CN112037198A - 一种热轧棒材定支分离检测方法、系统、介质及终端 - Google Patents

一种热轧棒材定支分离检测方法、系统、介质及终端 Download PDF

Info

Publication number
CN112037198A
CN112037198A CN202010896095.5A CN202010896095A CN112037198A CN 112037198 A CN112037198 A CN 112037198A CN 202010896095 A CN202010896095 A CN 202010896095A CN 112037198 A CN112037198 A CN 112037198A
Authority
CN
China
Prior art keywords
hot
rolled bar
target
position information
band
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.)
Granted
Application number
CN202010896095.5A
Other languages
English (en)
Other versions
CN112037198B (zh
Inventor
庞殊杨
袁钰博
李文铃
刘睿
贾鸿盛
王嘉骏
刘斌
毛尚伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CISDI Chongqing Information Technology Co Ltd
Original Assignee
CISDI Chongqing Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CISDI Chongqing Information Technology Co Ltd filed Critical CISDI Chongqing Information Technology Co Ltd
Priority to CN202010896095.5A priority Critical patent/CN112037198B/zh
Publication of CN112037198A publication Critical patent/CN112037198A/zh
Application granted granted Critical
Publication of CN112037198B publication Critical patent/CN112037198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明提供一种热轧棒材定支分离检测方法、系统、介质及终端，方法包括：采集经精整区分钢器后的热轧棒材图像信息；根据所述图像信息中分钢器的位置，设置感兴趣区域；对图像信息进行标注，获取数据集；建立热轧棒材目标检测模型，并训练；获取实时图像数据，并输入至训练后的热轧棒材目标检测模型；根据比较结果判断是否出现异常情况，完成热轧棒材定支分离检测；本发明利用神经网络与深度学习，可以实时识别画面中的热轧棒材定支分离后的状态，并在检测到存在分钢器运行异常现象时返回错误信息并报警，提醒工人处理，避免了人工识别带来的可能存在漏检、错检的情况，提高了热轧棒材定支分离检测的安全性和准确性。

