[发明专利]一种基于深度学习的废钢判级方法

说明书

本发明公开了一种基于深度学习的废钢判级方法，包括：(1)采集多个整车废钢卸载的视频数据，抽取多个图像帧进行人工标注，数据扩增后划分为训练集和测试集；(2)将训练集和测试集中的所有图片归一化；(3)构建判级模型，判级模型包括时空信息分离网络和改进的时间信息融合网络；时空信息分离网络用于从输入的图片中提取一系列高维特征，在整车废钢全部卸载后，将时空信息分离网络提取的特征输入改进的时间信息融合网络，获得整车判级结果；(4)利用训练集对判级模型进行训练；(5)对于待判级的废钢，利用摄像机拍摄整车废钢卸载视频，截取视频帧输入训练完的判级模型，得到废钢判级结果。利用本发明，可以实现对废钢的有效准确判级。

技术领域

本发明属于废钢判级领域，尤其是涉及一种基于深度学习的废钢判级方法。

背景技术

随着钢铁产量不断增加，每天也会有大量的废钢产生。所谓废钢，就是在生产生活的过程中，淘汰或者损坏的作为回收利用的废旧钢铁，分为废钢、废铁、冶金废渣、氧化废料等，这些都统称为废钢。

本着物尽其用的原则，废钢供应部门必须通过加工手段，把不同种类和不同规格的废钢，按照炼钢生产要求，加工成为规格对路的炉料。在加工的同时要把能够直接利用的型材、钢板等挑选出来，经过剪切、气割加工以后，作为直接生产用料，从而提高废钢的利用价值。

目前大部分钢铁公司的废钢的回收分类还是靠人力完成，凭借个人经验与主观判断来把废钢按照其外形尺寸(一般为厚度)分为重型废钢、中型废钢等。这种方法不但极其依赖判断者的经验和状态，还容易产生廉洁问题，影响回收分类的效率。

为了减少人力物力的消耗、提高回收分类的效率，可以将深度学习引入废钢判级中。现有的基于深度学习的废钢判级方法，如申请号为202110527787.7的中国专利文献公开了“一种人工智能废钢扣杂评级方法及系统”，申请号为202110527787.7的中国专利文献公开了一种基于视频监控的废钢车厢等级判定方法。以上两种方法均没有除去重复检测的结果(钢爪/吸盘每次只会抓取车厢中的部分废钢，因此同一块废钢可能出现在不同图片中)，而这会导致判级的错误率大大增加。

因此，需要设计一种准确率高、安全性高、稳定性好的判级方法，实现基于深度学习的废钢判级。

发明内容

本发明提供了一种基于深度学习的废钢判级方法，可以实现对废钢的有效准确判级。

一种基于深度学习的废钢判级方法，包括以下步骤：

(1)采集多个整车废钢卸载的视频数据，从每个视频数据中抽取多个关键图像帧后对废钢等级进行人工标注，使用数据扩增的方法对图像帧进行扩充，并将扩充后的数据集随机划分为训练集和测试集；

(2)将训练集和测试集中的所有图片归一化；

(3)构建判级模型，所述的判级模型包括时空信息分离网络和改进的时间信息融合网络；其中，所述的时空信息分离网络用于从输入的图片中提取一系列高维特征，在整车废钢全部卸载后，将时空信息分离网络提取的特征输入改进的时间信息融合网络，获得整车判级结果；

(4)利用训练集对判级模型进行训练，得到训练完成的判级模型；

(5)对于待判级的废钢，利用摄像机拍摄整车废钢卸载的视频，截取视频帧输入训练完的判级模型，得到最终的废钢判级结果。

步骤(1)中，使用数据扩增的方法具体为：对图片随机采用随机旋转、水平翻转和随机裁剪方法中的一种，进行数据扩增。将扩充后的数据集的80％作为训练集，20％作为测试集。

数据扩增的目的是使得训练数据尽可能的接近测试数据，从而提高预测精度，另外数据扩增可以使网络学习到更鲁棒性的特征，从而使模型拥有更强的泛化能力。这样可以有效防止模型过拟合。

步骤(2)中，将训练集和测试集中的所有图片归一化的具体步骤为：