CN113222977A - 一种行车作业过程中的棒线材标签识别方法、系统、介质和终端 - Google Patents

一种行车作业过程中的棒线材标签识别方法、系统、介质和终端 Download PDF

Info

Publication number
CN113222977A
CN113222977A CN202110603014.2A CN202110603014A CN113222977A CN 113222977 A CN113222977 A CN 113222977A CN 202110603014 A CN202110603014 A CN 202110603014A CN 113222977 A CN113222977 A CN 113222977A
Authority
CN
China
Prior art keywords
rod
wire
label
image
crane
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
Application number
CN202110603014.2A
Other languages
English (en)
Inventor
谢小东
刘斌
李邈
尹波
刘常坤
刘璇
许怀文
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 CN202110603014.2A priority Critical patent/CN113222977A/zh
Publication of CN113222977A publication Critical patent/CN113222977A/zh
Pending legal-status Critical Current

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
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Electromagnetism (AREA)
  • Toxicology (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种行车作业过程中的棒线材标签识别方法、系统、介质和终端，其方法包括采集行车作业过程中的图像，根据所述原始数据集建立识别模型并进行训练，对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，并对异常标签进行报警，本发明中的行车作业过程中的棒线材标签识别方法、系统、介质和终端，通过采集行车过程中的磁盘吊图像、棒线材图像、标签图像，可以根据所述磁盘吊位置检测磁盘吊下方的棒线材数量与位置，获取对应二维码，标签个数等信息，可以对异常标签情况进行报警。

