CN113269759A - 一种基于图像识别的钢卷信息检测方法、***、介质和终端 - Google Patents
一种基于图像识别的钢卷信息检测方法、***、介质和终端 Download PDFInfo
- Publication number
- CN113269759A CN113269759A CN202110595113.0A CN202110595113A CN113269759A CN 113269759 A CN113269759 A CN 113269759A CN 202110595113 A CN202110595113 A CN 202110595113A CN 113269759 A CN113269759 A CN 113269759A
- Authority
- CN
- China
- Prior art keywords
- steel coil
- appearance
- image
- recognition
- information
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于图像识别的钢卷信息检测方法、***、介质和终端,其方法包括,采集钢卷的实时图像;预先建立用于根据钢卷图像数据识别钢卷信息的识别模型,识别模型包括身份识别模型和外观识别模型,对识别模型进行训练,将钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录;本发明通过采集实时图像,并自动进行图像识别的方式,完成对生产线的钢卷的外观检测与钢卷号识别,克服了传统方式中,只能通过人工巡检的方式来进行观察外观缺陷和对应的钢卷号,本发明实现了24小时的全程监控,同时实现储存数据、全天候全时段监控的需求。
Description
技术领域
本发明涉及钢铁领域、图像处理与识别领域和监控领域,尤其涉及一种基于图像识别的钢卷信息检测方法、***、介质和终端。
背景技术
随着产品质量的提升,用户对质量的要求也越来越高,在实际生产过程中,由于表面质量和外观原因有可能引起质量降等或其他质量异议问题。
为了保证钢卷产品质量,传统的方式是采用在钢卷巡检过程中,通过技术人员观察的方式,来确定钢卷外观缺陷及其对应的钢卷号,但是,该过程会消耗大量的人力物力,且无法实现24小时的全程监控;目前,针对这一问题,缺少一种可视化、智能化的实时操作***,实现在钢卷运输过程中对钢卷进行钢卷号识别,外观检测并记录。因此,亟需一种智能化的技术手段,对生产线的钢卷进行外观检测与钢卷号识别,同时实现储存数据,满足全天候全时段监控的需求。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种基于图像识别的钢卷信息检测方法、***、介质和终端,以解决上述技术问题。
本发明提供的基于图像识别的钢卷信息检测方法,包括:
采集钢卷的实时图像;
预先建立用于根据钢卷图像数据识别钢卷信息的识别模型,所述识别模型包括:
身份识别模型,用于根据钢卷图像数据识别钢卷身份信息,所述钢卷身份信息包括钢卷的识别号;
外观识别模型,用于根据钢卷图像数据识别钢卷外观信息,并根据所述钢卷外观信息获取外观缺陷;
对所述识别模型进行训练,将所述钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
与本发明的一实施例中,所述识别模型为基于图像识别和深度学习的识别模型,所述外观识别模型包括:
第一外观识别模型,用于根据钢卷图像数据识别钢卷外观中的塔形缺陷,
第二外观识别模型,用于根据钢卷图像数据识别钢卷外观中的裂边缺陷。
与本发明的一实施例中,通过同步对所述钢卷的实时图像分别进行不同的图像处理,获取不同的识别结果,并将同一钢卷的不同识别结果进行关联。
与本发明的一实施例中,根据钢卷图像数据中一钢卷的端部的整齐程度,判断所述钢卷是否具有塔形缺陷,
若所述钢卷端部不齐,且每个相邻圈的高度依次增加,呈宝塔型或面包型时,则判定所述钢卷具有塔形缺陷。
与本发明的一实施例中,根据钢卷图像数据中一钢卷的端面边部特征,判断所述钢卷是否具有塔形缺陷,
若所述钢卷的端面边部具有呈撕裂状的特征时,则判定所述钢卷具有裂边缺陷。
与本发明的一实施例中,记录每一钢卷的检测时间,并将所述检测时间、钢卷的识别号,以及外观检测结果中的塔形缺陷识别结果和裂边缺陷识别结果进行记录,若外观检测结果中的具有塔形缺陷和/或裂边缺陷,则进行报警,并在实时图像中的产生塔形缺陷识别结果和/或裂边缺陷识别结果的对应位置进行显示。
本发明还提供一种基于图像识别的钢卷信息检测***,包括:
