CN117011273A - 智能废钢判级方法、装置、设备及介质 - Google Patents
智能废钢判级方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117011273A CN117011273A CN202311000833.3A CN202311000833A CN117011273A CN 117011273 A CN117011273 A CN 117011273A CN 202311000833 A CN202311000833 A CN 202311000833A CN 117011273 A CN117011273 A CN 117011273A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detected
- scrap steel
- layer
- image
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 144
- 239000010959 steel Substances 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000007689 inspection Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000012552 review Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 11
- 238000005303 weighing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000003723 Smelting Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种智能废钢判级方法、装置、设备及介质,该方法包括:当确定待检车辆进入待检区域后,控制起重设备沿两侧的导轨移动至待检车辆的上方,待检区域位于两侧导轨之间,起重设备的两端设置有球机摄像头,起重设备的两端之间设置有可移动的搬运设备;通过球机摄像头对待检车辆和卸料区域进行识别,以控制搬运设备将待检车辆中的废钢分层搬运至卸料区域,并在搬运设备完成一层卸料后,通过球机摄像头获取待检车辆的上层的目标拍摄图像;根据每层的目标拍摄图像,对待检车辆的废钢进行判级分析,该方法不受场地条件局限,容易实现,避免了场地改造的成本,从而保证了废钢分拣的开阔场地。
Description
技术领域
本申请涉及通信技术,尤其涉及一种智能废钢判级方法、装置、设备及介质。
背景技术
随着科技的进步,废钢判级***的产生为废钢铁质量检测问题带来了极大的便利,目前的废钢判级***通常有两种数据采集方法,其一是在固定位置安装枪机图像获取模块,并且场地需符合设备安装的需求;其二是在移动小车里安装图像获取模块,该小车仅在固定路线上运行。
上述两种方法均需要对场地进行改造,使场地符合安装固定图像获取模块的标准,即场地中的摄像目标位置不能发生变化,或者,需要为摄像小车设置专门的运行区域,以上场景钢厂企业都需要承担高额的改造费用,且废钢分拣需要开阔的场地,因此不易随意部署指定的功能区域。
综上所述,现有技术中针对废钢判级***的设置存在成本高,场地不易实现的问题。
发明内容
本申请提供一种智能废钢判级方法、装置、设备及介质,用以解决现有技术针对废钢判级***的设置存在成本高,场地不易实现的问题。
第一方面,本申请提供一种智能废钢判级方法,所述方法包括:
当确定待检车辆进入待检区域后,控制起重设备沿两侧的导轨移动至所述待检车辆的上方,所述待检区域位于两侧导轨之间,所述起重设备的两端设置有球机摄像头,所述起重设备的两端之间设置有可移动的搬运设备;
通过所述球机摄像头对所述待检车辆和卸料区域进行识别,以控制所述搬运设备将所述待检车辆中的废钢分层搬运至所述卸料区域,并在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像;
根据每层的所述目标拍摄图像,对所述待检车辆的废钢进行判级分析。
在一种可能的实现方式中,所述在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像,包括:
在通过球机摄像头获取一层的目标拍摄图像后,对所述目标拍摄图像进行存储并作为参照图像;
当所述搬运设备完成一次卸料并重新准备卸料时,通过所述球机摄像头获取当前拍摄图像,并判断当前拍摄图像是否与所述参照图像的预设区域中存在重复内容;
若否,则将所述当前拍摄图像作为新一层的目标拍摄图像;
若是,则继续卸料直至重新准备卸料时获取的当前拍摄图像与所述参照图像的预设区域中不存在重复内容,将所述当前拍摄图像作为新一层的目标拍摄图像。
