[发明专利]基于深度学习的钢材尺寸和数量的识别方法、智能设备和存储介质

说明书

一种基于深度学习的钢材尺寸和数量的识别方法、智能设备和存储介质。该识别方法包括：通过相机摄取多幅钢材堆端面图像，采集对应各张钢材堆端面图像的相机光圈值和焦距值，利用多幅该钢材堆端面图像以及对应每一幅该钢材堆端面图像的相机的光圈值和焦距值，训练得到钢材数目检测和尺寸识别神经网络模型；利用相机摄取待识别钢材堆的端面图像，将该待识别钢材堆的端面图像和对应的相机的光圈值和焦距值输入到该模型，由该模型输出此图的钢材数目和尺寸信息。如此，只需通过相机采集钢材堆的端面图像和相机的光圈、焦距值，即可快速得到钢材堆中的钢材数目、坐标及尺寸，有效提高了钢材计数和尺寸识别的效率和准确度，大量减少人力成本和时间成本。

技术领域

本发明涉及图像视觉技术领域，具体涉及基于深度学习的钢材尺寸和数量的识别方法、智能设备和存储介质。

背景技术

在钢材的生产、运输、销售等环节，无论入库还是出售，无论是对钢铁企业、钢材销售商还是钢材购买方而言，为了减少可能的经济风险和纠纷，每个环节都必须精确计算钢材数目；同时，因各类型钢材尺寸、粗细不一样，用途不一样，还需对钢材尺寸进行测量。

目前，对于钢材的数量及尺寸的管控，有以下几类方法：

1、人工计数、测量。

人工标注和测量为现阶段最常用的方法，工人用不同颜色的笔一根一根地对钢材进行标注。这种传统的清点方式耗时耗力，而且速度慢、准确度低，同时具有安全隐患。另外，虽然这些钢材、圆钢、管子、珠子等建筑相关材料或其他材料，标注有包括产地信息在内的规格、数量等信息，但由于不同的规格，并且在露天存放或堆放于工厂内时，因为以不规则排列堆放或堆积，导致难以掌握全部的准确数量，尤其是在钢材产品，因其重量非常重而难以挪动导致计数困难。

2、利用光电管和脉冲传感器进行自动计数。此方法有如下不足：1)只能进行单根测量，效率低下；2)在恶劣环境下，光电管的敏感性会降低，误差较大；3)不能同时测量钢材的尺寸。

3、重量传感器检测方法。此方法过于依赖钢材生产工艺，在钢厂存在负公差生产情况下，通过此方法测出的钢材数目误差较大，也无法同时进行钢材尺寸的测量。

4、计算机视觉方法。现阶段已有少些图像领域的科研者利用传统算法或者人工智能的方法进行钢材计数，此方法只需要将钢材图输入到已设计好的算法模型中，便可输出钢材数量，解放了人力，大大的提高了效率，降低了成本。但现阶段的这些方法具有以下问题：1)对于传统算法而言，钢材实际存放环境复杂多变，容易发生光线变化、钢材遮挡等情况，传统算法对场景要求很高，场景的多变性导致传统算法的实践性并不是很强；2)对于现阶段的一些深度学习算法而言，因场景的多样性、数据的不完备性导致模型虽有很高的理论检测率，但在实际使用中的钢材数目检测的准确率和召回率不高。同时，钢材的直径变化范围较大(12-32之间的很多种类)，且界面形状不规则，颜色不一，拍摄的角度和距离也不受控制，导致算法模型在实际使用的过程中检测效果难以稳定；3)目前的方法中，没有能同时能够实现对钢材进行数量统计，又能对钢材捆尺寸级别进行分类的方法。

针对以上问题，本发明专利基于深度学习和计算机视觉理论，提出一种能够同时进行钢材数量检测和尺寸识别的智能检测方法。在工地等钢材存放环境复杂多变的情况下，本方法能够同时实现钢材计数和尺寸识别的功能，旨在能够更加准确、高效、快速地进行钢材的数量检测和尺寸识别，降低人力，提高生产效率。

发明内容

本发明的目的在于，针对现有技术中的上述问题，提供一种基于深度学习的钢材尺寸和数量的识别方法，帮助我们对批量钢材进行快速、高效、准确数量及尺寸统计。

本发明的另一个目的在于，提供一种智能设备。

本发明的又一个目的在于，提供一种计算机存储介质。

为实现本发明的目的，所采用的技术方案是：一种基于深度学习的钢材尺寸和数量的识别方法，所述识别方法包括如下步骤：