CN110766743A - 基于图像识别的物料流量检测方法、装置、设备及介质 - Google Patents
基于图像识别的物料流量检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110766743A CN110766743A CN201911013030.5A CN201911013030A CN110766743A CN 110766743 A CN110766743 A CN 110766743A CN 201911013030 A CN201911013030 A CN 201911013030A CN 110766743 A CN110766743 A CN 110766743A
- Authority
- CN
- China
- Prior art keywords
- image information
- image
- area
- material flow
- gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 76
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 230000001678 irradiating effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000002994 raw material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Abstract
本发明提供一种基于图像识别的物料流量检测方法、装置、设备及介质，所述的方法：采集传送单元空载时的图像并作为标准图像信息，采集传送单元实时图像信息；通过激光照射传送单元上的物料并获取物料的激光线形态，并分别采集标准图像信息以及实时图像信息中的激光线形态；对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息；根据所述灰度差分图像信息获取差分图像区域面积，根据差分图像区域面积以及传送单元运行参数，检测物料流量。本发明中的基于图像识别的物料流量检测方法、装置、设备及介质，该方法使用了灰度差分图像信息以及差分图像区域面积来计算物料的流量，受环境光影响较小，便于流量检测。
Description
技术领域
本发明涉及检测技术领域，特别是涉及一种基于图像识别的物料流量检测方法、装置、设备及介质。
背景技术
火力发电厂、炼钢厂等需要大量粉状、颗粒状、块状原料，例如焦炭、铁矿粉、石灰粉。在生产过程中，工厂需要借助传送单元输送原料到指定工序区。由于工厂生产时用料量并不是恒定的，所以工厂经常需要根据目前生产状况调整原料输送的多少和传送单元运行速度，同时为了管理生产过程和实现生产安全，工厂管理人员需要对传送单元上正在传输的原料进行监控。尤其是在夜间生产过程中，通过肉眼观察难以判断传送单元料流量多少；另外由于输送原料的卡车运转周期长，容易造成传送单元加料端原料输送量不均匀，导致皮带输送机在空载情况下运行较长时间，造成额外的电能浪费、传送单元机械磨损，缩短了传送单元的使用寿命。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供基于图像识别的物料流量检测方法、装置、设备及介质，用于解决物料流量不便于检测的问题。
为实现上述目的及其他相关目的，本发明提供一种基于图像识别的物料流量检测方法、装置、设备及介质，所述的方法包括：采集传送单元空载时的图像并作为标准图像信息，采集传送单元实时图像信息；通过激光照射传送单元上的物料并获取物料的激光线形态，并分别采集标准图像信息以及实时图像信息中的激光线形态；对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息，所述预处理的方式包括以下之一：边缘检测、均值滤波、阈值分割；根据所述灰度差分图像信息获取差分图像区域面积，根据差分图像区域面积以及传送单元运行参数，检测物料流量。
可选的，所述边缘检测包括：将所述标准图像信息以及所述实时图像信息进行灰度处理，获取灰度图像；将灰度图像分别与多个内核进行卷积，分别获取相应的多个卷积值；对多个卷积值的平方和进行开方计算，获取近似梯度值；通过近似梯度值，确定物料的边缘。
可选的，多个所述内核的大小分别为奇数。
可选的，所述均值滤波包括：将所述标准图像信息以及所述实时图像信息进行灰度处理，获取灰度图像；根据灰度图像中的目标像素设定模板，通过模板中的像素均值代替模板中的像素；利用黑色像素填充轮廓区域，删除面积小于阈值面积的干扰信号。
可选的，所述阈值分割包括：将所述标准图像信息以及所述实时图像信息进行灰度处理，获取灰度图像；记t为灰度图像的前景与背景的分割阈值，前景点数占图像比例为w0，灰度图像的平均灰度为u0；背景点数占灰度图像比例为w1，平均灰度为u1；
灰度图像的总平均灰度为：u＝w0u0+w1u1
前景和背景图象的方差：
g＝w0(u0-u)(u0-u)+w1(u1-u)(u1-u)＝w0w1(u0-u1)(u0-u1)
当方差g最大时，认为此时前景和背景差异最大，进行阈值分割，此时的灰度t是最佳阈值：
t＝w1w2(u1-u0)(u0-u1)
