[发明专利]基于SOLOv2网络的钢液检测定位方法

权利要求书

1.一种基于SOLOv2网络的钢液检测定位方法，其特征在于，具体步骤为：

步骤1：获取原始钢液图像；

步骤2：用训练好的SOLOv2网络处理原始钢液图像，得到钢液分割效果图；

步骤3：除去步骤2中得到的分割效果图中钢液区域面积小于阈值的钢液区域，得到第一钢液分割效果图；

步骤4：对于具有时序信息的原始钢液图像，采用光流法获取火焰区域，计算火焰区域面积；

步骤5：对于步骤4获得的火焰区域，采用求取交集面积以及面积判定的方法，除去不合理的区域后得到第二钢液分割效果图，具体方法为：

步骤51：根据黄白色火焰面积和全部火焰面积，进行阈值判定，当黄白色火焰面积和全部火焰面积都大于特定的阈值则认为该钢液分割效果图无效，反之有效；

步骤52：求取步骤51得到的有效的钢液分割效果图中每个钢液区域和火焰区域的交集，得到重叠区域，计算重叠区域面积，当重叠区域面积与对应的钢液区域面积的比例超过阈值时，认定该区域无效，去除无效的钢液区域，得到第二钢液分割效果图；

步骤6：对步骤5获得的第二钢液分割效果图，采用方差判定方法，除去不合理区域，得到最终的钢液分割效果图，具体方法为：

对第二钢液分割效果图中的每个钢液区域，计算原图中对应区域的方差，若方差大于阈值，则认为该区域无效，除去无效区域后，得到最终的钢液分割效果图。

2.根据权利要求1所述的基于SOLOv2网络的钢液检测定位方法，其特征在于，所述SOLOv2网络处理原始转炉炼钢视频，得到分割效果图，具体为：

步骤21：利用训练样本对SOLOv2网络进行训练得到深度学习模型；

步骤22：使用深度学习模型处理原始转炉炼钢图，得到分割的效果图。

3.根据权利要求1或2所述的基于SOLOv2网络的钢液检测定位方法，其特征在于，所述SOLOv2网络包括数据输入模块、骨干网络、特征金字塔网络以及掩码分析重构网络，其中：

所述数据输入模块用于完成数据的输入和预处理；

所述骨干网络采用resnet34网络对输入图片进行卷积操作，提取图片特征；

所述特征金字塔网络用于生成不同尺度的特征图并进行特征融合，得到掩码特征和掩码内核；

所述掩码分析重构网络用于对掩码特征进行预测分析和重构，得到掩码分割结果。

4.根据权利要求1所述的基于SOLOv2网络的钢液检测定位方法，其特征在于，采用光流法获取火焰区的具体过程为：

利用opencv中的光流计算函数，找到在连续2帧原始钢液图像之间变化值大于阈值的像素点的集合，得到这部分像素点集合构成的区域；利用图像的颜色矩阵，得到颜色为黄色和白色的像素点的区域；将像素点集合构成的区域和黄色和白色的像素点的区域合并作为火焰区域。