[发明专利]一种基于深度学习的板坯编号识别方法

权利要求书

1.一种基于深度学习的板坯编号识别方法，其特征在于，包括以下步骤：

获取现场板坯行进过程的视频录像，对视频录像进行按帧截取获得大量带有板坯编号的图像；

采用机器视觉识别技术对每张板坯图像上的板坯号进行标注，制作板坯号识别模型训练所需的数据集；

采用深度学习神经网络，训练调试识别模型，在收集制作的数据集上达到99％以上的精度；

现场部署识别模型，每次识别整个行车经过的一段视频，最后处理匹配结果，并得到板坯个数和对应的板坯号，输出识别结果；

对识别的结果在数据库的入库计划中自动查询，进行二次验证，成功后认定识别成功，失败后报警提示。

2.根据权利要求1所述的板坯编号识别方法，其特征在于，带有板坯编号图像的采集方法如下：

在板坯行进路程上搭建RGB摄像头，用于记录每一辆行车经过摄像头前的完整过程，捕获板坯移动时候的板坯编号；

对获取的视频录像，截取一帧一帧的图像；

处理获得的板坯图像，并过滤掉没有板坯编号的图像。

3.根据权利要求1所述的板坯编号识别方法，其特征在于，板坯号识别模型训练所需数据集的制作方法如下：

使用图像标注工具labelme，对得到的带有板坯号和板坯头部的图像进行标注；

在标注过程中如果发现板号变形、喷印错误、无板坯号或者板坯头部的图像；

把标注的图像得到的json格式转为txt文件。

4.根据权利要求1所述的板坯编号识别方法，其特征在于，识别模型的训练调试过程如下：

在收集制作的数据集中分别划分出训练集和验证集；

设置超参数，使用数据增广，训练深度学习识别模型；

评估训练出的神经网络模型结果。

5.根据权利要求4所述的板坯编号识别方法，其特征在于，模型选用yolov5-L。

6.根据权利要求1所述的板坯编号识别方法，其特征在于，现场部署识别模型，每次识别整个行车经过的一段视频，最后处理匹配结果，并得到板坯个数和对应的板坯号，具体步骤如下：

采用单线程，得到识别信号后，摄像头捕获一张图像，模型进行识别该张图像，经过后处理之后保存该单张识别结果，然后再从摄像头捕获一张图像，模型进行识别，通过后处理保存该单张识别结果，单张图像识别程序设置循环识别30秒，最后把30秒之内的所有单张识别结果汇总处理后反馈给数据库；

处理单张图像的识别结果，把其中的板坯号单个字符的识别结果，按照从下到上，从左到右的顺序进行选择排序，组合成字符串；同理处理该识别结果中板坯头部检测结果，按照从下到上进行排序，完成单张图像后处理算法；

处理多张图像的识别结果，把每一张图像的字符串识别结果进行行匹配汇总，然后再选择该行出现次数最多的结果，作为本行的最终结果。最后拿每一行的字符串识别结果和板坯头部进行行位置匹配，完成多张图像后处理算法；

把多张图像后处理算法的最终结果写入数据库，并写入识别过程中的若干张原图像作为后续人工修改或检查板号的依据。

7.根据权利要求1所述的板坯编号识别方法，其特征在于，对识别结果进行二次验证的过程如下：

建立数据库链路实现与WMS数据库和连铸车间数据库通信；

根据识别的板坯号，在WMS数据库和连铸数据库中搜索板坯原始PDI数据；

如果查询成功，则表示二次验证成功，此次识别正确；

如果查询失败，则报警提示人工介入。