[发明专利]一种热轧棒材冷剪物料堆积检测方法、系统及介质

权利要求书

1.一种热轧棒材冷剪物料堆积检测方法，其特征在于，包括：

采集冷剪机对应的滑道的多帧图像；

通过物料检测模型判断所述图像中是否存在物料；

当存在物料时，获取所述物料的位置信息，并根据所述物料位置信息的变化量输出识别结果。

2.根据权利要求1所述的热轧棒材冷剪物料堆积检测方法，其特征在于，当存在物料时，通过所述物料检测模型获取所述物料在所述多帧图像中的位置信息；

若所述物料在所述多帧图像中的位置信息的变化量超出预设的阈值范围，则所述物料运动；

若所述物料在所述多帧图像中的位置信息的变化量未超出预设的阈值范围，则所述物料静止。

3.根据权利要求1所述的热轧棒材冷剪物料堆积检测方法，其特征在于，通过预设的摄像模块采集所述滑道的多帧图像，其中，所述摄像模块的图像采集范围覆盖整个所述滑道，且所述摄像模块的视角与所述滑道垂直。

4.根据权利要求2所述的热轧棒材冷剪物料堆积检测方法，其特征在于，当所述滑道中存在物料，且所述物料处于静止状态时，输出异常识别结果，并启动预警信息。

5.根据权利要求2所述的热轧棒材冷剪物料堆积检测方法，其特征在于，通过所述物料检测模型当前时刻输出的物料的位置信息，与前一个或多个时刻输出的同一物料的位置信息之间的差值获取所述位置信息的变化量。

6.根据权利要求1所述的热轧棒材冷剪物料堆积检测方法，其特征在于，还包括：获取相同应用场景下的滑道图像，并对所述滑道图像进行标注，获取标注数据集，其中，标注信息至少包括：物料的外形边框及边框坐标、物料的类型、物料编号；

将所述数据集划分为训练集、测试集和验证集，用于训练神经网络，获取物料检测模型。

7.根据权利要求5所述的热轧棒材冷剪物料堆积检测方法，其特征在于，所述神经网络包括以下之一：SSD-MobileNet、R-CNN、Faster-RCNN、YOLO。

8.一种热轧棒材冷剪物料堆积检测系统，其特征在于，包括：

图像采集模块，用于采集冷剪机对应的滑道的多帧图像；

物料识别模块，用于通过物料检测模型判断所述图像中是否存在物料；

异常检测模块，用于当存在物料时，获取所述物料的位置信息，并根据所述物料位置信息的变化量输出识别结果。

9.根据权利要求8所述的热轧棒材冷剪物料堆积检测系统，其特征在于，还包括运动判别模块，所述运动判别模块一端与所述物料识别模块连接，另一端与所述异常检测模块连接；所述运动判别模块用于所述当存在物料时，通过所述物料检测模型获取所述物料在所述多帧图像中的位置信息；

若所述物料在所述多帧图像中的位置信息的变化量超出预设的阈值范围，则所述物料运动；

若所述物料在所述多帧图像中的位置信息的变化量未超出预设的阈值范围，则所述物料静止。

10.根据权利要求9所述的热轧棒材冷剪物料堆积检测系统，其特征在于，所述运动判别模块包括变化量获取单元，用于通过所述物料检测模型当前时刻输出的物料的位置信息，与前一个或多个时刻输出的同一物料的位置信息之间的差值获取所述位置信息的变化量。

11.一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-7中一个或多个所述的方法。