Description

一种热轧棒材定支分离检测方法、系统、介质及终端
技术领域
本发明涉及冶金领域和图像识别领域，尤其涉及一种热轧棒材定支分离检测方法、系统、介质及终端。
背景技术
在钢铁产品产线中，精整区辊道上的分钢器是分离两批次棒材的装置，能将棒材进行合理均匀的划分批次。在正常情况下，分钢器定支分离后棒材能正常运行，若出现由于分钢器运动使棒材卡在辊道里的情况，可能导致棒材无法定支分离、堆积过多造成棒材滑落等情况。
目前，现有的检测热轧棒材的定支分离主要通过有经验的工人识别。但由于产线较多、产线生产时间长，若仅仅依靠人工识别，可能存在漏检、错检的情况。因此，需要一种新的热轧棒材定支分离检测方式，替代人工识别，提高检测的安全性和准确性。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种热轧棒材定支分离检测方法、系统、介质及终端，以解决上述技术问题。
本发明提供的热轧棒材定支分离检测方法，包括：
采集经精整区分钢器后的热轧棒材图像信息；
根据所述图像信息中分钢器的位置，设置感兴趣区域；
对所述图像信息进行标注，获取数据集；
根据所述数据集，建立热轧棒材目标检测模型，并对其进行训练；
获取实时图像数据，并输入至训练后的热轧棒材目标检测模型，获取识别结果；
将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，根据比较结果判断是否出现异常情况，完成热轧棒材定支分离检测。
可选的，所述识别结果中热轧棒材目标的位置信息包括每个目标的实时位置信息和历史位置信息，将识别结果中热轧棒材目标的实时位置信息与所述感兴趣区域进行比较，判断热轧棒材是否位于感兴趣区域中；
当目标热轧棒材处于所述感兴趣区域中时，通过对目标热轧棒材的实时位置信息与历史位置信息进行多帧检测，确定所述热轧棒材的关联特征信息，所述关联特征信息至少包括目标热轧棒材的自由度、同轴度。
可选的，所述对所述图像信息进行标注，获取数据集包括：
对所述图像信息中的目标热轧棒材进行标注与框选；
获取初始目标框的位置信息；
根据所述初始目标框的位置信息，构建用于训练检测模型的数据集。
可选的，所述数据集的有效信息包括图像基础属性和标注信息，所述图片基础属性包括文件名称、宽度、高度、图像深度；所述标注信息包括：每一个热轧棒材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、右下角纵坐标、目标物体的类别。
可选的，获取实时视频流数据，并输入至训练后的热轧棒材目标检测模型进行目标识别；
框选出图像中目标热轧棒材的目标识别框，并对所述目标热轧棒材进行标注，进而获取目标热轧棒材的实时图像信息；
获取目标热轧棒材的实时位置信息和历史位置信息，所述实时位置信息为目标热轧棒材在当前检测时间节点的位置信息，所述历史位置信息为目标钢卷在上一检测时间节点的位置信息。
可选的，所述实时位置信息包括：
[Bandx min 1,Bandy min 1,Bandx max 1,Bandy max 1]
所述历史位置信息包括：
[Bandx min 2,Bandy min 2,Bandx max 2,Bandy max 2]
其中，Bandx min 1、Bandy min 1分别为当前检测时间节点的目标识别框左上角的x、y坐标；Bandx max 1、Bandy max 1分别为当前检测时间节点的目标识别框右下角的x、y坐标；Bandx min 2、Bandy min 2分别为上一检测时间节点的目标识别框左上角的x、y坐标；Bandx max 2、Bandy max 2分别为上一检测时间节点的目标识别框左上角的x、y坐标。
可选的，将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，所述感兴趣区域在图像中的范围的位置信息的内容与格式为：
[ROIymin,ROIxmin,ROIymax,ROIxmax]
若满足ROIx min＜Bandx min 1，ROIy min＞Bandy min 1，ROIx max＞Bandy max 1，ROIy max＜Bandy max 1时，判定目标热轧棒材位于感兴趣区域内；若不满足，则判定目标热轧棒材位于感兴趣区域之外。