可选的，对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息的步骤之后还包括：设置阈值面积，删除面积小于阈值面积的干扰信号；调整激光线形态，连接存在断裂的激光线。
可选的，根据所述灰度差分图像信息获取差分图像区域面积的步骤还包括：使用黑色像素描绘灰度差分图像信息的边缘轮廓，删除差分图像中的干扰信号；并使用黑色像素填充轮廓区域，删除面积小于特定阈值面积的干扰信号；确定灰度差分图像信息的闭合区域，获取差分图像区域面积。
可选的，物料流量的数学表达为：
其中，物料的质量密度为ρ，传送单元的运行速度为ν，传送单元的宽度为w，传送单元的像素宽度为W，差分图像区域面积为A，采集图像信息的视线与激光线平面的夹角为
物料流量为X。
根据权利要求1或者8所述的基于图像识别的物料流量检测方法，采集图像信息的视线与传送单元的运行方向之间的夹角为90°。
基于图像识别的物料流量检测装置，包括：传送单元，用于传输物料；采集单元，用于采集传送单元空载时的标准图像信息以及采集实时图像信息；激光器，用于照射传送单元上的物料并获取物料的激光线形态；预处理单元，所述预处理单元对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息，所述预处理的方式包括以下之一：边缘检测、均值滤波、阈值分割；计算单元，用于根据所述灰度差分图像信息获取差分图像区域面积，并根据差分图像区域面积以及传送单元运行参数，检测物料流量。
一种设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行一个或多个所述的方法。
一个或多个介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行一个或多个所述的方法。
如上所述，本发明提供的一种基于图像识别的物料流量检测方法、装置、设备及介质，具有以下有益效果：
本发明中的基于图像识别的物料流量检测方法、装置、设备及介质，该方法使用了灰度差分图像信息以及差分图像区域面积来计算物料的流量，受环境光影响较小，便于流量检测。
附图说明
图1为本发明实施例中基于图像识别的物料流量检测方法的流程示意图。
图2为本发明实施例中实时图像信息的示意图。
图3为本发明实施例中标准图像信息的示意图。
图4为本发明实施例中实时图像信息中的激光线形态的示意图。
图5为本发明实施例中差分图像区域面积的示意图。
图6为一实施例提供的终端设备的硬件结构示意图。
图7为另一实施例提供的终端设备的硬件结构示意图。
元件标号说明
1100 输入设备
1101 第一处理器
1102 输出设备
1103 第一存储器
1104 通信总线
1200 处理组件
1201 第二处理器
1202 第二存储器
1203 通信组件
1204 电源组件
1205 多媒体组件
1206 语音组件
1207 输入/输出接口
1208 传感器组件
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1至图5所示，本实施例中的图像识别的物料流量检测方法，包括：
S1：采集传送单元空载时的图像并作为标准图像信息，采集传送单元实时图像信息，可以在传送单元的上方设置相机进行图像信息的采集；
S2：通过激光照射传送单元上的物料并获取物料的激光线形态，并分别采集标准图像信息以及实时图像信息中的激光线形态，可以在传送单元的上方设置激光器显示物料的轮廓，进而通过相机采集标准图像信息以及实时图像信息中的激光线形态；
S3：对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息，所述预处理的方式包括以下之一：边缘检测、均值滤波、阈值分割；
S4：根据所述灰度差分图像信息获取差分图像区域面积，根据差分图像区域面积以及传送单元运行参数，检测物料流量。该方法使用了灰度差分图像信息以及差分图像区域面积来计算物料的流量，受环境光影响较小，能够在白天、傍晚、夜晚和不同天气情况等环境光照不同的情况下，保障流量检测的正确率和稳定性。传送单元料堆上激光线形态，并根据激光线形态与现场参数测算出传送单元实时料流量的多少，本方法可解决火力发电厂、钢厂等使用传送单元进行传输粉状、颗粒状、块状物料的过程中，无法测定传送单元实时流量大小，无法根据现有生产情况调整传送单元运行速度等难题。通过该方法，可辅助员工调节传送单元的输送物料的流量，保证生产过程顺利进行，避免物料浪费。同时还可根据生产需要，调节传送单元的运行速度，起到节能、降低传送单元故障率、延长传送单元寿命的效果，本方法还具有易于实现、稳定性强、受环境影响小等特点。
在具体实施过程中，可以在传送单元上方设置专用的一字线激光器和工业相机，工业相机拍摄的视线角度与传送单元运行方向呈90°左右，一字线激光器与传送单元运行方向垂直。对于获取的视频流首先获取一帧传送单元空载时的图像并作为标准图像信息，之后设置特定的时间或帧数间隔，按照间隔提取实时的图像帧并作为实时图像信息，进行图像尺寸调整，框选出目标识别区域。
使用边缘检测算法对目标识别区域进行边缘检测识别，其数学表达过程为：
在水平变化上：将所述标准图像信息以及所述实时图像信息进行灰度处理，获取灰度图像，将灰度图像I于与一个奇数大小的内核G1进行卷积。比如，当内核大小为3时，G1的计算结果为：
将灰度图像I于一个奇数大小的内核G2进行卷积。比如，内核大小为3时，G2的计算结果为