Description

一种行车作业过程中的棒线材标签识别方法、系统、介质和 终端
技术领域
本发明涉及钢铁领域、图像处理与识别领域和监控领域，尤其涉及一种行车作业过程中的棒线材标签识别方法、系统、介质和终端。
背景技术
在钢铁产品的运输过程中，通常利用磁盘吊和货车对棒线材进行自动装车，同时棒线材在出库时需要根据物料标签进行物料规格信息识别与核对，保证物料出入库的信息准确，避免物料遗失、物料不合规等影响生产的情况出现，造成进一步地损失。
目前，棒线材的出入库识别主要依靠人工识别，但随着产线的增多，容易有工人漏检、错检的情况产生。除此之外现行的标签识别常常在棒线材从磁盘吊脱离之后，处于稳定状态才进行检测，拖慢了生产进程。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种行车作业过程中的棒线材标签识别方法、系统、介质和终端，以解决上述技术问题。
本发明提供的行车作业过程中的棒线材标签识别方法，包括：
采集行车作业过程中的图像，所述图像包括磁盘吊图像、棒线材图像和标签图像，并分别生成原始数据集；
根据所述原始数据集建立识别模型并进行训练，所述识别模型包括
第一识别模型，用于进行识别磁盘吊及其位置，
第二识别模型，用于进行识别棒线材及其位置，
第三识别模型，用于进行识别用于标识所述棒线材身份信息的标签；
对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，所述识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，并对异常标签进行报警。
于本发明的一实施例中，将所述行车过程中目标区域内图像输入至第一识别模型，获取图像中的磁盘吊位置；
将所述行车过程中目标区域内图像输入至第二识别模型，获取图像中所有棒线材的位置；
根据所述磁盘吊位置，选取位于磁盘吊下方的棒线材作为目标棒线材，并获取目标棒线材的数量和位置。
于本发明的一实施例中，根据如下公式选取位于磁盘吊下方的棒线材作为目标棒线材：
|Ydiskmax-ymin|≤Thresholdh
其中，Ydiskmax为图像中磁盘吊所在矩形框右下角y轴坐标，ymin为图像中棒线材所在矩形框的左上角y轴坐标，Thresholdh为预设的磁盘吊与棒线材竖直方向的距离阈值。
于本发明的一实施例中，根据磁盘吊下降速度、所述目标棒线材的数量和位置，通过移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像；
将所述标签图像输入至训练后的第三识别模型中，获取所述位于磁盘吊下方的棒线材的标签，并对所述标签进行识别，获取所述棒线材身份信息。
于本发明的一实施例中，控制在竖直方向移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像，
通过如下公式控制在竖直方向移动图像采集设备：
Vcamera＝t×v
T＝Nm-1
其中，Vcamera为图像采集设备采集下一个棒线材标签图片之前在y轴方向上需要移动的距离，t为预先设定的采集每捆棒线材标签图像的时间间隔，v是预先设定的棒线材下落速度，T是图像采集设备在返回初始位置之前需要移动的次数，Nm是所述磁盘吊下棒线材数量。
于本发明的一实施例中，还包括：根据相邻棒线材位置，通过控制在水平方向移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像；
通过如下公式控制移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像：
Figure BDA0003093346410000021
T＝Nm-1
其中，Hcamera为图像采集设备采集下一个棒线材标签图片之前在x轴方向右需要移动的距离，所述图像采集设备所在支架向右平移移动，Xmmax(n)、Xmmin(n)是第n捆棒线材右下角与左上角的x轴坐标值，Xmmax(n+1)、Xmmin(n+1)是检测到的第n+1捆棒线材右下角与左上角的x轴坐标值，T是图像采集设备在返回初始位置之前需要移动的次数，Nm是磁盘吊下棒线材数量。
本发明还提供一种行车作业过程中的棒线材标签识别系统，包括：
图像采集模块，用于采集行车作业过程中的图像，所述图像包括磁盘吊图像、棒线材图像和标签图像，并分别生成原始数据集；
识别模型，用于根据所述原始数据集建立识别模型并进行训练，所述识别模型包括
第一识别模型，用于进行识别磁盘吊及其位置，
第二识别模型，用于进行识别棒线材及其位置，
第三识别模型，用于进行识别用于标识所述棒线材身份信息的标签；
对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，所述识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，
报警模块，用于对异常标签进行报警。
于本发明的一实施例中，还包括用于支撑所述图像采集模块的支架，所述支架为L型支架，所述图像采集模块可以通过支架进行竖直方向移动和水平方向移动。
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中任一项所述方法。
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中任一项所述方法。
本发明的有益效果：本发明中的行车作业过程中的棒线材标签识别方法、系统、介质和终端，通过采集行车过程中的磁盘吊图像、棒线材图像、标签图像，可以根据所述磁盘吊位置检测磁盘吊下方的棒线材数量与位置，获取对应二维码，标签个数等信息，可以对异常标签情况进行报警。
另外，还可以在行车过程中对目标物体进行自动变焦，进一步进行识别，实现运动过程中棒线材物料信息的实时获取，避免人工漏检错检的情况产生。
附图说明
图1是本发明实施例中的行车作业过程中的棒线材标签识别方法的整体流程示意图。
图2是本发明实施例中的行车作业过程中的棒线材标签识别方法的车辆与图像采集设备的位置示意图。
图3是本发明实施例中的行车作业过程中的棒线材标签识别方法的车辆与图像采集设备的另一位置示意图。
图4是本发明实施例中的行车作业过程中的棒线材标签识别方法中磁盘吊的运行过程示意图。
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，本实施例中的行车作业过程中的棒线材标签识别方法，包括：
S1.采集行车作业过程中的图像，所述图像包括磁盘吊图像、棒线材图像和标签图像，并分别生成原始数据集；
S2.根据所述原始数据集建立识别模型并进行训练，所述识别模型包括
第一识别模型，用于进行识别磁盘吊及其位置，
第二识别模型，用于进行识别棒线材及其位置，
第三识别模型，用于进行识别用于标识所述棒线材身份信息的标签；
S3.对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，所述识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，并对异常标签进行报警。
在本实施例中的步骤S1中，首先在规定位置架设图像采集设备，本实施例中的图像采集设备可以采用最常见的相机，采集行车过程中的磁盘吊图像、棒线材图像和标签图像，生成生成原始数据集，本实施例中的原始数据集包括磁盘吊数据集，棒线材数据集和标签数据集。