可选的，所述目标热轧棒材的自由度包括对目标热轧棒材的运动状态的判断结果，所述运动状态的判断结果通过如下方式获取：
根据所述实时位置信息和历史位置信息，计算当前检测时间节点的目标识别框与上一检测时间节点的目标识别框之间的变化量，根据所述变化量判断目标热轧棒材是否处于静止状态。
可选的，通过第一判断条件对目标热轧棒材是否处于静止状态进行判断，所述第一判断条件包括
|x min1-xmin2|＜Sx
|y min1-y min2|＜Sy
其中，|x min1-x min2|为当前检测时间节点的目标识别框左上角的x坐标与上一检测时间节点的目标识别框左上角的x坐标的差值的绝对值，|y min1-y min2|为当前检测时间节点的目标识别框左上角的y坐标与上一检测时间节点的目标识别框左上角的y坐标的差值的绝对值，Sx为预先设置的第一变化量阈值，Sy为预先设置的第二变化量阈值；
若符合所述第一判断条件，则判定目标热轧棒材处于静止状态，完成对目标热轧棒材的自由度的确定。
可选的，所述同轴度包括对同一目标热轧棒材头部和尾部是否处于同一辊道凹槽的判断结果，通过如下方式获取：
根据所述自由度和实时位置信息，计算处于静止状态的同一目标热轧棒材头部和尾部的目标识别框的坐标差值，根据所述坐标差值判断所述同一目标热轧棒材头部和尾部是否处于同一辊道凹槽。
可选的，通过第二判断条件对同一目标热轧棒材头部和尾部是否处于同一辊道凹槽进行判断，所述第二判断条件包括
|Reary min 1-Reary min 2|＜D
其中，Reary min 1为目标钢卷头部在当前时间节点的目标识别框左上角的y坐标，Reary min 2为同一目标钢卷尾部在当前时间节点的目标识别框左上角的y坐标，|Reary min 1-Reary min 2|为处于静止状态的同一目标热轧棒材头部和尾部目标识别框左上角的y坐标之间的差值的绝对值，D为预先设置的差值阈值；
当满足所述第二判断条件时，则判定所述同一目标热轧棒材头部和尾部处于同一辊道凹槽，完成对所述同轴度的确定。
可选的，当目标热轧棒材处于静止状态时，判定分钢器对应输入辊道上的热轧棒材状态异常，输出异常信号并进行报警。
可选的，当热轧棒材目标处于静止状态时，根据所述自由度和实时位置信息判定同一目标热轧棒材头部和尾部是否处于同一辊道凹槽，获取热轧棒材处于静止状态的原因并进行报警。
本发明还提供一种热轧棒材定支分离检测系统，包括：
图像采集模块，用于采集经精整区分钢器后的热轧棒材图像信息；
图像处理模块，用于根据所述图像信息中分钢器的位置，设置感兴趣区域，以及，对所述图像信息进行标注，获取数据集；
检测模型，用于根据所述数据集，建立热轧棒材目标检测模型，并对其进行训练；
获取实时图像数据，并输入至训练后的热轧棒材目标检测模型，获取识别结果；
将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，根据比较结果判断是否出现异常情况，完成热轧棒材定支分离检测。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。
本发明的有益效果：本发明中的热轧棒材定支分离检测方法、系统、介质及终端，利用神经网络与深度学习，可以实时识别画面中的热轧棒材定支分离后的状态，并在检测到存在分钢器运行异常现象时返回错误信息并报警，提醒工人处理，避免了人工识别带来的可能存在漏检、错检的情况，提高了热轧棒材定支分离检测的安全性和准确性。
附图说明
图1是本发明实施例中热轧棒材定支分离检测方法的整体流程示意图。
图2是本发明实施例中热轧棒材定支分离检测方法的具体检测流程示意图。
图3是本发明实施例中热轧棒材定支分离检测方法中的热轧棒材定支分离检测的原理示意图。
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。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
如图1所示，本实施例中的热轧棒材定支分离检测方法，包括：
采集经精整区分钢器后的热轧棒材图像信息；
根据所述图像信息中分钢器的位置，设置感兴趣区域；
