2018-01-23 2018-06-15 哈工大机器人（合肥）国际创新研究院 一种面向机器人智能抓取应用的视觉识别与定位方法
CN108520274A (zh) * 2018-03-27 2018-09-11 天津大学 基于图像处理及神经网络分类的高反光表面缺陷检测方法
CN109146929A (zh) * 2018-07-05 2019-01-04 中山大学 一种基于事件触发相机与三维激光雷达融合***下的物体识别与配准方法
CN108921846A (zh) * 2018-07-17 2018-11-30 北京航空航天大学 一种基于灰度图像和深度图像结合的钢轨踏面缺陷识别方法
CN109118564A (zh) * 2018-08-01 2019-01-01 湖南拓视觉信息技术有限公司 一种基于融合体素的三维点云标记方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MARCELO BORGHETTI SOARES等: ""Point Cloud Object Recognition using 3D Convolutional Neural Networks"", : 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN) *
兰佳 等: ""基于立体视觉的工件识别与定位***研究"", 《电气与自动化·》, vol. 46, no. 5 *
石弦韦: ""工件表面缺陷图像自适应识别研究及应用"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN109816049B (zh) 一种基于深度学习的装配监测方法、设备及可读存储介质
CN109476150B (zh) 用于对齐装饰器的墨件的***和方法
CN111126391B (zh) 一种印刷字符缺陷定位方法
CN109760045B (zh) 一种离线编程轨迹生成方法及基于该方法的双机器人协同装配***
WO2002091302A3 (en) Image sequence enhancement system and method
CN114638486B (zh) 一种基于智能标识和识别体系的钢管质量追溯方法及***
CN113379740A (zh) 基于穿孔熔池图像和深度学习的vppaw熔透原位实时监测***
CN109986172A (zh) 一种焊缝定位方法、设备及***
CN114004815A (zh) 一种pcba外观检测方法及装置
CN109291657A (zh) 基于卷积神经网络航天结构件工业物联标识激光打码***
CN111770450B (zh) 一种车间生产监控服务器、移动终端及应用
CN115079963A (zh) 一种喷印机的参数智能控制方法及***
CN110458196B (zh) 一种适用于pcb板人工智能检测的数据库构建方法
CN110046561A (zh) 一种基于三维视觉的电解铝阳极炭块表面钢印识别方法
CN106218196A (zh) 一种3d视觉纹理及其在玻璃表面的处理方法
CN111951257A (zh) 列车外墙油漆激光清洗过程视觉检测反馈控制方法与装置
CN107433628A (zh) 一种带视觉识别定位的切割刀头及实现方法
CN107578015A (zh) 一种基于深度学习的第一印象识别与回馈***及方法
CN116343100B (zh) 一种基于自监督学习的目标识别方法及***
CN109840592B (zh) 一种机器学习中快速标记训练数据的方法
CN110717384B (zh) 一种视频交互式行为识别方法及装置
CN117197746A (zh) 基于深度学习的安全监测***及方法
CN114264607B (zh) 基于机器视觉的瓷砖色差在线检测***与方法
CN115587999A (zh) 一种基于深度学习的n95口罩面脏污破损褶皱缺陷检测方法
CN113467369B (zh) 一种自动钻铆数控代码可视化交互修正方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination