[发明专利]基于实例分割的铁路梁生产工序识别方法

说明书

本发明涉及基于实例分割的铁路梁生产工序识别方法，属于铁路梁生产工艺周期不同工序状态的图像识别领域。本发明包括如下步骤：建立实例分割模型与缓存器，并训练实例分割模型；采集铁路梁生产工序实时图像画面并进行视觉分析处理，同时加载实例分割模型进行推理，并得出分割结果；根据得出的分割结果，结合缓存器历史数据进行认证后，得到最终结果并更新当前最新生产工序状态。本发明能够对整个铁路梁制造周期进行全生命周期的监测，并能够对实时的工序状态进行记录；同时也能够避免工作人员操作失误导致的实时工序判断错误，进而能有效的提高铁路梁生产工序状态识别效率。

技术领域

本发明属于铁路梁生产工艺周期不同工序状态的图像识别领域，尤其是涉及基于实例分割的铁路梁生产工序识别方法。

背景技术

铁路梁全称铁路混凝土简支梁，现有的铁路梁的生产工序十分复杂，包含的工序种类主要包括模板拼接、钢筋吊装、混凝土浇筑、拆内模、拆外模、张拉、压浆、移梁等八种，每道工序不但时间跨度长，而且还与下一道工序衔接紧密。

现有技术中，铁路梁厂实际生产采用的是时序性流水作业工艺，实际生产过程中工人需要每天定时对每道梁的状态进行跟踪记录，对每道梁建立全生产周期的工序状态档案。

但是，由于铁路梁制造周期受温度与湿度等因素影响，每道梁的生产周期很长，且不同生产工序之间的状态更新无法完成统一，工人每天只能在固定时间对铁路梁的工序状态进行记录，无法做到全生命周期的监测。另外，铁路梁生产工序之间的衔接与时序交替关系复杂，会存在因工作人员操作失误，而导致的实时工序判断错误的情况，降低了铁路梁工序识别的效率。

因此，设计一种能有效提高铁路梁生产工序状态识别效率的铁路梁生产工序识别方法就显得十分必要。

发明内容

本发明是为了克服现有技术中，现有的铁路梁生产工序识别存在识别效率低下，无法做到全生命周期的监测以及由于工序之间的衔接与时序交替关系复杂，容易导致工作人员操作失误，发生实时工序判断错误的问题，提供了一种能有效提高铁路梁生产工序状态识别效率的基于实例分割的铁路梁生产工序识别方法。

为实现上述目的，本发明采用以下技术方案：

基于实例分割的铁路梁生产工序识别方法，包括如下步骤：

步骤一，建立实例分割模型与缓存器，并训练实例分割模型；

步骤二，采集铁路梁生产工序实时图像画面并进行视觉分析处理，同时加载实例分割模型进行推理，并得出分割结果；

步骤三，根据得出的分割结果，结合缓存器历史数据进行认证后，得到最终结果并更新当前最新生产工序状态。

可选的，步骤一中所述建立实例分割模型，包括如下步骤：

分析铁路梁生产工序中各个连续工序状态特征，同时选取出各个连续工序中的典型特征，并对各个工序的典型特征数据样本进行分割标注；

使用分割标注后的工序典型特征数据样本，并基于Faster-RCNN目标检测建立的实例分割框架，建立铁路梁生产工序实例分割模型。

可选的，步骤一中所述训练实例分割模型，包括如下步骤：

结合深度学习框架PyTorch搭建基础训练与推理环境，并训练实例分割模型。

可选的，所述采集铁路梁生产工序实时视频画面并进行视觉分析处理，同时加载实例分割模型进行推理，并得出分割结果，包括如下步骤：

对图像采集设备所采集的视野画面进行预处理，通过霍夫直线检测检测出视野画面中水渠的位置,并绘制水渠分界线；

通过水渠分界线对图像采集设备视野中的铁路梁进行定位并建立ROI工作区域；