对所述图像信息进行标注，获取数据集；
根据所述数据集，建立热轧棒材目标检测模型，并对其进行训练；
获取实时图像数据，并输入至训练后的热轧棒材目标检测模型，获取识别结果；
将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，根据比较结果判断是否出现异常情况，完成热轧棒材定支分离检测。
如图2所示，在本实施例中，首先需要采集经精整区分钢器后的热轧棒材图像信息，可选的，本实施例通过在精整区分钢器后后设置工业相机，从斜上方识别热轧棒材，热轧棒材的长度较长，且分钢器存在对目标的遮挡，从上方识别效果不理想。因此，本实施例通过从辊道上分钢器后设置相机、从斜上方对热轧棒材进行识别同一热轧棒材的完整信息，从而获得较好的识别效果。在设置好工业相机后，根据所述图像信息中分钢器的位置，设置感兴趣区域(Region of Interest,简写为ROI)，本实施例将相机视野内正对分钢器的范围划定为感兴趣区域，如图3所示。采集精整区分钢器后拍摄获得的热轧棒材原始图片，对原始图片中的目标热轧棒材进行标注与框选，进而获取初始目标框的位置信息；根据初始目标框的位置信息，构建用于训练检测模型的数据集，完成对热轧棒材的初始图像信息的采集。图像标注后训练集可用于训练的有效信息包括图像基础属性与标注信息。图片基础属性有：filename-文件名称，width-宽度，height-高度，depth-图像深度。标注信息包括：xmin,ymin,xmax,ymax，分别代表每一个热轧棒材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；class，即目标物体的类别。
在本实施例中，识别结果中热轧棒材目标的位置信息包括每个目标的实时位置信息和历史位置信息，将识别结果中热轧棒材目标的实时位置信息与所述感兴趣区域进行比较，判断热轧棒材是否位于感兴趣区域中；当目标热轧棒材处于所述感兴趣区域中时，通过对目标热轧棒材的实时位置信息与历史位置信息进行多帧检测，确定所述热轧棒材的关联特征信息，关联特征信息至少包括目标热轧棒材的自由度、同轴度。
在本实施例中，将初始图像信息输入至目标检测网络进行训练，通过目标检测网络对初始图像中的目标热轧棒材特征进行提取学习，进而获取用于检测目标热轧棒材的位置的较优的检测模型。再调用基于深度学习的热轧棒材目标检测模型，对实时输入视频流中的热轧棒材目标进行识别，并记录每一个目标的实时位置信息和历史位置信息。
实时位置信息包括：
[Bandx min 1,Bandy min 1,Bandx max 1,Bandy max 1]
历史位置信息包括：
[Bandx min 2,Bandy min 2,Bandx max 2,Bandy max 2]
其中，Bandx min 1、Bandy min 1分别为当前检测时间节点的目标识别框左上角的x、y坐标；Bandx max 1、Bandy max 1分别为当前检测时间节点的目标识别框右下角的x、y坐标；Bandx min 2、Bandy min 2分别为上一检测时间节点的目标识别框左上角的x、y坐标；Bandx max 2、Bandy max 2分别为上一检测时间节点的目标识别框左上角的x、y坐标。
在本实施例中，将每一个热轧棒材目标的实时位置信息与感兴趣区域比较，判断热轧棒材是否位于感兴趣区域中，感兴趣区域在图像中的范围由其矩形左上角、与右下角点的坐标确定，其位置信息的内容与格式为：
[ROIymin,ROIxmin,ROIymax,ROIxmax]
此时用于判断热轧棒材目标是否位于感兴趣区域内的条件为：
ROIx min＜Bandx min 1，ROIy min＞Bandy min 1
ROIx max＞Bandy max 1，ROIy max＜Bandy max 1。
如果满足以上条件，则热轧棒材位于感兴趣区域内，即分钢器区域内有热轧棒材；任一条件不满足，则热轧棒材位于感兴趣区域外，即分钢器区域内没有热轧棒材。
当目标热轧棒材处于感兴趣区域中时，利用热轧棒材目标检测模型返回的实时位置信息与历史位置信息进行多帧检测，确定所述热轧棒材的关联特征信息，其中，所述关联特征信息至少包括以下之一：自由度、同轴度。