在一种可能的实现方式中,所述球机摄像头的焦距f满足如下条件:
其中,所述f为焦距、所述L为视距、m为球机摄像头距离待检区域的水平距离,h1为球机摄像头距离地面的高度,h2为待检车辆的高度,h3为球机摄像头的成像高度。
在一种可能的实现方式中,在所述待检车辆进入待检区域之前,还包括:
通过所述球机摄像头获取未驶入所述待检区域的车辆的图像,通过所述图像识别所述车辆的车牌号码;
根据所述车牌号码及数据库,判断所述车辆是否为待检车辆;其中,所述数据库中存储有待检车辆的第一重量及对应的车牌号码;
若是,则确定所述车辆为待检车辆,向所述待检车辆播报第一提示信息,提示所述待检车辆驶向所述待检区域;
若否,则向所述车辆播报第二提示信息,提示所述车辆进行称重。
在一种可能的实现方式中,所述根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析之前,还包括:
获取所述待检车辆的第二重量及车牌号码;
获取所述第一重量与所述第二重量的差值,所述差值为所述待检车辆中废钢重量;
所述根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析,包括:
根据所述每层的目标拍摄图像和所述废钢重量,对所述待检车辆的废钢进行判级分析。
在一种可能的实现方式中,所述根据所述每层的目标拍摄图像和所述废钢重量,对所述待检车辆的废钢进行判级分析,包括:
对每层的目标拍摄图像进行深度学习处理,得到每层图像对应的子分析结果;
根据每层图像对应的子分析结果和所述废钢重量,得到所述待检车辆中的废钢的判级结果。
在一种可能的实现方式中,所述根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析之后,还包括:
将判级分析得到的判级结果发送至用户终端;
当收到所述用户终端反馈的复审请求时,将所述复审请求转发至质检终端,以使得所述质检终端对应的质检人员进行人工复核。
第二方面,本申请提供一种智能废钢判级装置,所述装置包括:
调整模块,用于当确定待检车辆进入待检区域后,控制起重设备沿两侧的导轨移动至所述待检车辆的上方,所述待检区域位于两侧导轨之间,所述起重设备的两端设置有球机摄像头,所述起重设备的两端之间设置有可移动的搬运设备;
识别模块,用于通过所述球机摄像头对所述待检车辆和卸料区域进行识别,以控制所述搬运设备将所述待检车辆中的废钢分层搬运至所述卸料区域,并在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像;
处理模块,用于根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析。
第三方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面任意一项所述的方法。
第四方面,本申请提供一种电子设备,包括:至少一个处理器和存储器;其中,
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面任一项所述的方法。
本实施例提供的智能废钢判级方法、装置、设备及介质,在待检车辆进入待检区域后,控制起重设备沿着导轨移至待检车辆上方,基于待检车辆的位置和卸料区域,起重设备上的搬运设备将待检车辆中的废钢分层卸料,并在卸料过程中,位于起重设备两端的球机摄像头获取每层废钢的图像,根据图像对待检车辆的废钢进行判级分析,同时,根据摄像头位置和待检区域确定摄像头所属的焦距,以确定具体摄像设备,保证使用效果的同时降低了设备购置成本,该方法通过在起重设备上架设球机摄像头,不受场地条件局限,容易实现,避免了场地改造的成本,从而保证了废钢分拣的开阔场地。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的智能废钢判级场景示意图;
图2为本申请实施例提供的智能废钢判级方法流程图一;
图3为本申请实施例提供的球机摄像头位置示意图;
图4为本申请实施例提供的智能废钢判级方法流程图二;
图5为本申请实施例提供的智能废钢判级方法流程图三;
图6为本申请实施例提供的智能废钢判级***示意图;
图7为本发明实施例提供的智能废钢判级装置;
图8为本发明实施例提供的电子设备硬件示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
废钢是唯一可以替代铁矿石炼钢,且绿色环保、可多次循环利用的再生资源,随着工业化进程加快,废钢产生量和其在钢铁冶炼中的消耗量也快速增加,对废钢等级的识别判定需求也应运而生,因为废钢质量的优劣直接关系到钢铁冶炼品质、质量和冶炼周期,最终影响钢厂效益。废钢质量的管理和冶炼使用已成为钢铁企业关注的焦点和重点,废钢种类多,实际检测情景复杂,人工***衔接难度大,传统废钢的检验定级主要靠目测,卡尺测量及生产厂、技术中心监督员共同判定,人为因素大,手续繁琐,判级质量异议较多。
