[发明专利]一种基于计算机视觉的铁水飞溅预测方法

权利要求书

1.一种基于计算机视觉的铁水飞溅预测方法，其特征在于：含有以下步骤：

步骤S1：在运输铁水罐的天车上部署俯视铁水罐所有区域的相机；

步骤S2：利用语义分割网络得到铁水罐边缘区域和铁水区域；

步骤S3：对铁水罐边缘区域进行区域划分，得到铁水罐的分段结果，并设定各分段的报警阈值；

步骤S4：根据实时采集的铁水区域的二阶矩特征和质心偏移量为各铁水罐分段分配权重，得到飞溅方向特征矩阵；

步骤S5：根据飞溅方向特征矩阵、质心偏移量以及铁水区域面积，利用TCN网络得到危险预测等级和飞溅方向的预测；

步骤S6：根据TCN网络输出的结果和步骤S3获得的各分段报警阈值输出最后的飞溅预警。

2.根据权利要求1所述的基于计算机视觉的铁水飞溅预测方法，其特征在于：所述相机镜头前设有红外滤光镜。

3.根据权利要求1所述的基于计算机视觉的铁水飞溅预测方法，其特征在于：所述步骤S2中语义分割网络为Encoder-Decoder结构，语义分割网路的训练方法：语义分割网络的训练集为相机采集的RGB图像信息，人为为训练集图像打上标签得到标签数据，打标签的方法为：将铁水罐边缘区域的标签为1，铁水区域的标签为2，其余区域标签为0，损失函数采用交叉熵函数，不断迭代，更新模型的参数。

4.根据权利要求1所述的基于计算机视觉的铁水飞溅预测方法，其特征在于：所述步骤S3中首先根据语义分割的结果得到铁水罐边缘区域，将铁水罐区域的像素值置为1，其余区域的像素值置为0得到铁水边缘区域的二值图像，记为I₁；求图像I₁的一阶矩特征，获得铁水罐边缘的质心坐标，记为P₁＝(x₁,y₁)，其计算公式如下：

其中，w,h为图像I₁的图像尺寸信息，I₁(i,j)为图像I₁上(i,j)位置处的像素值；

然后获取铁水罐边缘区域各个位置处的厚度信息d的方法如下：

a)以质心P₁为坐标原点，以水平向右为横坐标u的正方向，竖直向上为纵坐标v的正方向构建二维坐标系u-P₁-v，后文以坐标系1指代该坐标系；

b)规定一个单位向量该向量以点P₁为起始点，指向坐标系1的u轴正向是记角度为0度；在图像I₁上沿着单位向量的方向，从坐标原点开始遍历，当检测到第一个不为0的像素点是记录该点的位置信息；继续沿着单位向量遍历，当再次检测到第一个像素值为0的点时记录该点的位置信息，前后两点的距离记为0度时的铁水罐边缘厚度d₀；

c)以步长为1度旋转向量得到1度对应的单位向量，按照相同的方法获得1度时的铁水罐边缘厚度d₁，继续以步长为1进行遍历，直至获的360个铁水罐边缘的厚度信息序列d，该序列中包含360个数值；

d)进一步获得铁水罐边缘中流嘴的位置，获取方法为：沿着铁水罐边缘区域执行角点检测，得到流嘴与边缘线的交点，根据角点的位置信息得到流嘴的位置信息；由于在铁水倾倒作业时，铁水从流嘴处流处，使得流嘴处的边缘厚度增大，所以流嘴处的边缘厚度没有参考价值，在坐标系1中得到流嘴区域对应的角度值，在序列d中将角度值对应的信息舍去；

e)将序列d中剩余的厚度值利用距离聚类算法厚度相差在0.5以内的归为一类，得到各聚类结果；距离聚类算法可以对Kmeans算法进行改进，将距离小于0.5的归为一类，实现聚类簇数量的自动确定；

f)至此，得到多个簇，利用每一个簇内厚度值的下标(角度数值)对铁水罐进行分段，得到分段结果，分段的数量与聚类结果的簇数量一致，记为n，进一步得到每一个分段中的平均厚度值

最后根据每一个分段的平均厚度设定不同的阈值R；该阈值为预警阈值，当后续时序预测网络的输出超过该阈值时发出报警；阈值确定公式：在n个平均厚度值中，最小值为原始的铁水罐边缘的厚度，根据经验将该区域的预警阈值设为5；则平均厚度为的分段中的预警阈值的计算方法为：

其中，为平均厚度为的分段中对应的预警阈值，需要说明的是，为了避免预警阈值过低导致系统频繁触发报警机制，当时，将置为2。