在灰度图像I的每一点，结合以上两个结果求出近似梯度：
边缘点即为一定区域内最大的近似梯度的所在点，通过边缘点确定激光线形态。
在实施过程中，为了降低噪声干扰，还可以进行均值滤波，降噪处理，清除部分噪点，去除部分干扰信号。
均值滤波的具体操作方法为：在灰度图像上对目标像素给定一个模板，该模板包括了其周围的临近像素(如3×3模板：以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值检测轮廓，利用黑色像素填充轮廓区域，删除面积小于阈值面积的干扰信号。
在实施过程中，可以使用自适应大律阈值分割法进行阈值分割，将图片转化为二值图像，大律法自适应阈值分割的数学表达为：
记t为灰度图像的前景与背景的分割阈值，前景点数占图像比例为w0，灰度图像的平均灰度为u0；
背景点数占灰度图像比例为w1，平均灰度为u1；
灰度图像的总平均灰度为：u＝w0u0+w1u1
前景和背景图象的方差：
g＝w0(u0-u)(u0-u)+w1(u1-u)(u1-u)＝w0w1(u0-u1)(u0-u1)
当方差g最大时，认为此时前景和背景差异最大，进行阈值分割，此时的灰度t是最佳阈值：
t＝w1w2(u1-u0)(u0-u1)
为了便于采集物料的轮廓，可以补全激光线断裂部分，优化激光线形态，并调整卷积矩阵，增强该操作的横向效果，使得将识别到的激光线变得完整。然后设置一个特定的阈值面积，检测灰度图像中所有的轮廓区域，计算识别区域内，所有灰度为255的区域图像，计算区域面积，清除掉小于该阈值面积的干扰图像信号。对实时图像信息和标准图像信息进行将进行了上述操作，对两张图像进行灰度矩阵差分，得到实时图像信息和标准图像信息中激光线形态二值图的绝对灰度差值图像，对于相同位置两张图片均为白色的区域作差后将变成黑色，对于相同位置两张图片仅有一张为白色的区域作差后将变成白色，对于相同位置两张图片均为黑色的图像作差后仍为黑色。可以使用黑色像素描绘所有内外轮廓边缘，可清除作差后的部分残余干扰信号，还可以设置特定的阈值面积，使用黑色黑素像素进行填充，清除作差后全部干扰信号。然后，调整激光线形态，将存在断裂的激光线连接到一起，并保证激光线的粗细程度基本一致，并调整卷积矩阵，增强该操作的横向效果，使得作差后的激光线能够围成一个闭合区域，计算差分图像区域面积。
根据现场的实际参数，相机角度、传送单元速度、物料密度等参数和以上算法求得的像素面积值，进行标定，得到传送单元料流量的估算值。
其中料堆质量密度，传送单元运行速度ν(m/s)，皮带宽度w(m)，传送单元像素宽度W，差分图像区域像素面积A，相机视线与激光线平面夹角
摄像头拍摄方向与传送单元运行方向呈90°，料流量X(t/h)。
物料流量计算的数学表达为：
其中，物料的质量密度为ρ，吨每立方米；传送单元的运行速度为ν，单位米每秒；传送单元的宽度为w，单位为米；传送单元的像素宽度为W，单位为米；差分图像区域面积为A，单位为平方米；采集图像信息的视线与激光线平面的夹角为
单位为度；物料流量为X，单位为吨每小时。
优选地，在本实施例中，在采集传送单元图像前还包括：调整图像采集装置的焦距，使图像能够拍摄出传送单元目标识别区域的全部区域，且传送单元位于画面中央。
本申请实施例还提供了一种基于图像识别的物料流量检测装置，包括：
传送单元，用于传输物料；
采集单元，用于采集传送单元空载时的标准图像信息以及采集实时图像信息；
激光器，用于照射传送单元上的物料并获取物料的激光线形态；
预处理单元，所述预处理单元对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息，所述预处理的方式包括以下之一：边缘检测、均值滤波、阈值分割；
计算单元，用于根据所述灰度差分图像信息获取差分图像区域面积，并根据差分图像区域面积以及传送单元运行参数，检测物料流量。
在本实施例中，该基于图像识别的物料流量检测装置执行上述系统或方法，具体功能和技术效果参照上述实施例即可，此处不再赘述。
本申请实施例还提供了一种设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图6图像识别的物料流量检测方法所包含步骤的指令(instructions)。
图7为本申请一实施例提供的终端设备的硬件结构示意图。如图所示，该终端设备可以包括：输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，第一存储器1103中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
可选的，上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit，简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的，上述输入设备1100可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；输出设备1102可以包括显示器、音响等输出设备。
在本实施例中，该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。
图7为本申请的一个实施例提供的终端设备的硬件结构示意图。图7是对图6在实现过程中的一个具体的实施例。如图所示，本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码，实现上述实施例中图4所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。第二存储器1202可能包含随机存取存储器(random access memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
可选地，第二处理器1201设置在处理组件1200中。该终端设备还可以包括：通信组件1203，电源组件1204，多媒体组件1205，语音组件1206，输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令，以完成上述数据处理方法中的全部或部分步骤。此外，处理组件1200可以包括一个或多个模块，便于处理组件1200和其他组件之间的交互。例如，处理组件1200可以包括多媒体模块，以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板，显示屏可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如，语音组件1206包括一个麦克风(MIC)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中，语音组件1206还包括一个扬声器，用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件1208可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个实施例中，该终端设备中可以包括SIM卡插槽，该SIM卡插槽用于插入SIM卡，使得终端设备可以登录GPRS网络，通过互联网与服务器建立通信。
由上可知，在图7实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图6实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (12)
1.基于图像识别的物料流量检测方法、装置、设备及介质，其特征在于，所述的方法包括：
采集传送单元空载时的图像并作为标准图像信息，采集传送单元实时图像信息；
通过激光照射传送单元上的物料并获取物料的激光线形态，并分别采集标准图像信息以及实时图像信息中的激光线形态；
对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息，所述预处理的方式包括以下之一：边缘检测、均值滤波、阈值分割；
根据所述灰度差分图像信息获取差分图像区域面积，根据差分图像区域面积以及传送单元运行参数，检测物料流量。
2.根据权利要求1所述的基于图像识别的物料流量检测方法，其特征在于，所述边缘检测包括：
将所述标准图像信息以及所述实时图像信息进行灰度处理，获取灰度图像；
将灰度图像分别与多个内核进行卷积，分别获取相应的多个卷积值；
对多个卷积值的平方和进行开方计算，获取近似梯度值；
通过近似梯度值，确定物料的边缘。
3.根据权利要求2所述的基于图像识别的物料流量检测方法，其特征在于，多个所述内核的大小分别为奇数。
4.根据权利要求1所述的基于图像识别的物料流量检测方法，其特征在于，所述均值滤波包括：
将所述标准图像信息以及所述实时图像信息进行灰度处理，获取灰度图像；
根据灰度图像中的目标像素设定模板，通过模板中的像素均值代替模板中的像素；
利用黑色像素填充轮廓区域，删除面积小于阈值面积的干扰信号。
5.根据权利要求4所述的基于图像识别的物料流量检测方法，其特征在于，所述阈值分割包括：
将所述标准图像信息以及所述实时图像信息进行灰度处理，获取灰度图像；
记t为灰度图像的前景与背景的分割阈值，前景点数占图像比例为w0，灰度图像的平均灰度为u0；
背景点数占灰度图像比例为w1，平均灰度为u1；
灰度图像的总平均灰度为：u＝w0u0+w1u1
前景和背景图象的方差：
g＝w0(u0-u)(u0-u)+w1(u1-u)(u1-u)＝w0w1(u0-u1)(u0-u1)
当方差g最大时，认为此时前景和背景差异最大，进行阈值分割，此时的灰度t是最佳阈值：
t＝w1w2(u1-u0)(u0-u1) 。
6.根据权利要求1所述的基于图像识别的物料流量检测方法，其特征在于，对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息的步骤之后还包括：
设置阈值面积，删除面积小于阈值面积的干扰信号；
调整激光线形态，连接存在断裂的激光线。
7.根据权利要求6所述的基于图像识别的物料流量检测方法，其特征在于，根据所述灰度差分图像信息获取差分图像区域面积的步骤还包括：
使用黑色像素描绘灰度差分图像信息的边缘轮廓，删除差分图像中的干扰信号；
并使用黑色像素填充轮廓区域，删除面积小于特定阈值面积的干扰信号；
确定灰度差分图像信息的闭合区域，获取差分图像区域面积。
8.根据权利要求1所述的基于图像识别的物料流量检测方法，其特征在于，物料流量的数学表达为：
其中，物料的质量密度为ρ，传送单元的运行速度为ν，传送单元的宽度为w，传送单元的像素宽度为W，差分图像区域面积为A，采集图像信息的视线与激光线平面的夹角为
物料流量为X。