现有技术中,为了减小上述人为因素带来的影响,通常有两种数据采集方案,一个是在固定位置安装枪机摄像头,且对场地有要求,并不适用户外起重设备以轨道移动的场景,另一个是移动式采集方法,摄像头安装至移动小车中,依靠移动小车的移动采集不同位置的图像,但移动小车需要在固定路线上运行,具有一定局限性,若采取上述两种方案均需要对场地进行改造,因此钢厂企业需要承担高额的改造费用,且对于正在生产的钢企去改造并不现实,同时,废钢分拣需要开阔的场地,且不能随意部署路线,为了提高分拣速度,车辆并不会在固定区域等待分拣,因此,现有数据获取方法并不能灵活的使用在多场景下的废钢分拣。
基于此,本申请提出一种智能废钢判级方法,对于可在轨道上移动的起重设备,在起重设备两端上架设球机摄像头,其可识别待检车辆及卸料区域,以用于控制搬运设备将待检车辆中的废钢分层搬运,并可以对每层废钢进行智能识别,以用来对待检车辆的废钢进行判级分析,方法容易实现,避免了场地的改造。
本申请具体的应用场景如图1所示,图1为本申请实施例提供的智能废钢判级场景示意图,其中,当待检车辆进入两导轨101中的区域后,停入其中一个待检区域,起重设备103沿着两侧导轨101移动至待检车辆上方,起重设备103为一种门式起重机,而安装在起重设备103两端上的球机摄像头102识别待检车辆车厢位置以及卸料区域,从而确定起重设备103上的搬运设备104的搬运轨迹,在搬运过程中,搬运设备104可沿着垂直与导轨101的方向上进行移动调整,从而对准车厢位置,将车厢中废钢分层搬运至卸料区域,同时,球机摄像头102可根据搬运轨迹智能判断拍摄时机,当新的一层废钢没有被遮挡时,获取车厢内每层废钢图像,根据每层废钢的图像,对该待检车辆中的废钢进行判级。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的智能废钢判级方法流程图一。如图2所示,该方法包括:
S201、当确定待检车辆进入待检区域后,控制起重设备沿两侧的导轨移动至所述待检车辆的上方,所述待检区域位于两侧导轨之间,所述起重设备的两端设置有球机摄像头,所述起重设备的两端之间设置有可移动的搬运设备。
在本步骤中,在待检车辆进入待检区域后,表示需要进行分检卸料工作,此时控制起重设备沿着导轨移动至待检车辆上方,示例性的,可以通过起重设备两端的球机摄像头监控待检区域的车辆驶入的情况,因此,球机摄像头为至少两个摄像头组成的组合,可以分别架设在设备两端,而高度满足可以覆盖两导轨之间的区域即可。
S202、通过所述球机摄像头对所述待检车辆和卸料区域进行识别,以控制所述搬运设备将所述待检车辆中的废钢分层搬运至所述卸料区域,并在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像。
在本步骤中,球机摄像头可以通过图像相关识别算法识别到待检区域内的车辆的车厢,以及预设的卸料区域,以此确定搬运设备的搬运轨迹,根据搬运轨迹,可以确定球机摄像头的拍摄时机,即搬运设备按照搬运轨迹对车厢内的废钢分层搬运,并在每次搬运时,球机摄像头拍摄车厢内的最上层的废钢图像。
需要说明的是,每层废钢对应的目标拍摄图像可以先进行预先处理,示例性的,在每次搬运时,拍摄该次对应的车厢内的图像,由于一次搬运只是对应一层中部分废钢,因此需要根据图像判断上层废钢是否已经搬运完,显露出完整下一层的废钢时,此时获取的图像为下一层废钢目标拍摄图像,
具体的,球机摄像头的选择可以根据实际场景进行具体的选择,从而能够适配场景的情况下,节省成本,避免选择过高配置的摄像头,增加非必要支出,示例性的,如下为根据摄像头安装位置、待检区域以及车辆高度确定的摄像头所需焦距:
图3为本申请实施例提供的球机摄像头位置示意图,如图3所示,包括其中设备301、其中一端的球机摄像头302和待检车辆303,球机摄像头302的焦距f满足如下条件:
其中,所述f为焦距、所述L为视距、m为球机摄像头距离待检区域的水平距离,h1为球机摄像头距离地面的高度,h2为待检车辆的高度,h3为球机摄像头的成像高度。
球机摄像头距离待检区域的水平距离m的最大距离等于起重设备的宽度与车厢长度的差,球机摄像头距离地面的高度h1的最大值等于起重设备的高度,球机摄像头的成像高度h3是已知的,为摄像头的固定参数,待检车辆的高度h2为一般装载车辆的高度,若车辆间存在不一致,可以取平均数,待检车辆所处位置为待检区域,根据如上方法确定的摄像头焦距符合实际场景的应用。
需要说明的是,由于球机摄像头在起重设备工作中不停的拍摄,所以可以选择具备防抖功能的摄像头,此外,在图像识别过程中需识别木头、塑料等非钢类异物,因此摄像头还可以具备红外线功能,根据不同物体的反射的红外线能量不同,形成红外线能量图,根据目标温度分布来区分异物。