根据所述实时位置信息与历史位置信息，计算当前检测时间节点的目标识别框与上一检测时间节点的目标识别框之间的变化量，根据所述变化量判断目标热轧棒材是否处于静止状态，判断目标热轧棒材是否处于静止状态的表达为：
|x min1-x min2|＜Sx
|y min1-y min2|＜Sy
其中，|x min1-x min2|为当前检测时间节点的目标识别框左上角的x坐标与上一检测时间节点的目标识别框左上角的x坐标的差值的绝对值，|y min1-y min2|为当前检测时间节点的目标识别框左上角的y坐标与上一检测时间节点的目标识别框左上角的y坐标的差值的绝对值，Sx为预先设置的第一变化量阈值，Sy为预先设置的第二变化量阈值；
当同时满足以上表达时，则判定目标热轧棒材处于静止状态，完成对目标热轧棒材的自由度的确定。
在本实施例中，对同轴度的确定方式为：
根据自由度和实时位置信息，计算处于静止状态的同一目标热轧棒材头部和尾部的目标识别框的坐标差值，根据坐标差值判断同一目标热轧棒材头部和尾部是否处于同一辊道凹槽，根据坐标差值判断所述同一目标热轧棒材头部和尾部是否处于同一辊道凹槽的数学表达为：
|Reary min 1-Reary min 2|＜D
其中，Reary min 1为目标钢卷头部在当前时间节点的目标识别框左上角的y坐标，Reary min 2为同一目标钢卷尾部在当前时间节点的目标识别框左上角的y坐标，|Reary min 1-Reary min 2|为处于静止状态的同一目标热轧棒材头部和尾部目标识别框左上角的y坐标之间的差值的绝对值，D为预先设置的差值阈值；当满足以上数学表达时，则判定所述同一目标热轧棒材头部和尾部处于同一辊道凹槽，完成对所述同轴度的确定。
在本实施例中，根据关联特征信息进行热轧棒材定支分离状态检测，若情况异常则智能报警。当热轧棒材目标处于静止状态时，分钢器对应输入辊道上的热轧棒材状态异常，调用自由度和实时位置信息判定同一目标热轧棒材头部和尾部是否处于同一辊道凹槽，得到热轧棒材处于静止状态的原因并随报警信号输出。若同一目标热轧棒材头部和尾部不处于同一辊道凹槽，目标热轧棒材处于静止状态原因是分钢器运作致使棒材不规整，使得卡在辊道两侧，无法正常移动。
相应地，本实施例还提供一种热轧棒材定支分离检测系统，包括：
图像采集模块，用于采集经精整区分钢器后的热轧棒材图像信息；
图像处理模块，用于根据所述图像信息中分钢器的位置，设置感兴趣区域，以及，对所述图像信息进行标注，获取数据集；
检测模型，用于根据所述数据集，建立热轧棒材目标检测模型，并对其进行训练；
获取实时图像数据，并输入至训练后的热轧棒材目标检测模型，获取识别结果；
将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，根据比较结果判断是否出现异常情况，完成热轧棒材定支分离检测。
在本实施例中，热轧棒材定支分离检测系统通过上述方法，利用热轧棒材目标检测模型，对热轧棒材定支分离检测。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器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。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中，除非另外规定，否则通过使用“第一”、“第二”等序号对共同的对象进行描述，只表示其指代相同对象的不同实例，而非是采用表示被描述的对象必须采用给定的顺序，无论是时间地、空间地、排序地或任何其他方式。
在上述实施例中，说明书对“本实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“本实施例”的多次出现不一定全部都指代相同的实施例。
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例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，但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 (16)

