预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112749735A(43)申请公布日2021.05.04(21)申请号202011607685.8G06T7/70(2017.01)(22)申请日2020.12.30(71)申请人中冶赛迪重庆信息技术有限公司地址401122重庆市渝北区北部新区龙睛路7号20-24层(72)发明人庞殊杨毛尚伟贾鸿盛张超杰李语桐(74)专利代理机构上海光华专利事务所(普通合伙)31219代理人李铁(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06T7/11(2017.01)G06T7/136(2017.01)权利要求书2页说明书6页附图2页(54)发明名称基于深度学习的转炉出钢钢流识别方法、系统、介质及终端(57)摘要本发明提供一种基于深度学习的转炉出钢钢流识别方法、系统、介质及终端,方法包括:获取转炉出钢钢流原始图像信息,并进行标注,形成数据集;建立钢流目标检测模型,并根据数据集对钢流目标检测模型进行训练;将实时图像信息输入至训练后的模型,获取检测结果,检测结果包括是否存在钢流和存在钢流的位置信息;根据所述钢流的位置信息,获取钢流倾斜程度,完成钢流流向判断;本发明中基于深度学习、卷积神经网络,再通过图像灰度值归一化、图像二值化等图像处理方法,能够有效地识别图像中钢流的位置信息,并将判断钢流流向及倾斜程度,将钢流位置传输给控制系统,本发明避免了人工参与,提高了生产效率与识别的准确率。CN112749735ACN112749735A权利要求书1/2页1.一种基于深度学习的转炉出钢钢流识别方法,其特征在于,包括:获取转炉出钢钢流原始图像信息,并对所述原始图像信息进行标注,形成数据集;建立钢流目标检测模型,并根据所述数据集对钢流目标检测模型进行训练;将实时图像信息输入至训练后的钢流目标检测模型,获取检测结果,所述检测结果包括是否存在钢流和存在钢流的位置信息;根据所述钢流的位置信息,获取钢流倾斜程度,完成钢流流向判断。2.根据权利要求1所述的基于深度学习的转炉出钢钢流识别方法,其特征在于,在转炉出钢生产线上采集到的钢流原始图像信息进行标注,框选出钢流图像中钢流的具体位置,并记录所框选的目标框的位置信息制作为所述数据集,并将所述数据集分为训练集、测试集、验证集,对所述钢流目标检测模型进行训练。3.根据权利要求2所述的基于深度学习的转炉出钢钢流识别方法,其特征在于,标注的目标框的位置信息包括钢流的目标框在图像中的左上角横坐标、左上角纵坐标、右下角横坐标与右下角纵坐标;检测结果中的钢流的位置信息包括:[flowxmin,flowymin,flowxmax,flowymax]其中,flowxmin,flowymin,flowxmax,flowymax分别为识别到的结果框的左下角横坐标、左下角纵坐标、右上角横坐标与右上角纵坐标;根据钢流位置信息在原图中切割出钢流图像,切割后图像的大小为[flowxmax‑flowxmin,flowymax‑flowymin]。4.根据权利要求3所述的基于深度学习的转炉出钢钢流识别方法,其特征在于,对所述切割出钢流图像进行图像处理,获取钢流的图像特征,所述图像处理包括灰度值归一化,所述灰度值归一化通过如下方式:其中,dst(i,j)为图像中每个像素点归一化后的灰度值,src(i,j)为原始图像每个像素点的灰度值,min(src(x,y))为原始图像中最小灰度值,max(src(x,y))为原始图像中最大灰度值[min,max]为灰度值归一化的指定区间。5.根据权利要求4所述的基于深度学习的转炉出钢钢流识别方法,其特征在于,所述图像处理还包括对灰度值归一化处理后的图像进行图像二值化处理,所述图像二值化通过如下方式:其中,dst(x,y)为二值化阈值计算后的像素值,255为白色像素值,0为黑色像素值,src(x,y)为待处理原像素值,thresh为所设阈值。6.根据权利要求5所述的基于深度学习的转炉出钢钢流识别方法,其特征在于,若点(flowxmin,flowymin)以及点(flowxmax,flowymax)的灰度值为0,则判定钢流在目标框内的倾斜方向为从右上至左下;若点(flowxmin,flowymax)以及点(flowxmax,flowymin)的灰度值为0,则判定钢流目标框内的倾斜方向为从左上至右下;2CN112749735A权利要求书2/2页根据钢流的倾斜方向获取倾斜程度,进而完成钢流流向判断。7.根据权利要求6所述的基于深度学习的转炉出钢钢流识别方法,其特征在于,所述倾斜程度通过如下方式获取,若钢流在目标框内从右上至左下倾斜,倾斜程度K表示为:若钢流在目标框内从左上至右下倾斜,倾斜程度K表示为:8