S203、根据每层的所述目标拍摄图像,对所述待检车辆的废钢进行判级分析。
在本步骤中,根据每层的目标拍摄图像,分析废钢的种类,对废钢进行判级,从而确定该车所装载的废钢价值。
示例性的,将判级分析得到的判级结果发送至用户终端;
当收到所述用户终端反馈的复审请求时,将所述复审请求转发至质检终端,以使得所述质检终端对应的质检人员进行人工复核。
本实施例提供的智能废钢判级方法,在待检车辆进入待检区域后,控制起重设备沿着导轨移至待检车辆上方,基于待检车辆的位置和卸料区域,起重设备上的搬运设备将待检车辆中的废钢分层卸料,并在卸料过程中,位于起重设备两端的球机摄像头获取每层废钢的图像,根据图像对待检车辆的废钢进行判级分析,同时,根据摄像头位置和待检区域确定摄像头所属的焦距,以确定具体摄像设备,保证使用效果的同时降低了设备购置成本,该方法通过在起重设备上架设球机摄像头,不受场地条件局限,容易实现,避免了场地改造的成本,从而保证了废钢分拣的开阔场地。
图4为本申请实施例提供的智能废钢判级方法流程图二。如图4所示,该方法包括:
S401、在通过球机摄像头获取一层的目标拍摄图像后,对所述目标拍摄图像进行存储并作为参照图像。
在本步骤中,目标拍摄图像对应每一层完整不重复的废钢的图像,而在获取该层目标拍摄图像前,通常需要进行不止一次的搬运,因此,为了识别上一层最后一次搬运,需要将上一层对应的目标拍摄图像作为参照图像,与后续每次搬运时对应的图像进行对比,当不存在重复内容时,此时的图像为下一层废钢的目标拍摄图像。
需要说明的是,在每次搬运时拍摄图像,可以连续拍摄多张图像,对图像预先进行筛选,将清晰、拍摄区域正确以及拍摄内容无重复的图像保留,同时将无重复的图像整合为最终图像,则该图像为该次搬运时车厢内对应的图像,以保证每次搬运时可以获取到有效的图像。
S402、当所述搬运设备完成一次卸料并重新准备卸料时,通过所述球机摄像头获取当前拍摄图像,并判断当前拍摄图像是否与所述参照图像的预设区域中存在重复内容。
在本步骤中,当完成一次卸料后,所获取的废钢图像与参照图像是若存在重复内容,则说明本次卸料仅卸取了该层部分废钢,因此该图像并不能表示为下层废钢的目标拍摄图像,预设区域可以设置为车厢内的区域,通过对比图像中车厢内的废钢图像,确认是否有重复内容。
S403、若否,则将所述当前拍摄图像作为新一层的目标拍摄图像。
S404、若是,则继续卸料直至重新准备卸料时获取的当前拍摄图像与所述参照图像的预设区域中不存在重复内容,将所述当前拍摄图像作为新一层的目标拍摄图像。
需要说明的是,球机摄像头在卸料过程中同时需要判断车厢内的废钢数量,当车厢内废钢被卸载完,车辆处于空载状态时,此时控制搬运设备停止搬运,可以向该车辆播报提醒进行第二次称重。
本实施例提供的智能废钢判级方法,通过将每次搬运后的废钢图像与上层废钢的参照图像进行对比,确认是否有重复内容,从而判断本次搬运后对应的废钢图像是否为新的一层废钢对应的目标拍摄图像,该方法可以智能识别并获取新的一层废钢图像,从而为整车废钢判级提供依据,有利于实现精准判级。
图5为本申请实施例提供的智能废钢判级方法流程图三,如图5所示,该方法包括:
S501、通过所述球机摄像头获取未驶入所述待检区域的车辆的图像,通过所述图像识别所述车辆的车牌号码。
在本步骤中,在车辆进入球机摄像头覆盖区域内未驶入待检区域时,球机摄像头识别车辆的车牌号码,以确认车辆是否为已预先登记的待检车辆。
需要说明的是,车辆在通过入口进入废钢厂后,需先进行第一次称重,在称重的同时称重区域的摄像头获取车辆的车牌号码,并将重量与车牌号码进行关联后存入数据库,该步骤相当于对车辆进行预先登记,从而可以确认该车辆下一步可以进行废钢卸料。
S502、根据所述车牌号码及数据库,判断所述车辆是否为待检车辆。
其中,所述数据库中存储有待检车辆的第一重量及对应的车牌号码。
在实际情况中,会出现未按照流程进行预先称重就进入分检区域的车辆,为了识别上述情况,需要对球机摄像头覆盖范围内的车辆的车牌号进行识别,若车牌号属于数据库中的信息,则表示车辆已进行预先登记,可以进入待检区域进行卸料,若不属于,则可以提醒该车辆按照流程执行。
S503、若是,则确定所述车辆为待检车辆,向所述待检车辆播报第一提示信息,提示所述待检车辆驶向所述待检区域。
S504、若否,则向所述车辆播报第二提示信息,提示所述车辆进行称重。
需要说明的是,当确认该车辆为待检车辆时,可以为其分配指定的待检区域,并提醒车辆去往该指定区域,从而有利于分检区域内车辆有秩序的进行卸料,当确认该车辆不是待检车辆,则提醒该车辆需要先去称重。
S505、当待检车辆卸料完毕,球机摄像头获取每层废钢的目标拍摄图像后,获取所述待检车辆的第二重量及车牌号码。