1.一种热轧棒材定支分离检测方法，其特征在于，包括：
采集经精整区分钢器后的热轧棒材图像信息；
根据所述图像信息中分钢器的位置，设置感兴趣区域；
对所述图像信息进行标注，获取数据集；
根据所述数据集，建立热轧棒材目标检测模型，并对其进行训练；
获取实时图像数据，并输入至训练后的热轧棒材目标检测模型，获取识别结果；
将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，根据比较结果判断是否出现异常情况，完成热轧棒材定支分离检测。
2.根据权利要求1所述的热轧棒材定支分离检测方法，其特征在于，所述识别结果中热轧棒材目标的位置信息包括每个目标的实时位置信息和历史位置信息，将识别结果中热轧棒材目标的实时位置信息与所述感兴趣区域进行比较，判断热轧棒材是否位于感兴趣区域中；
当目标热轧棒材处于所述感兴趣区域中时，通过对目标热轧棒材的实时位置信息与历史位置信息进行多帧检测，确定所述热轧棒材的关联特征信息，所述关联特征信息至少包括目标热轧棒材的自由度、同轴度。
3.根据权利要求1所述的热轧棒材定支分离检测方法，其特征在于，所述对所述图像信息进行标注，获取数据集包括：
对所述图像信息中的目标热轧棒材进行标注与框选；
获取初始目标框的位置信息；
根据所述初始目标框的位置信息，构建用于训练检测模型的数据集。
4.根据权利要求3所述的热轧棒材定支分离检测方法，其特征在于，所述数据集的有效信息包括图像基础属性和标注信息，所述图片基础属性包括文件名称、宽度、高度、图像深度；所述标注信息包括：每一个热轧棒材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、右下角纵坐标、目标物体的类别。
5.根据权利要求4所述的热轧棒材定支分离检测方法，其特征在于，
获取实时视频流数据，并输入至训练后的热轧棒材目标检测模型进行目标识别；
框选出图像中目标热轧棒材的目标识别框，并对所述目标热轧棒材进行标注，进而获取目标热轧棒材的实时图像信息；
获取目标热轧棒材的实时位置信息和历史位置信息，所述实时位置信息为目标热轧棒材在当前检测时间节点的位置信息，所述历史位置信息为目标钢卷在上一检测时间节点的位置信息。
6.根据权利要求5所述的热轧棒材定支分离检测方法，其特征在于，
所述实时位置信息包括：
[Bandxmin1,Bandymin1,Bandxmax1,Bandymax1]
所述历史位置信息包括：
[Bandxmin2,Bandymin2,Bandxmax2,Bandymax2]
其中，Bandxmin1、Bandymin1分别为当前检测时间节点的目标识别框左上角的x、y坐标；Bandxmax1、Bandymax1分别为当前检测时间节点的目标识别框右下角的x、y坐标；Bandxmin2、Bandymin2分别为上一检测时间节点的目标识别框左上角的x、y坐标；Bandxmax2、Bandymax2分别为上一检测时间节点的目标识别框左上角的x、y坐标。
7.根据权利要求5所述的热轧棒材定支分离检测方法，其特征在于，将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，所述感兴趣区域在图像中的范围的位置信息的内容与格式为：
[ROIymin,ROIxmin,ROIymax,ROIxmax]
若满足ROIxmin＜Bandxmin1，ROIymin＞Bandymin1，ROIxmax＞Bandymax1，ROIymax＜Bandymax1时，判定目标热轧棒材位于感兴趣区域内；若不满足，则判定目标热轧棒材位于感兴趣区域之外。
8.根据权利要求2所述的热轧棒材定支分离检测方法，其特征在于，所述目标热轧棒材的自由度包括对目标热轧棒材的运动状态的判断结果，所述运动状态的判断结果通过如下方式获取：
根据所述实时位置信息和历史位置信息，计算当前检测时间节点的目标识别框与上一检测时间节点的目标识别框之间的变化量，根据所述变化量判断目标热轧棒材是否处于静止状态。
9.根据权利要求8所述的热轧棒材定支分离检测方法，其特征在于，通过第一判断条件对目标热轧棒材是否处于静止状态进行判断，所述第一判断条件包括
|xmin1-xmin2|＜Sx
|ymin1-ymin2|＜Sy
其中，|xmin1-xmin2|为当前检测时间节点的目标识别框左上角的x坐标与上一检测时间节点的目标识别框左上角的x坐标的差值的绝对值，|ymin1-ymin2|为当前检测时间节点的目标识别框左上角的y坐标与上一检测时间节点的目标识别框左上角的y坐标的差值的绝对值，Sx为预先设置的第一变化量阈值，Sy为预先设置的第二变化量阈值；
若符合所述第一判断条件，则判定目标热轧棒材处于静止状态，完成对目标热轧棒材的自由度的确定。
10.根据权利要求9所述的热轧棒材定支分离检测方法，其特征在于，所述同轴度包括对同一目标热轧棒材头部和尾部是否处于同一辊道凹槽的判断结果，通过如下方式获取：
根据所述自由度和实时位置信息，计算处于静止状态的同一目标热轧棒材头部和尾部的目标识别框的坐标差值，根据所述坐标差值判断所述同一目标热轧棒材头部和尾部是否处于同一辊道凹槽。
11.根据权利要求10所述的热轧棒材定支分离检测方法，其特征在于，通过第二判断条件对同一目标热轧棒材头部和尾部是否处于同一辊道凹槽进行判断，所述第二判断条件包括|Rearymin1-Rearymin2|＜D
其中，Rearymin1为目标钢卷头部在当前时间节点的目标识别框左上角的y坐标，Rearymin2为同一目标钢卷尾部在当前时间节点的目标识别框左上角的y坐标，|Rearymin1-Rearymin2|为处于静止状态的同一目标热轧棒材头部和尾部目标识别框左上角的y坐标之间的差值的绝对值，D为预先设置的差值阈值；
当满足所述第二判断条件时，则判定所述同一目标热轧棒材头部和尾部处于同一辊道凹槽，完成对所述同轴度的确定。
12.根据权利要求1-11任一所述的热轧棒材定支分离检测方法，其特征在于，当目标热轧棒材处于静止状态时，判定分钢器对应输入辊道上的热轧棒材状态异常，输出异常信号并进行报警。
13.根据权利要求11所述的热轧棒材定支分离检测方法，其特征在于，当热轧棒材目标处于静止状态时，根据所述自由度和实时位置信息判定同一目标热轧棒材头部和尾部是否处于同一辊道凹槽，获取热轧棒材处于静止状态的原因并进行报警。
14.一种热轧棒材定支分离检测系统，其特征在于，包括：
图像采集模块，用于采集经精整区分钢器后的热轧棒材图像信息；
图像处理模块，用于根据所述图像信息中分钢器的位置，设置感兴趣区域，以及，对所述图像信息进行标注，获取数据集；
检测模型，用于根据所述数据集，建立热轧棒材目标检测模型，并对其进行训练；
获取实时图像数据，并输入至训练后的热轧棒材目标检测模型，获取识别结果；
将识别结果中热轧棒材目标的位置信息与所述感兴趣区域进行比较，根据比较结果判断是否出现异常情况，完成热轧棒材定支分离检测。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至13中任一项所述方法。
16.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至13中任一项所述方法。
CN202010896095.5A 2020-08-31 2020-08-31 一种热轧棒材定支分离检测方法、系统、介质及终端 Active CN112037198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010896095.5A CN112037198B (zh) 2020-08-31 2020-08-31 一种热轧棒材定支分离检测方法、系统、介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010896095.5A CN112037198B (zh) 2020-08-31 2020-08-31 一种热轧棒材定支分离检测方法、系统、介质及终端