9.根据权利要求1或者8所述的基于图像识别的物料流量检测方法，其特征在于，采集图像信息的视线与传送单元的运行方向之间的夹角为90°。
10.基于图像识别的物料流量检测装置，其特征在于，包括：
传送单元，用于传输物料；
采集单元，用于采集传送单元空载时的标准图像信息以及采集实时图像信息；
激光器，用于照射传送单元上的物料并获取物料的激光线形态；
预处理单元，所述预处理单元对所述标准图像信息以及所述实时图像信息进行预处理并获取灰度差分图像信息，所述预处理的方式包括以下之一：边缘检测、均值滤波、阈值分割；
计算单元，用于根据所述灰度差分图像信息获取差分图像区域面积，并根据差分图像区域面积以及传送单元运行参数，检测物料流量。
11.一种设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1至9中一个或多个所述的方法。
12.一个或多个介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1至9中一个或多个所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911013030.5A CN110766743A (zh) | 2019-10-23 | 2019-10-23 | 基于图像识别的物料流量检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911013030.5A CN110766743A (zh) | 2019-10-23 | 2019-10-23 | 基于图像识别的物料流量检测方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110766743A true CN110766743A (zh) | 2020-02-07 |
Family
ID=69333253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911013030.5A Pending CN110766743A (zh) | 2019-10-23 | 2019-10-23 | 基于图像识别的物料流量检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110766743A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113674301A (zh) * | 2021-08-26 | 2021-11-19 | 中冶赛迪重庆信息技术有限公司 | 一种料流强度的识别方法、系统、电子设备及介质 |
| CN114037704A (zh) * | 2022-01-10 | 2022-02-11 | 安徽高哲信息技术有限公司 | 入料系统及其控制方法、控制装置及存储介质 |
| CN114030907A (zh) * | 2022-01-10 | 2022-02-11 | 安徽高哲信息技术有限公司 | 入料系统 |
| CN114229387A (zh) * | 2021-12-03 | 2022-03-25 | 中冶赛迪重庆信息技术有限公司 | 一种皮带机物料流量的识别系统及方法 |
| CN114532919A (zh) * | 2022-01-26 | 2022-05-27 | 深圳市杉川机器人有限公司 | 多模态目标检测方法、装置、扫地机及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104534990A (zh) * | 2015-01-13 | 2015-04-22 | 中国矿业大学(北京) | 基于激光测距的皮带物料测量系统 |
| CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
| CN109949294A (zh) * | 2019-03-21 | 2019-06-28 | 哈尔滨理工大学 | 一种基于OpenCV的断口形貌图裂纹缺陷提取方法 |
| CN109993758A (zh) * | 2019-04-23 | 2019-07-09 | 北京华力兴科技发展有限责任公司 | 分割方法、分割装置、计算机设备及存储介质 |
-
2019
- 2019-10-23 CN CN201911013030.5A patent/CN110766743A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104534990A (zh) * | 2015-01-13 | 2015-04-22 | 中国矿业大学(北京) | 基于激光测距的皮带物料测量系统 |
| CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
| CN109949294A (zh) * | 2019-03-21 | 2019-06-28 | 哈尔滨理工大学 | 一种基于OpenCV的断口形貌图裂纹缺陷提取方法 |
| CN109993758A (zh) * | 2019-04-23 | 2019-07-09 | 北京华力兴科技发展有限责任公司 | 分割方法、分割装置、计算机设备及存储介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113674301A (zh) * | 2021-08-26 | 2021-11-19 | 中冶赛迪重庆信息技术有限公司 | 一种料流强度的识别方法、系统、电子设备及介质 |