当卸料完毕,此时称重可获取车辆的自重信息,以及车牌号码,并与数据库中进行匹配,获取该车牌号码对应的第一重量和第二重量,已进行下一步操作。
S506、获取所述第一重量与所述第二重量的差值,所述差值为所述待检车辆中废钢重量。
求取第一重量和车辆自重对应的第二重量的差值,该差值则为待检车辆里废钢的总重量,根据该重量和每层废钢的图像,可以为后续分析废钢的等级提供依据。
S507、根据所述每层的目标拍摄图像和所述废钢重量,对所述待检车辆的废钢进行判级分析。
在本步骤中,首先需要对每层目标拍摄图像进行分析,从而确认整车废钢的种类和等级,同时结合废钢重量,计算整车废钢对应的金额,其中对每层目标拍摄图像的分析需要通过深度学习网络的图像分割进行处理,为了识别到废钢中不同种类的区别,可以在语义分割的基础上,对图像进行实例分割,即需要在像素层上进行分类,并且需要定位出不同的实例,基于图像中灰度、色彩,空间纹理、几何形状等特征把图像中的废钢进行分类。
示例性的,对每层的目标拍摄图像进行深度学习处理,得到每层图像对应的子分析结果;
根据每层图像对应的子分析结果和所述废钢重量,得到所述待检车辆中的废钢的判级结果。
根据判级分析中包含的废钢种类及种类的占比情况,结合废钢重量,可以计算出整车废钢的金额。
本实施例提供的智能废钢判级方法,通过对车辆进行识别,确认是否为待检车辆,从而提示车辆进行下一步分检卸料或者进行预先称重,确保了分检区域内的车辆可以有序进行分检,保证了废钢分检的效率,废钢判级分析采用智能化的图像分析手段,提高了分析结果的准确性。
图6为本申请实施例提供的智能废钢判级***示意图,该***执行如上任一实施例中的智能废钢判级方法,如图6所示,该***包括识别模块601、称重模块602、分检模块603、质检监控模块604和后台记录模块605。
当有车辆需要进行废钢卸料及判级时,根据预先登记的信息,识别模块601识别该车辆为待检车辆,准许进入厂区;
当待检车辆进入厂区,驶入称重区域后,称重模块602获取该车辆的第一重量,该重量包括车辆自重及废钢重量,并将车牌号码与重量进行关联,发送至后台记录模块605,并播报该车辆需去往的待检区域;
分检模块603在待检车辆驶入对应的待检区域后,其中的起重设备对车厢内的废钢进行分层卸料,同时,设置于起重设备上两端的球机摄像头获取每层废钢的图像,并将获取图像发送至质检监控模块604;
质检监控模块604中的监控大屏显示获取的图像,根据图像信息识别废钢中包含的非钢类杂物,并自动扣除,同时当识别到危险物时,进行危险报警,直至卸料完毕后,待检车辆通过称重模块602识别车牌号码后,获取第二重量,根据第一重量、第二重量和分层图像形成废钢等级报告,并将报告发送至用户终端;
用户终端根据报告内容确认是否复审,若是,则根据用户终端的反馈,质检监控模块604匹配质检人员进行人工复核;若否,后台记录***605根据重量信息和废钢等级报告核算账务金额。
本实施例提供的智能废钢判级***,通过智能采集图像,并对采集的图像信息进行深度学习分析,实现料型判级、异常问题告警等功能,从而对废钢进行智能化判级,避免了人工验质过程中易存在漏验、错验、安全事故等人为造成的一系列问题,提高了验钢的效率和准确度。
图7为本发明实施例提供的智能废钢判级装置,如图7所示,该处理装置70包括:调整模块701、识别模块702和处理模块703。
调整模块701,用于当确定待检车辆进入待检区域后,控制起重设备沿两侧的导轨移动至所述待检车辆的上方,所述待检区域位于两侧导轨之间,所述起重设备的两端设置有球机摄像头,所述起重设备的两端之间设置有可移动的搬运设备;
识别模块702,用于通过所述球机摄像头对所述待检车辆和卸料区域进行识别,以控制所述搬运设备将所述待检车辆中的废钢分层搬运至所述卸料区域,并在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像;
处理模块703,用于根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析。
本申请还提供一种电子设备,包括:至少一个处理器和存储器;其中,
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上任一项所述的方法。
图8为本发明实施例提供的电子设备硬件示意图。如图8所示,本实施例提供的电子设备80包括:至少一个处理器801和存储器802。该设备80还包括通信部件803。其中,处理器801、存储器802以及通信部件803通过总线804连接。
在具体实现过程中,至少一个处理器801执行所述存储器802存储的计算机执行指令,使得至少一个处理器801执行如上方法。