图像采集模块,用于采集钢卷的实时图像;
识别模型,用于根据钢卷图像数据识别钢卷信息的识别模型,所述识别模型包括:
身份识别模型,用于根据钢卷图像数据识别钢卷身份信息,所述钢卷身份信息包括钢卷的识别号;
外观识别模型,用于根据钢卷图像数据识别钢卷外观信息,并根据所述钢卷外观信息获取外观缺陷;
对所述识别模型进行训练,将所述钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
与本发明的一实施例中,所述识别模型为基于图像识别和深度学习的识别模型,所述外观识别模型包括:
第一外观识别模型,用于根据钢卷图像数据识别钢卷外观中的塔形缺陷,
第二外观识别模型,用于根据钢卷图像数据识别钢卷外观中的裂边缺陷。
与本发明的一实施例中,还包括:
存储模块,用于记录每一钢卷的检测时间,并将所述检测时间、钢卷的识别号,以及外观检测结果中的塔形缺陷识别结果和裂边缺陷识别结果进行记录,
报警模块,用于当外观检测结果中的具有塔形缺陷和/或裂边缺陷时,发出报警信息。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述中任一项所述方法。
本发明还提供一种电子终端,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如上述中任一项所述方法。
本发明的有益效果:本发明中的基于图像识别的钢卷信息检测方法、***、介质和终端,通过采集实时图像,通过自动进行图像识别的方式,完成对生产线的钢卷进行外观检测与钢卷号识别,克服了传统方式中为了确保钢卷产品质量,只能通过人工巡检的方式来进行观察外观缺陷和对应的钢卷号,本发明实现了24小时的全程监控,同时实现储存数据、全天候全时段监控的需求。
附图说明
图1是本发明实施例中的基于图像识别的钢卷信息检测方法的整体流程示意图。
图2是本发明实施例中的基于图像识别的钢卷信息检测方法的工作流程示意图。
图3是本发明实施例中的基于图像识别的钢卷信息检测方法中的钢卷识别号示意图。
图4是本发明实施例中的基于图像识别的钢卷信息检测方法中的塔型识别示意图。
图5是本发明实施例中的基于图像识别的钢卷信息检测方法中的裂边检测示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
如图1所示,本实施例中的基于图像识别的钢卷信息检测方法,包括:
S1.采集钢卷的实时图像;
S2.预先建立用于根据钢卷图像数据识别钢卷信息的识别模型,所述识别模型包括:
身份识别模型,用于根据钢卷图像数据识别钢卷身份信息,所述钢卷身份信息包括钢卷的识别号;
外观识别模型,用于根据钢卷图像数据识别钢卷外观信息,并根据所述钢卷外观信息获取外观缺陷;
S3.对所述识别模型进行训练,将所述钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
在本实施例中的步骤S1中,首先采集钢卷的实时图像,在进行图像采集时,可以通过多台网络高清摄像机,设置在不同的位置,对需要的各个角度的钢卷图像进行实时同步采集,例如,对于钢卷号识别以及塔形缺陷检测,可以采用一台网络高清摄像机进行实时图像的采集,对于裂边缺陷检测,可以设置8台网络高清摄像机进行实时图像的采集,并分别在钢卷传动侧和操作侧设置4台网络高清摄像机进行实时图像的采集。
在本实施例中的步骤S2中,预先建立用于根据钢卷图像数据识别钢卷信息的识别模型,本实施例中的识别模型主要包括身份识别模型和外观识别模型,身份识别模型主要用于根据钢卷图像数据识别钢卷身份信息,本实施例中的钢卷身份信息主要包括钢卷的识别号,通常在本领域中,钢卷号喷写在钢卷的端面上,本实施例通过身份识别模型,利用图像识别技术分析图像内容,识别钢卷的钢卷号。
在本实施例中的步骤S3中,通过图像识别与深度学习技术对识别模型进行训练,再将钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
在本实施例中,喷写在钢卷的端面上的钢卷号是作为钢卷身份信息的一种常见的通用表现形式,当然也可以采用其他的方式对钢卷进行标识,其主要的目的是通过视觉的方式,能够辨认并完成对钢卷信息的识别,因此,表现的方式不局限于钢卷识别号,也可以通过其他的文字、数字、字母、图形等方式进行标识,然后通过身份识别模型利用图像识别技术分析图像内容,实现对标识的识别。