| CN114229387A (zh) * | 2021-12-03 | 2022-03-25 | 中冶赛迪重庆信息技术有限公司 | 一种皮带机物料流量的识别系统及方法 |
| CN114229387B (zh) * | 2021-12-03 | 2023-06-27 | 中冶赛迪信息技术(重庆)有限公司 | 一种皮带机物料流量的识别系统及方法 |
| CN114037704A (zh) * | 2022-01-10 | 2022-02-11 | 安徽高哲信息技术有限公司 | 入料系统及其控制方法、控制装置及存储介质 |
| CN114030907A (zh) * | 2022-01-10 | 2022-02-11 | 安徽高哲信息技术有限公司 | 入料系统 |
| CN114037704B (zh) * | 2022-01-10 | 2022-04-22 | 安徽高哲信息技术有限公司 | 入料系统及其控制方法、控制装置及存储介质 |
| CN114532919A (zh) * | 2022-01-26 | 2022-05-27 | 深圳市杉川机器人有限公司 | 多模态目标检测方法、装置、扫地机及存储介质 |
| CN114532919B (zh) * | 2022-01-26 | 2023-07-21 | 深圳市杉川机器人有限公司 | 多模态目标检测方法、装置、扫地机及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110766743A (zh) | 基于图像识别的物料流量检测方法、装置、设备及介质 | |
| CN106331850B (zh) | 浏览器直播客户端、浏览器直播系统及浏览器直播方法 | |
| CN108921806B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
| US20200005468A1 (en) | Method and system of event-driven object segmentation for image processing | |
| US20170091575A1 (en) | Method and system of low-complexity histrogram of gradients generation for image processing | |
| EP3719741B1 (en) | Image processing apparatus and image processing method thereof | |
| CN111294516A (zh) | 一种矾花图像处理方法、系统、电子设备及介质 | |
| CN102150181A (zh) | 面部检测装置 | |
| CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
| CN102543045A (zh) | 显示图片的方法及相关装置 | |
| US20140126819A1 (en) | Region of Interest Based Image Registration | |
| CN106060382A (zh) | 一种图像处理方法、装置及电子设备 | |
| CN112419397B (zh) | 一种基于图像和深度神经网络的矿石粒度分级方法及系统 | |
| CN103295182A (zh) | 实现对红外图像进行对比度拉伸处理的电路系统及其方法 | |
| CN113706414A (zh) | 视频优化模型的训练方法和电子设备 | |
| CN115330626A (zh) | 一种基于mesh网格网络分解的画面变换方法及装置 | |
| CN115631122A (zh) | 一种用于边缘图像算法的图像优化方法及装置 | |
| CN112329782A (zh) | 一种原料粒度确定方法、系统、终端及介质 | |
| CN103313068A (zh) | 基于灰边缘约束灰世界的白平衡校正图像处理方法及装置 | |
| CN202534042U (zh) | 钞票数字水印检测装置 | |
| CN112418144A (zh) | 一种车轴计数方法、装置、机器可读介质及设备 | |
| CN113470065A (zh) | 移动物体检测和跟踪方法以及装置 | |
| CN105488845B (zh) | 产生三维图像的方法及其电子装置 | |
| CN110377773A (zh) | 图片处理方法、装置、移动终端以及存储介质 | |
| CN110969454A (zh) | 一种基于智能产品画册的化妆品宣传推广系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: Building 1, No. 11, Huijin Road, North New District, Yubei District, Chongqing Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |