[发明专利]废料辨别系统和废料辨别方法在审

专利信息
申请号: 202180057784.X 申请日: 2021-07-28
公开(公告)号: CN116194229A 公开(公告)日: 2023-05-30
发明(设计)人: 小笠原太;岸本康夫;高雄保嘉 申请(专利权)人: 杰富意钢铁株式会社
主分类号: B07C5/10 分类号: B07C5/10
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 张丰桥
地址: 日本*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 废料 辨别 系统 方法
【权利要求书】:

1.一种废料辨别系统,其特征在于,具备:

获取部,其获取包含废料的相机图像;

废料部位提取模型,其基于所述相机图像,以在图像内预先设置的窗部为基准而提取存在于该相机图像所含的中央部的废料部位;

废料辨别模型,其从通过所述废料部位提取模型提取出的废料图像中筛选废料的等级和各等级的比率,且是通过包含学习用图像的教师数据而生成的;以及

输出部,其将使用所述废料辨别模型并基于所述废料图像而辨别出的废料的等级和各等级的比率的信息输出。

2.根据权利要求1所述的废料辨别系统,其特征在于,

所述窗部确定出以所述相机图像的中心为基准的整体图像的1/4的范围,利用语义分割法来提取以存在于该窗部的废料为起点的废料部位。

3.根据权利要求1或2所述的废料辨别系统,其特征在于,

所述学习用图像为单一等级的铁废料的图像,在使用所述废料辨别模型来辨别所述废料图像所含的废料的等级和各等级的比率时,基于所述废料图像中的各等级的废料的面积比来辨别所述比率。

4.根据权利要求1或2所述的废料辨别系统,其特征在于,

所述学习用图像是混合等级的铁废料的图像。

5.根据权利要求1~4中任一项所述的废料辨别系统,其特征在于,

所述废料辨别模型包括:

第1废料辨别模型,其基于所述废料图像,来辨别该相机图像所含的废料的等级和各等级的比率,且通过包含第1学习用图像的教师数据而生成;

第2废料辨别模型,其基于所述废料图像,来辨别该相机图像所含的废料的等级和各等级的比率,且通过包含与所述第1学习用图像不同的第2学习用图像的教师数据而生成;以及

选择模型,其基于所述废料图像,来辨别使用所述第1废料辨别模型或者所述第2废料辨别模型中哪一个,

所述输出部将使用所述第1废料辨别模型或者所述第2废料辨别模型中的由所述选择模型选择出的模型并基于所述废料图像而辨别出的废料的等级和各等级的比率的信息输出。

6.根据权利要求5所述的废料辨别系统,其特征在于,

所述第1学习用图像为单一等级的铁废料的图像,在使用所述第1废料辨别模型来辨别所述废料图像所含的废料的等级和各等级的比率时,基于所述废料图像中的各等级的废料的面积比来辨别所述比率。

7.根据权利要求5或6所述的废料辨别系统,其特征在于,

所述第2学习用图像为混合等级的铁废料的图像。

8.根据权利要求5~7中任一项所述的废料辨别系统,其特征在于,

所述第1学习用图像、所述第2学习用图像和所述废料图像基于与各图像对应的缩放信息而被标准化。

9.根据权利要求5~7中任一项所述的废料辨别系统,其特征在于,

所述第1废料辨别模型、所述第2废料辨别模型和所述选择模型中至少任一者被基于所述废料图像和所述输出部输出的所述信息重新学习。

10.一种废料辨别方法,使用基于包含废料的相机图像来提取存在于该相机图像所含的中央部的废料部位的废料部位提取模型和辨别废料的等级和各等级的比率且通过包含学习用图像的教师数据而生成的废料辨别模型,

所述废料辨别方法的特征在于,包括如下步骤:

获取包含所述废料的相机图像;

使用所述废料部位提取模型并基于所述相机图像来提取废料图像;以及

将使用废料辨别模型并基于所述废料图像而辨别出的废料的等级和各等级的比率的信息输出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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杰富意钢铁株式会社,未经杰富意钢铁株式会社许可,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/202180057784.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top