Publications (2)

Publication Number Publication Date
CN112037198A true CN112037198A (zh) 2020-12-04
CN112037198B CN112037198B (zh) 2023-04-07

Family

ID=73587288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010896095.5A Active CN112037198B (zh) 2020-08-31 2020-08-31 一种热轧棒材定支分离检测方法、系统、介质及终端

Country Status (1)

Country Link
CN (1) CN112037198B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733841A (zh) * 2020-12-30 2021-04-30 中冶赛迪重庆信息技术有限公司 钢卷内部紊乱判断方法、系统、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102424156A (zh) * 2012-01-06 2012-04-25 济南火炬科技开发有限公司 棒材在线自动计数分钢系统
CN102849275A (zh) * 2012-09-29 2013-01-02 天津工业大学 棒材在线计数分钢装置
CN109544562A (zh) * 2018-11-09 2019-03-29 北京工业大学 基于图像的钢筋端面自动识别计数算法
JP2020027058A (ja) * 2018-08-14 2020-02-20 前田建設工業株式会社 配筋出来形管理システム及び配筋出来形管理方法
CN111429424A (zh) * 2020-03-20 2020-07-17 中冶赛迪重庆信息技术有限公司 一种基于深度学习的加热炉入口异常识别方法
CN111524112A (zh) * 2020-04-17 2020-08-11 中冶赛迪重庆信息技术有限公司 追钢识别方法、系统、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102424156A (zh) * 2012-01-06 2012-04-25 济南火炬科技开发有限公司 棒材在线自动计数分钢系统
CN102849275A (zh) * 2012-09-29 2013-01-02 天津工业大学 棒材在线计数分钢装置
JP2020027058A (ja) * 2018-08-14 2020-02-20 前田建設工業株式会社 配筋出来形管理システム及び配筋出来形管理方法
CN109544562A (zh) * 2018-11-09 2019-03-29 北京工业大学 基于图像的钢筋端面自动识别计数算法
CN111429424A (zh) * 2020-03-20 2020-07-17 中冶赛迪重庆信息技术有限公司 一种基于深度学习的加热炉入口异常识别方法
CN111524112A (zh) * 2020-04-17 2020-08-11 中冶赛迪重庆信息技术有限公司 追钢识别方法、系统、设备及介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YONGJIAN ZHU 等: "End-Face Localization and Segmentation of Steel Bar Based on Convolutional Neural Network", 《IEEE ACCESS》 *
窦金平: "全自动棒材定支分捆系统的研究", 《新技术新工艺》 *
罗三定等: "棒材分钢视觉反馈控制", 《小型微型计算机系统》 *
雷慧杰 等: "棒材在线计数分钢系统常见故障分析与处理", 《自动化应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733841A (zh) * 2020-12-30 2021-04-30 中冶赛迪重庆信息技术有限公司 钢卷内部紊乱判断方法、系统、设备及介质
CN112733841B (zh) * 2020-12-30 2022-12-16 中冶赛迪信息技术(重庆)有限公司 钢卷内部紊乱判断方法、系统、设备及介质

Also Published As

Publication number Publication date
CN112037198B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN106909888B (zh) 应用于移动设备端的人脸关键点跟踪系统及方法
WO2019120040A9 (zh) 目标物定位系统及定位方法
US20210343026A1 (en) Information processing apparatus, control method, and program
US20100195899A1 (en) Detection of people in real world videos and images
CN103514432A (zh) 人脸特征提取方法、设备和计算机程序产品
CN110991261A (zh) 交互行为识别方法、装置、计算机设备和存储介质
CN111539938B (zh) 一种轧带钢带头曲度检测方法、系统、介质及电子终端
US20200293766A1 (en) Interaction behavior detection method, apparatus, system, and device
CN110674680B (zh) 活体识别的方法、装置、存储介质
US20120281918A1 (en) Method for dynamically setting environmental boundary in image and method for instantly determining human activity
CN112464797A (zh) 一种吸烟行为检测方法、装置、存储介质及电子设备
CN112037198B (zh) 一种热轧棒材定支分离检测方法、系统、介质及终端
CN112560584A (zh) 一种人脸检测方法及装置、存储介质、终端
CN115457466A (zh) 一种基于巡检视频的隐患检测方法、系统及电子设备
CN111428743B (zh) 商品识别方法、商品处理方法、装置及电子设备
CN111968104B (zh) 一种基于机器视觉的钢卷异常识别方法、系统、设备及介质
CN114511696A (zh) 控件定位方法、装置、电子设备及可读存储介质
CN111968103A (zh) 一种钢卷间距检测方法、系统、介质及电子终端
CN111597889A (zh) 一种视频中目标移动的检测方法、装置及系统
CN116168192A (zh) 图像检测区域的确定方法、装置、电子设备及存储介质
CN112037199A (zh) 热轧棒材收集完成辊道落料检测方法、系统、介质及终端
CN112329849A (zh) 基于机器视觉的废钢料场卸料状态识别方法、介质及终端
JP3680658B2 (ja) 画像認識方法及び画像認識装置
CN110796062B (zh) 物品边框精确匹配显示的方法、装置及存储装置
JPH08194822A (ja) 移動物体検知装置及びその方法

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

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: 20-24 / F, No.7 Longjing Road, North New District, Yubei District, Chongqing

Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant