[发明专利]热轧棒材收集完成辊道落料检测方法、系统、介质及终端在审
申请号: | 202010896107.4 | 申请日: | 2020-08-31 |
公开(公告)号: | CN112037199A | 公开(公告)日: | 2020-12-04 |
发明(设计)人: | 庞殊杨;袁钰博;赵静;刘睿;贾鸿盛;王嘉骏;刘斌;毛尚伟 | 申请(专利权)人: | 中冶赛迪重庆信息技术有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06N3/08 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 代玲 |
地址: | 401122 重庆市渝*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 热轧 收集 完成 辊道落料 检测 方法 系统 介质 终端 | ||
1.一种热轧棒材收集完成辊道落料检测方法,其特征在于,包括:
获取热轧棒材收集完成辊道的图像信息;
根据所述图像信息中检查台架输出辊道的位置,设置感兴趣区域;
对所述图像信息中的散落棒材进行标注,获取数据集;
根据所述数据集,建立基于深度神经网络的热轧棒材目标检测模型,并对其进行训练;
获取实时图像数据,并输入至训练后的热轧棒材目标检测模型,获取识别结果,所述输出别结果包括检查台架输出辊道上热轧棒材的信息;
根据所述识别结果,判定检查台架输出辊道上是否存在散落棒材,完成热轧棒材收集完成辊道落料检测。
2.根据权利要求1所述的热轧棒材收集完成辊道落料检测方法,其特征在于,所述对所述图像信息中的散落棒材进行标注,获取数据集包括:通过图像标注工具的矩形选框标出散落棒材的位置,进而形成散落棒材的数据集,将所述数据集划分为训练集、测试集、验证集,通过所述训练集中的数据对所述热轧棒材目标检测模型进行训练,通过学习所述训练集中每张热轧棒材图像中的标识框范围内的目标特征,得到所述热轧棒材目标检测模型。
3.根据权利要求1所述的热轧棒材收集完成辊道落料检测方法,其特征在于,所述数据集的有效信息包括图像基础属性和标注信息,所述图片基础属性包括文件名称、宽度、高度、图像深度;所述标注信息包括目标物体的类别。
4.根据权利要求2所述的热轧棒材收集完成辊道落料检测方法,其特征在于,
将实时视频流数据输入至训练后的热轧棒材目标检测模型进行目标识别;
获取辊道上散落棒材的位置信息,所述辊道上散落棒材的位置信息包括矩形目标框的左上、左下、右下、右上点,以及左上、左下、右下、右上点的坐标信息。
获取目标棒材的实时位置信息和历史位置信息,并根据所述实时位置信息和历史位置信息,判定目标棒材的运动状态。
5.根据权利要求4所述的热轧棒材收集完成辊道落料检测方法,其特征在于,
所述实时位置信息包括:
[Bar Point1(x1,y1),Bar Point2(x1,y1),Bar Point3(x1,y1),Bar Point4(x1,y1)]
所述历史位置信息包括:
[Bar Point1(x2,y2),Bar Point2(x2,y2),Bar Point3(x2,y2),Bar Point4(x2,y2)]
其中,Bar Point1x1、Bar Point1y1分别为当前检测时间节点的目标识别框左上角的x、y坐标;
Bar Point4x1、Bar Point4y1分别为当前检测时间节点的目标识别框右下角的x、y坐标;
Bar Point1x2、Bar Point1y2分别为上一检测时间节点的目标识别框左上角的x、y坐标;
Bar Point4x2、Bar Point4y2分别为上一检测时间节点的目标识别框右下角的x、y坐标。
6.根据权利要求5所述的热轧棒材收集完成辊道落料检测方法,其特征在于,根据所述实时位置信息与历史位置信息,计算当前检测时间节点的目标识别框与上一检测时间节点的目标识别框之间的变化量,根据所述变化量判断目标棒材是否堆积静止在辊道上,进而判断目标棒材是否处于静止状态。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中冶赛迪重庆信息技术有限公司,未经中冶赛迪重庆信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010896107.4/1.html,转载请声明来源钻瓜专利网。