在本申请中,基于识别模型,针对同一高清摄像机采集,可以将其采集到的实时钢卷图像进行不同的图像处理,获得的不同画面分别体现了图像的不同特征,将具有不同特征的图像画面分别进行钢卷号识别和钢卷塔形识别。针对,同一时刻采集的采集的图像,可以同步对钢卷的实时图像分别进行不同的图像处理,获取不同的识别结果,并将同一钢卷的不同识别结果进行关联。在本实施例中,针对采集图像中的钢卷号,塔形结构光图像,高分辨率裂边图像或深度图像时,也可以提供网络结构供外部调用。例如,可以通过服务器的方式,对数据进行统一存储,也可以供服务器进行数据分析、统计等操作,还可以供外部接入的客户端,通过网络接入的形式,例如通过智能手机,进行远程登录、查询等操作。
在本实施例中,外观识别模型主要包括第一外观识别模型,用于根据钢卷图像数据识别钢卷外观中的塔形缺陷;第二外观识别模型,用于根据钢卷图像数据识别钢卷外观中的裂边缺陷。第一外观识别模型可以根据实时图像,结合图像识别技术分析图像内容,对钢卷外观进行塔形识别,基于图像识别与深度学习技术,当第一外观识别模型识别到钢卷具有端部不齐,一圈比一圈高,呈现不同程度的宝塔形或面包形的特征时,则判定该钢卷具有塔形缺陷。当第二外观识别模型识别到钢卷具有端面边部撕裂的特征时,则判定该钢卷具有裂边缺陷。通过对钢卷实时图像的识别检测,得到画面中钢卷的钢卷号、塔形识别结果,裂边检测结果等数据,并将钢卷号识别结果与检测结果相匹配,记录并显示在***中。在本实施例中,针对检测结果,可以支持对历史数据的保存;也可以支持对历史数据按照时间段,塔形识别结果,裂边检测结果或钢卷号进行筛选;还可以支持查看每一条历史记录中钢卷号识别结果,塔形识别结果,裂边检测结果以及记录的时刻。
在本实施例中,记录每一钢卷的检测时间,并将所述检测时间、钢卷的识别号,以及外观检测结果中的塔形缺陷识别结果和裂边缺陷识别结果进行记录,若外观检测结果中的具有塔形缺陷和/或裂边缺陷,则进行报警。钢卷号识别结果、钢卷塔形识别结果和钢卷裂边检测结果可以通过统一的实时监控平台进行展示,报警的方式可以通过实时画面进行展示,也可以通过专门的报警模块触发报警信息,向具有通知权限的报警终端设备下发报警通知。
在本实施例中,当检测结果中出现塔形缺陷和/或裂边缺陷时,可以在实时图像中的产生塔形缺陷识别结果和/或裂边缺陷识别结果的对应位置进行显示,本实施例中,用户可以控制台界面的实时画面模块中看到各监测点位的实时画面,对这些实时画面进行识别检测。可以通过在钢卷传动侧设置摄像头进行钢卷号识别、在钢卷操作侧设置摄像头进行钢卷号识别、设置塔形摄像头进行塔形识别、在钢卷传动侧设置摄像头进行裂边检测、在钢卷操作侧设置摄像头进行裂边检测,识别检测结果以卡片的形式显示钢卷号识别结果,塔形识别结果,裂边检测结果。钢卷号识别结果、钢卷塔形识别结果和钢卷裂边检测结果都可以展示在控制台界面中,显示将展示钢卷号识别结果中具体的钢卷序列号,钢卷塔形识别结果和钢卷裂边检测结果可以展示塔形识别结果正常或者异常,如图2所示。
在本实施例中,对所有检测结果进行存储,可以通过历史记录的方式进行查询,可选的,历史记录界面可以为列表形式,依时间从新到旧、按钢卷号显示对应钢卷信息。列表内容包括:序号、时间、钢卷号、塔形识别检测结果、裂边识别检测结果。通过历史记录界面可以进行筛选,对历史记录按照时间段、塔形识别结果、裂边检测结果或钢卷号进行筛选查看。
相应的,本实施例还提供一种基于图像识别的钢卷信息检测***,包括:
图像采集模块,用于采集钢卷的实时图像;
识别模型,用于根据钢卷图像数据识别钢卷信息的识别模型,所述识别模型包括:
身份识别模型,用于根据钢卷图像数据识别钢卷身份信息,所述钢卷身份信息包括钢卷的识别号;
外观识别模型,用于根据钢卷图像数据识别钢卷外观信息,并根据所述钢卷外观信息获取外观缺陷;
对所述识别模型进行训练,将所述钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
在本实施例中,识别模型为基于图像识别和深度学习的识别模型,外观识别模型包括:
第一外观识别模型,用于根据钢卷图像数据识别钢卷外观中的塔形缺陷,
第二外观识别模型,用于根据钢卷图像数据识别钢卷外观中的裂边缺陷。
在本实施例中,还包括存储模块,用于记录每一钢卷的检测时间,并将所述检测时间、钢卷的识别号,以及外观检测结果中的塔形缺陷识别结果和裂边缺陷识别结果进行记录,报警模块,用于当外观检测结果中的具有塔形缺陷和/或裂边缺陷时,发出报警信息。
在本实施例中,图像采集模块可以为摄像机,可选的,本实施例中采用多台网络高清摄像机,设置在不同的检测点位,对需要的各个角度的钢卷图像进行实时同步采集,例如,对于钢卷号识别以及塔形缺陷检测,可以采用一台网络高清摄像机进行实时图像的采集,对于裂边缺陷检测,可以设置8台网络高清摄像机进行实时图像的采集,并分别在钢卷传动侧和操作侧设置4台网络高清摄像机进行实时图像的采集。用户可以在控制台界面的实时画面模块中看到各监测点位的实时画面。
在本实施例中,识别模型主要包括身份识别模型和外观识别模型,身份识别模型主要用于根据钢卷图像数据识别钢卷身份信息,本实施例中的钢卷身份信息主要包括钢卷的识别号,通常在本领域中,钢卷号喷写在钢卷的端面上,本实施例通过身份识别模型,利用图像识别技术分析图像内容,识别钢卷的钢卷号。通过图像识别与深度学习技术对识别模型进行训练,再将钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
在本实施例中,喷写在钢卷的端面上的钢卷号是作为钢卷身份信息的一种常见的通用表现形式,当然也可以采用其他的方式对钢卷进行标识,其主要的目的是通过视觉的方式,能够辨认并完成对钢卷信息的识别,因此,表现的方式不局限于钢卷识别号,也可以通过其他的文字、数字、字母、图形等方式进行标识,然后通过身份识别模型利用图像识别技术分析图像内容,实现对标识的识别。
在本申请中,基于识别模型,针对同一高清摄像机采集,可以将其采集到的实时钢卷图像进行不同的图像处理,获得的不同画面分别体现了图像的不同特征,将具有不同特征的图像画面分别进行钢卷号识别和钢卷塔形识别。针对,同一时刻采集的采集的图像,可以同步对钢卷的实时图像分别进行不同的图像处理,获取不同的识别结果,并将同一钢卷的不同识别结果进行关联。在本实施例中,针对采集图像中的钢卷号,塔形结构光图像,高分辨率裂边图像或深度图像时,也可以提供网络结构供外部调用。
在本实施例中,还包括服务器和客户端设备,服务器包括业务服务器和鉴权服务器,通过业务服务器可以进行数据分析、数据查询、数据统计等业务操作,通过鉴权服务器可以对接入服务器的客户端设备进行鉴权管理,针对不同身份的用户,可以通过鉴权服务器给不同的客户端设备分配不同的操作权限,客户端设备可以通过远程登录的方式接入业务服务器,以实现远程实时监控。在本实施例中,通过服务器的方式,可以对数据进行统一存储,也可以供服务器进行数据分析、统计等操作,还可以供外部接入的客户端设备,通过网络接入的形式,例如通过智能手机,进行远程登录、查询等操作。
在本实施例中,外观识别模型主要包括第一外观识别模型,用于根据钢卷图像数据识别钢卷外观中的塔形缺陷;第二外观识别模型,用于根据钢卷图像数据识别钢卷外观中的裂边缺陷。第一外观识别模型可以根据实时图像,结合图像识别技术分析图像内容,对钢卷外观进行塔形识别,基于图像识别与深度学习技术,当第一外观识别模型识别到钢卷具有端部不齐,一圈比一圈高,呈现不同程度的宝塔形或面包形的特征时,则判定该钢卷具有塔形缺陷。当第二外观识别模型识别到钢卷具有端面边部撕裂的特征时,则判定该钢卷具有裂边缺陷。通过对钢卷实时图像的识别检测,得到画面中钢卷的钢卷号、塔形识别结果,裂边检测结果等数据,并将钢卷号识别结果与检测结果相匹配,记录并显示在***中。针对检测结果,本实施例中存储模块可以支持对历史数据的保存;也可以支持对历史数据按照时间段,塔形识别结果,裂边检测结果或钢卷号进行筛选;还可以支持查看每一条历史记录中钢卷号识别结果,塔形识别结果,裂边检测结果以及记录的时刻。
在本实施例中,存储模块记录每一钢卷的检测时间,并将所述检测时间、钢卷的识别号,以及外观检测结果中的塔形缺陷识别结果和裂边缺陷识别结果进行记录,若外观检测结果中的具有塔形缺陷和/或裂边缺陷,则进行报警。钢卷号识别结果、钢卷塔形识别结果和钢卷裂边检测结果可以通过统一的实时监控平台进行展示,报警的方式可以通过实时画面进行展示,也可以通过专门的报警模块触发报警信息,向具有通知权限的报警终端设备下发报警通知。
在本实施例中,当检测结果中出现塔形缺陷和/或裂边缺陷时,可以在实时图像中的产生塔形缺陷识别结果和/或裂边缺陷识别结果的对应位置进行显示。用户可以控制台界面的实时画面模块中看到各监测点位的实时画面,对这些实时画面进行识别检测。可以通过在钢卷传动侧设置摄像头进行钢卷号识别、在钢卷操作侧设置摄像头进行钢卷号识别、设置塔形摄像头进行塔形识别、在钢卷传动侧设置摄像头进行裂边检测、在钢卷操作侧设置摄像头进行裂边检测,识别检测结果以卡片的形式显示钢卷号识别结果,塔形识别结果,裂边检测结果。钢卷号识别结果、钢卷塔形识别结果和钢卷裂边检测结果都可以展示在控制台界面中,显示将展示钢卷号识别结果中具体的钢卷序列号,钢卷塔形识别结果和钢卷裂边检测结果可以展示塔形识别结果正常或者异常。
