[发明专利]一种基于深度学习的板坯编号识别方法

说明书

本发明公开了一种基于深度学习的板坯编号识别方法，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；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；训练调试识别模型；现场部署识别模型，每次识别整个轨道车经过的一段视频，最后处理匹配结果，并得到板坯个数和对应的板坯号；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。本发明板坯编号识别方法不仅能够减少人工作业量，还能提高入库板坯号的准确率，方便库区管理，并且可以实现自动查询核对、能够有效加快板坯入库节奏，提高整个生产车间的效率。

技术领域

本发明涉及冶金机械及自动化、人工智能领域，特别涉及一种基于深度学习自动识别板坯号方法。

背景技术

热轧生产是钢铁企业中的重要生产线中的一环，其中连铸车间和热轧车间属于上下游的相接关系，热连铸板坯在连铸车间经冷却、火焰处理、喷印板号并且连铸板坯表面和内部质量均合格后，将由辊道送到热轧车间。随后需要操作人员对板坯的坯号进行人工识别，并与板坯库中入库的板坯数据进行核对，在板号确认无误后，下达后续步骤操作指令，指导板坯进入板坯库中指定位置的堆垛，等待完成既定的轧制计划。随着智能制造技术的不断发展，钢铁企业也迎来改革的浪潮，目前热轧产线中板坯入库过程自动化程度较低，尤其是板坯号的识别过程，多数钢铁企业都依靠工人24小时无间断换班值守，去观察行进过程中的板坯的坯号，然后每一次都要与板坯库中的数据进行核对，劳动强度不仅大且工作效率低，同时受人为因素影响较多，长时间工作很容易造成误识或漏识，轻则产品判废，重则对整个生产线造成严重经济损失。

发明内容

本发明针对这一现状提出了一种基于深度学习的自动识别板坯号方法，实现入库计划的自动核对、提高了生产效率。

为了实现上述目的，本发明提供的技术方案如下：

一种基于深度学习的板坯编号识别方法，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。

更为具体的步骤如下：

获得大量带有板坯编号的图像；

在轨道车行进过程中的一处位置搭建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；

从现场下载录像，并删除录像中没有轨道车经过或者轨道车上未载有板坯的录像，把保留下来的录像经过ffmpeg中的命令处理成图像；

处理获得的板坯图像，并过滤掉没有板坯编号的图像。

制作板坯号识别模型训练所需的数据集：

使用图像标注工具labelme，对得到的带有板坯号的图像进行标注；

对板坯的头部进行标注，用于获得板坯的数量；

在标注过程中删除过于模糊、喷印错误、无板坯号和板坯头部的图像；

把标注的图像得到的json格式转为txt文件。

训练调试识别模型：

划分本发明的训练集和验证集；