处理器801的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图8所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速存储器(Random Access Memory,RAM),也可能还包括非易失性存储器(Non-volatile Memory,NVM),例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现上述各方法实施例中的步骤。
上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。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。
最后应说明的是:本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段,并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种智能废钢判级方法,其特征在于,所述方法包括:
当确定待检车辆进入待检区域后,控制起重设备沿两侧的导轨移动至所述待检车辆的上方,所述待检区域位于两侧导轨之间,所述起重设备的两端设置有球机摄像头,所述起重设备的两端之间设置有可移动的搬运设备;
通过所述球机摄像头对所述待检车辆和卸料区域进行识别,以控制所述搬运设备将所述待检车辆中的废钢分层搬运至所述卸料区域,并在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像;
根据每层的所述目标拍摄图像,对所述待检车辆的废钢进行判级分析。
2.根据权利要求1所述的方法,其特征在于,所述在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像,包括:
在通过球机摄像头获取一层的目标拍摄图像后,对所述目标拍摄图像进行存储并作为参照图像;
当所述搬运设备完成一次卸料并重新准备卸料时,通过所述球机摄像头获取当前拍摄图像,并判断当前拍摄图像是否与所述参照图像的预设区域中存在重复内容;
若否,则将所述当前拍摄图像作为新一层的目标拍摄图像;
若是,则继续卸料直至重新准备卸料时获取的当前拍摄图像与所述参照图像的预设区域中不存在重复内容,将所述当前拍摄图像作为新一层的目标拍摄图像。
3.根据权利要求1所述的方法,其特征在于,所述球机摄像头的焦距f满足如下条件:
其中,所述f为焦距、所述L为视距、m为球机摄像头距离待检区域的水平距离,h1为球机摄像头距离地面的高度,h2为待检车辆的高度,h3为球机摄像头的成像高度。
4.根据权利要求1所述的方法,其特征在于,在所述待检车辆进入待检区域之前,还包括:
通过所述球机摄像头获取未驶入所述待检区域的车辆的图像,通过所述图像识别所述车辆的车牌号码;
根据所述车牌号码及数据库,判断所述车辆是否为待检车辆;其中,所述数据库中存储有待检车辆的第一重量及对应的车牌号码;
若是,则确定所述车辆为待检车辆,向所述待检车辆播报第一提示信息,提示所述待检车辆驶向所述待检区域;
若否,则向所述车辆播报第二提示信息,提示所述车辆进行称重。
5.根据权利要求4所述的方法,其特征在于,所述根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析之前,还包括:
获取所述待检车辆的第二重量及车牌号码;
获取所述第一重量与所述第二重量的差值,所述差值为所述待检车辆中废钢重量;
所述根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析,包括:
根据所述每层的目标拍摄图像和所述废钢重量,对所述待检车辆的废钢进行判级分析。
6.根据权利要求5所述的方法,其特征在于,所述根据所述每层的目标拍摄图像和所述废钢重量,对所述待检车辆的废钢进行判级分析,包括:
对每层的目标拍摄图像进行深度学习处理,得到每层图像对应的子分析结果;
根据每层图像对应的子分析结果和所述废钢重量,得到所述待检车辆中的废钢的判级结果。
7.根据权利要求1所述的方法,其特征在于,所述根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析之后,还包括:
将判级分析得到的判级结果发送至用户终端;
当收到所述用户终端反馈的复审请求时,将所述复审请求转发至质检终端,以使得所述质检终端对应的质检人员进行人工复核。
8.一种智能废钢判级装置,其特征在于,所述装置包括:
调整模块,用于当确定待检车辆进入待检区域后,控制起重设备沿两侧的导轨移动至所述待检车辆的上方,所述待检区域位于两侧导轨之间,所述起重设备的两端设置有球机摄像头,所述起重设备的两端之间设置有可移动的搬运设备;