在本实施例中,存储模块对所有检测结果进行存储,可以通过历史记录的方式进行查询,可选的,历史记录界面可以为列表形式,依时间从新到旧、按钢卷号显示对应钢卷信息。列表内容包括:序号、时间、钢卷号、塔形识别检测结果、裂边识别检测结果。通过历史记录界面可以进行筛选,对历史记录按照时间段、塔形识别结果、裂边检测结果或钢卷号进行筛选查看。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端,包括处理器、存储器、收发器和通信接口,存储器和通信接口与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于进行通信,处理器和收发器用于运行计算机程序,使电子终端执行如上方法的各个步骤。
在本实施例中,存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中,除非另外规定,否则通过使用“第一”、“第二”等序号对共同的对象进行描述,只表示其指代相同对象的不同实例,而非是采用表示被描述的对象必须采用给定的顺序,无论是时间地、空间地、排序地或任何其他方式。在上述实施例中,说明书对“本实施例”、“一实施例”、“另一实施例”、或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中,但不必是全部实施例。“本实施例”、“一实施例”、“另一实施例”的多次出现不一定全部都指代相同的实施例。
在上述实施例中,尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如,其他存储结构(例如,动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种基于图像识别的钢卷信息检测方法,其特征在于,包括:
采集钢卷的实时图像;
预先建立用于根据钢卷图像数据识别钢卷信息的识别模型,所述识别模型包括:
身份识别模型,用于根据钢卷图像数据识别钢卷身份信息,所述钢卷身份信息包括钢卷的识别号;
外观识别模型,用于根据钢卷图像数据识别钢卷外观信息,并根据所述钢卷外观信息获取外观缺陷;
对所述识别模型进行训练,将所述钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
2.根据权利要求1所述的基于图像识别的钢卷信息检测方法,其特征在于,所述识别模型为基于图像识别和深度学习的识别模型,所述外观识别模型包括:
第一外观识别模型,用于根据钢卷图像数据识别钢卷外观中的塔形缺陷,
第二外观识别模型,用于根据钢卷图像数据识别钢卷外观中的裂边缺陷。
3.根据权利要求2所述的基于图像识别的钢卷信息检测方法,其特征在于,通过同步对所述钢卷的实时图像分别进行不同的图像处理,获取不同的识别结果,并将同一钢卷的不同识别结果进行关联。
4.根据权利要求2所述的基于图像识别的钢卷信息检测方法,其特征在于,
根据钢卷图像数据中一钢卷的端部的整齐程度,判断所述钢卷是否具有塔形缺陷,
若所述钢卷端部不齐,且每个相邻圈的高度依次增加,呈宝塔型或面包型时,则判定所述钢卷具有塔形缺陷。
5.根据权利要求2所述的基于图像识别的钢卷信息检测方法,其特征在于,
根据钢卷图像数据中一钢卷的端面边部特征,判断所述钢卷是否具有塔形缺陷,
若所述钢卷的端面边部具有呈撕裂状的特征时,则判定所述钢卷具有裂边缺陷。
6.根据权利要求2-5任一所述的基于图像识别的钢卷信息检测方法,其特征在于,记录每一钢卷的检测时间,并将所述检测时间、钢卷的识别号,以及外观检测结果中的塔形缺陷识别结果和裂边缺陷识别结果进行记录,若外观检测结果中的具有塔形缺陷和/或裂边缺陷,则进行报警,并在实时图像中的产生塔形缺陷识别结果和/或裂边缺陷识别结果的对应位置进行显示。
7.一种基于图像识别的钢卷信息检测***,其特征在于,包括:
图像采集模块,用于采集钢卷的实时图像;
识别模型,用于根据钢卷图像数据识别钢卷信息的识别模型,所述识别模型包括:
身份识别模型,用于根据钢卷图像数据识别钢卷身份信息,所述钢卷身份信息包括钢卷的识别号;
外观识别模型,用于根据钢卷图像数据识别钢卷外观信息,并根据所述钢卷外观信息获取外观缺陷;
对所述识别模型进行训练,将所述钢卷的实时图像输入至训练后的识别模型中,获取识别结果,完成对钢卷的信息检测,并对识别结果中的钢卷身份信息和钢卷外观信息进行关联并记录。
8.根据权利要求7所述的基于图像识别的钢卷信息检测***,其特征在于,
所述识别模型为基于图像识别和深度学习的识别模型,所述外观识别模型包括:
第一外观识别模型,用于根据钢卷图像数据识别钢卷外观中的塔形缺陷,