识别模块,用于通过所述球机摄像头对所述待检车辆和卸料区域进行识别,以控制所述搬运设备将所述待检车辆中的废钢分层搬运至所述卸料区域,并在所述搬运设备完成一层卸料后,通过所述球机摄像头获取所述待检车辆的上层的目标拍摄图像;
处理模块,用于根据每层的目标拍摄图像,对所述待检车辆的废钢进行判级分析。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-7任意一项所述的方法。
10.一种电子设备,其特征在于,包括:至少一个处理器和存储器;其中,
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000833.3A CN117011273A (zh) | 2023-08-09 | 2023-08-09 | 智能废钢判级方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000833.3A CN117011273A (zh) | 2023-08-09 | 2023-08-09 | 智能废钢判级方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117011273A true CN117011273A (zh) | 2023-11-07 |
Family
ID=88565250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311000833.3A Pending CN117011273A (zh) | 2023-08-09 | 2023-08-09 | 智能废钢判级方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117011273A (zh) |
-
2023
- 2023-08-09 CN CN202311000833.3A patent/CN117011273A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113743210A (zh) | 图像识别方法和废钢等级的识别方法 | |
CN112881412B (zh) | 一种废钢产品中非金属异物检测方法 | |
CN105241533A (zh) | 粮库自动称重计量***和方法 | |
CN112299049A (zh) | 一种智能装车控制***及方法 | |
CN114022537B (zh) | 一种用于动态称重区域车辆装载率和偏载率分析方法 | |
EA035267B1 (ru) | Способ и система для идентификации номера и типа вагона и способ и система для инспекции безопасности | |
CN110599081A (zh) | 一种对粮食出入库业务进行智能管理的方法及*** | |
CN114104755B (zh) | 高炉槽上料仓智能管理***及方法 | |
TWI787943B (zh) | 廢料判別系統及廢料判別方法 | |
CN117011273A (zh) | 智能废钢判级方法、装置、设备及介质 | |
CN114476444A (zh) | 一种垃圾卸料智能管理*** | |
CN116593479B (zh) | 电池盖板外观质量检测方法、装置、设备及存储介质 | |
CN112016533A (zh) | 物料检测方法、装置、电子设备和计算机可读存储介质 | |
CN111862050A (zh) | 一种物料检测***、方法及设备 | |
CN114873310B (zh) | 一种装车楼自动装车方法及装车楼 | |
CN116448780A (zh) | 芯片缺陷检测装置、方法及设备 | |
CN115410399A (zh) | 一种货车停车方法、装置及电子设备 | |
KR20220131358A (ko) | 스크랩 판별 시스템 및, 스크랩 판별 방법 | |
CN115159150B (zh) | 一种废钢进场控制方法、***及计算机可读存储介质 | |
CN116597364B (zh) | 图像处理方法及装置 | |
CN114747050A (zh) | 废旧或退役蓄电池处理厂和过程 | |
CN115359024A (zh) | 基于机器视觉的棒材自动出库方法、装置、设备及介质 | |
CN114549940B (zh) | 图像处理方法 | |
CN115330713A (zh) | 基于机器视觉的阴极板检测方法、服务器及可读存储介质 | |
CN117945250A (zh) | 一种矿用立井提升机坠罐风险自动检测方法、***及存储介质 |
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 |