第二外观识别模型,用于根据钢卷图像数据识别钢卷外观中的裂边缺陷。
9.根据权利要求8所述的基于图像识别的钢卷信息检测***,其特征在于,还包括:
存储模块,用于记录每一钢卷的检测时间,并将所述检测时间、钢卷的识别号,以及外观检测结果中的塔形缺陷识别结果和裂边缺陷识别结果进行记录,
报警模块,用于当外观检测结果中的具有塔形缺陷和/或裂边缺陷时,发出报警信息。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法。
11.一种电子终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至6中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595113.0A CN113269759A (zh) | 2021-05-28 | 2021-05-28 | 一种基于图像识别的钢卷信息检测方法、***、介质和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595113.0A CN113269759A (zh) | 2021-05-28 | 2021-05-28 | 一种基于图像识别的钢卷信息检测方法、***、介质和终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269759A true CN113269759A (zh) | 2021-08-17 |
Family
ID=77233573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110595113.0A Pending CN113269759A (zh) | 2021-05-28 | 2021-05-28 | 一种基于图像识别的钢卷信息检测方法、***、介质和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269759A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793338A (zh) * | 2021-11-18 | 2021-12-14 | 成都数联云算科技有限公司 | 一种带孔金属件缺陷检测方法、***、装置及存储介质 |
CN114486913A (zh) * | 2022-01-20 | 2022-05-13 | 宝钢湛江钢铁有限公司 | 一种钢卷边部几何特征的检测方法 |
CN114638783A (zh) * | 2022-02-10 | 2022-06-17 | 中冶南方工程技术有限公司 | 一种基于图像识别的钢卷高度对中*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933262A (zh) * | 2015-07-03 | 2015-09-23 | 首钢总公司 | 一种改善镀锌钢卷塌卷变形的方法及*** |
TW201602949A (zh) * | 2014-07-04 | 2016-01-16 | 中國鋼鐵股份有限公司 | 鋼捲檢驗分析系統與方法 |
CN108074025A (zh) * | 2016-11-10 | 2018-05-25 | 上海宝信软件股份有限公司 | 基于表面缺陷分布特征的钢卷表面缺陷判定方法 |
CN109632825A (zh) * | 2019-01-18 | 2019-04-16 | 创新奇智(重庆)科技有限公司 | 一种钢卷表面异常突起的自动检测方法 |
CN109829900A (zh) * | 2019-01-18 | 2019-05-31 | 创新奇智(北京)科技有限公司 | 一种基于深度学习的钢卷端面缺陷检测方法 |
CN110118784A (zh) * | 2019-06-20 | 2019-08-13 | 山西大数据产业发展有限公司 | 基于机器视觉的钢卷表面质量缺陷检测*** |
CN110197170A (zh) * | 2019-06-05 | 2019-09-03 | 北京科技大学 | 基于目标检测的钢卷卷形缺陷检测识别方法 |
CN110245663A (zh) * | 2019-06-26 | 2019-09-17 | 上海电器科学研究所(集团)有限公司 | 一种用于钢卷信息识别的方法 |
CN110349144A (zh) * | 2019-07-08 | 2019-10-18 | 创新奇智(广州)科技有限公司 | 一种钢卷端面的缺陷判别方法、***及电子设备 |
CN111028215A (zh) * | 2019-12-06 | 2020-04-17 | 上海大学 | 一种基于机器视觉的检测钢卷端面缺陷方法 |
CN210523409U (zh) * | 2019-09-10 | 2020-05-15 | 力行优图智能科技(苏州)有限公司 | 一种钢卷端面卷形检测*** |
CN111259908A (zh) * | 2020-03-24 | 2020-06-09 | 中冶赛迪重庆信息技术有限公司 | 基于机器视觉的钢卷号识别方法、***、设备及存储介质 |
CN112233067A (zh) * | 2020-09-21 | 2021-01-15 | 武汉钢铁有限公司 | 一种热轧钢卷端面质量检测方法及*** |
CN112749735A (zh) * | 2020-12-30 | 2021-05-04 | 中冶赛迪重庆信息技术有限公司 | 基于深度学习的转炉出钢钢流识别方法、***、介质及终端 |
-
2021
- 2021-05-28 CN CN202110595113.0A patent/CN113269759A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201602949A (zh) * | 2014-07-04 | 2016-01-16 | 中國鋼鐵股份有限公司 | 鋼捲檢驗分析系統與方法 |
CN104933262A (zh) * | 2015-07-03 | 2015-09-23 | 首钢总公司 | 一种改善镀锌钢卷塌卷变形的方法及*** |
CN108074025A (zh) * | 2016-11-10 | 2018-05-25 | 上海宝信软件股份有限公司 | 基于表面缺陷分布特征的钢卷表面缺陷判定方法 |
CN109632825A (zh) * | 2019-01-18 | 2019-04-16 | 创新奇智(重庆)科技有限公司 | 一种钢卷表面异常突起的自动检测方法 |
CN109829900A (zh) * | 2019-01-18 | 2019-05-31 | 创新奇智(北京)科技有限公司 | 一种基于深度学习的钢卷端面缺陷检测方法 |
CN110197170A (zh) * | 2019-06-05 | 2019-09-03 | 北京科技大学 | 基于目标检测的钢卷卷形缺陷检测识别方法 |
CN110118784A (zh) * | 2019-06-20 | 2019-08-13 | 山西大数据产业发展有限公司 | 基于机器视觉的钢卷表面质量缺陷检测*** |
CN110245663A (zh) * | 2019-06-26 | 2019-09-17 | 上海电器科学研究所(集团)有限公司 | 一种用于钢卷信息识别的方法 |
CN110349144A (zh) * | 2019-07-08 | 2019-10-18 | 创新奇智(广州)科技有限公司 | 一种钢卷端面的缺陷判别方法、***及电子设备 |
CN210523409U (zh) * | 2019-09-10 | 2020-05-15 | 力行优图智能科技(苏州)有限公司 | 一种钢卷端面卷形检测*** |
CN111028215A (zh) * | 2019-12-06 | 2020-04-17 | 上海大学 | 一种基于机器视觉的检测钢卷端面缺陷方法 |
CN111259908A (zh) * | 2020-03-24 | 2020-06-09 | 中冶赛迪重庆信息技术有限公司 | 基于机器视觉的钢卷号识别方法、***、设备及存储介质 |
CN112233067A (zh) * | 2020-09-21 | 2021-01-15 | 武汉钢铁有限公司 | 一种热轧钢卷端面质量检测方法及*** |
CN112749735A (zh) * | 2020-12-30 | 2021-05-04 | 中冶赛迪重庆信息技术有限公司 | 基于深度学习的转炉出钢钢流识别方法、***、介质及终端 |
Non-Patent Citations (6)
Title |
---|
ROBERTO MEDINA 等: "Automated visual classification of frequent defects in flat steel coils", 《INT J ADV MANUF TECHNOL (2011)》 * |
ZHU, LITING 等: "Method of detecting the defects of the end face of steel coils", 《SEVENTH INTERNATIONAL CONFERENCE ON OPTICAL AND PHOTONIC ENGINEERING (ICOPEN 2019)》 * |
于光远: "热轧宽带钢质量缺陷的研究", 《山西冶金》 * |
刘英林 等: "钢卷表面缺陷分布特征发现方法研究", 《冶金自动化》 * |
张振宇 等: "基于深度学习模型识别热轧钢卷边部缺陷的探索", 《冶金自动化》 * |
王排书: "热轧钢坯编号识别与表面质量检测***研究与设计", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793338A (zh) * | 2021-11-18 | 2021-12-14 | 成都数联云算科技有限公司 | 一种带孔金属件缺陷检测方法、***、装置及存储介质 |
CN113793338B (zh) * | 2021-11-18 | 2022-02-11 | 成都数联云算科技有限公司 | 一种带孔金属件缺陷检测方法、***、装置及存储介质 |
CN114486913A (zh) * | 2022-01-20 | 2022-05-13 | 宝钢湛江钢铁有限公司 | 一种钢卷边部几何特征的检测方法 |
CN114638783A (zh) * | 2022-02-10 | 2022-06-17 | 中冶南方工程技术有限公司 | 一种基于图像识别的钢卷高度对中*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113269759A (zh) | 一种基于图像识别的钢卷信息检测方法、***、介质和终端 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
CN111652087B (zh) | 验车方法、装置、电子设备和存储介质 | |
CN109377251A (zh) | 一种识别客户属性的方法及*** | |
CN107809762B (zh) | 利用大数据与设备指纹的养卡识别的安全风险控制方法 | |
CN111399464A (zh) | 一种车辆质量智能检验方法及*** | |
CN114913619A (zh) | 一种智能移动巡检方法和*** | |
CN109547748A (zh) | 对象落脚点确定方法、装置及存储介质 | |
CN112153373A (zh) | 明厨亮灶设备的故障识别方法、装置及存储介质 | |
CN112052730B (zh) | 一种3d动态人像识别监控设备及方法 | |
CN108269059B (zh) | 一种数据管理*** | |
CN108154305A (zh) | 一种食品安全检测信息管理平台及其实现方法 | |
CN110765825A (zh) | 物品摆放状态获取方法和*** | |
CN116740525B (zh) | 基于数据融合的智能制造质量管理方法 | |
CN112749735A (zh) | 基于深度学习的转炉出钢钢流识别方法、***、介质及终端 | |
CN115314424B (zh) | 一种快速检测网络信号方法及装置 | |
CN115861895A (zh) | 一种磷酸铁锂生产现场的物料追踪方法及*** | |
CN113781013A (zh) | 一种涂装色点监测方法、***、介质及终端 | |
CN114550102A (zh) | 货物堆积检测方法、装置、设备和*** | |
CN113362069A (zh) | 风控模型的动态调整方法、装置、设备及可读存储介质 | |
CN114090650A (zh) | 一种样本数据识别方法、装置、电子设备及存储介质 | |
CN111967783A (zh) | 一种基于计算人工智能企业数据分析*** | |
CN112967223A (zh) | 一种基于人工智能的纺织品检测***、方法及介质 | |
CN107346329B (zh) | 一种数据处理方法和装置 | |
CN210609240U (zh) | 灭火器检查管理*** |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: 20-24 / F, No.7 Longjing Road, North New District, Yubei District, Chongqing Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210817 |