在本实施例中的步骤S2中，根据原始数据集建立识别模型并进行训练，识别模型包括：
第一识别模型，用于进行识别磁盘吊及其位置，
第二识别模型，用于进行识别棒线材及其位置，
第三识别模型，用于进行识别用于标识所述棒线材身份信息的标签。
在本实施例中，可以利用深度学习目标检测网络训练磁盘吊识别模型、棒线材识别模型和标签识别模型，深度学习目标检测网络包括且不限于SSD、yolo系列、faster-rcnn等目标检测网络。
在本实施例中的步骤S3中，对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，并对异常标签进行报警。
在本实施例中，步骤S3具体包括
S301：采集行车过程中目标区域内图像，输入磁盘吊识别模型中，获得图像中磁盘吊位置；
在本实施例中，磁盘吊位置数学表达式为：
[Xdiskmin,Ydiskmin,Xdiskmax,Ydiskmax]
其中，Xdiskmin,Ydiskmin为所述磁盘吊在图像中左上角x，y轴坐标，Xdiskmax,Ydiskmax为磁盘吊在图像中右下角x，y轴坐标。
S302：将采集到的目标区域内图像输入棒线材识别模型中，获取图像中所有棒线材的位置；
S303：根据S301中所述磁盘吊位置选择位于磁盘吊下方的棒线材；
在本实施例中，根据磁盘吊位置选择位于磁盘吊下方的棒线材的表达式为：
|Ydiskmax-ymin|≤Thresholdh
其中，Ydiskmax检测到的所述磁盘吊右下角y轴坐标，ymin是识别到的棒线材所在矩形框的左上角y轴坐标，Thresholdh为预设的磁盘吊与棒线材竖直方向的距离阈值，当满足上述表达式时棒线材可以判断为处于磁盘吊下方。
S304：获取所述磁盘吊下方棒线材的位置和数量；
在本实施例中，最终获得的磁盘吊下访所述棒线材数量与位置的表达式为：
Nm
[Xmmin,Ymmin,Xmmax,Ymmax]
其中，Nm为所述磁盘吊下棒线材数量，Xmmin,Ymmin为检测到的每个棒材或线材左上角x,y轴坐标值，Xmmax,Ymmax为检测到的每个棒材或线材右下角x,y轴坐标值。
S306：如图2、3所示，根据图像采集设备与磁盘吊之间水平距离调节相机焦距；
S307：如图4所示，根据磁盘吊下降速度，磁盘吊下方所述棒线材数量移动图像采集设备，依次采集磁盘吊下访每个棒线材的标签图片；
在本实施例中，根据磁盘吊下降速度，移动图像采集设备，依次采集磁盘吊下方每个棒线材的标签图片，图像采集设备向下移动的数学表达式为：
Scamera＝n×v
T＝Nm-1
其中，Scamera为所述图像采集设备采集下一个棒线材标签图片之前在y轴方向上需要移动的距离，所述图像采集设备向下移动，n为预先设定的采集每捆棒线材标签图像的时间间隔，v是预先设定的棒线材下落速度，T是所述图像采集设备在返回初始位置之前需要移动的次数，Nm是所述磁盘吊下棒线材数量。
图像采集设备水平方向移动的数学表达式为：
Figure BDA0003093346410000061
T＝Nm-1
其中，Hcamera为所述图像采集设备采集下一个棒线材标签图片之前在x轴方向右需要移动的距离，所述图像采集设备所在支架向右平移移动，Xmmax(n)、Xmmin(n)是检测到的第n捆棒线材右下角与左上角的x轴坐标值，Xmmax(n+1)、Xmmin(n+1)是检测到的第n+1捆棒线材右下角与左上角的x轴坐标值，T是所述图像采集设备在返回初始位置之前需要移动的次数，Nm是所述磁盘吊下棒线材数量。
S308：将标签图片输入到标签识别模型中，获取标签数量与位置；
在本实施例中，获得标签位置与磁盘吊下标签数量，表达式为：
[Xlmin,Ylmin,Xlmax,Ylmax]
Nl
其中，[Xlmin,Ylmin,Xlmax,Ylmax]为检测到的每个标签的左上角与右上角x,y轴坐标，Nl是检测到的所有标签数量。
S309：根据标签位置依次提取标签图像，识别标签上的二维码信息；
S310：根据标签数量判断是否存在标签脱落等异常情况；
在本实施例中，进行判断的表达式为：
Nl<Nm
满足上述表达式则代表出现了标签脱落或其他导致标签缺失的异常。
S311：图像采集设备返回初始位置。
相应的，本实施例还提供一种行车作业过程中的棒线材标签识别系统，包括：
图像采集模块，用于采集行车作业过程中的图像，所述图像包括磁盘吊图像、棒线材图像和标签图像，并分别生成原始数据集；
识别模型，用于根据所述原始数据集建立识别模型并进行训练，所述识别模型包括
第一识别模型，用于进行识别磁盘吊及其位置，
第二识别模型，用于进行识别棒线材及其位置，
第三识别模型，用于进行识别用于标识所述棒线材身份信息的标签；
对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，所述识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，
报警模块，用于对异常标签进行报警。
还包括用于支撑所述图像采集模块的支架，所述支架为L型支架，所述图像采集模块可以通过支架进行竖直方向移动和水平方向移动。
在本实施例中，通过图像采集模块采集行车过程中的磁盘吊图像、棒线材图像、标签图像，并分别生成原始数据集；根据原始数据集建立磁盘吊识别模型、棒线材识别模型和标签识别模型，并分别进行训练；采集行车过程中目标区域内图像，输入磁盘吊识别模型中，获得图像中磁盘吊位置；将所述目标区域内图像输入棒线材识别模型中，并根据所述磁盘吊位置检测磁盘吊下方的棒线材数量与位置；采集磁盘吊下落过程中每个棒线材的标签图像并输入标签识别模型中，获取对应二维码，标签个数，并对异常标签情况进行报警。可以在行车过程中对目标物体进行自动变焦，进一步进行识别，实现运动过程中棒线材物料信息的实时获取，提高了物料信息核实的精确度与生产的效率。本实施例中的行车作业过程中的棒线材标签识别系统，可以通过上述方法进行行车作业过程中的棒线材标签识别。
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”、“一实施例”、“另一实施例”、或“其他实施例”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”、“一实施例”、“另一实施例”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 (11)

1.一种行车作业过程中的棒线材标签识别方法，其特征在于，包括：
采集行车作业过程中的图像，所述图像包括磁盘吊图像、棒线材图像和标签图像，并分别生成原始数据集；
根据所述原始数据集建立识别模型并进行训练，所述识别模型包括
第一识别模型，用于进行识别磁盘吊及其位置，
第二识别模型，用于进行识别棒线材及其位置，
第三识别模型，用于进行识别用于标识所述棒线材身份信息的标签；
对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，所述识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，并对异常标签进行报警。
2.根据权利要求1所述的行车作业过程中的棒线材标签识别方法，其特征在于，
将所述行车过程中目标区域内图像输入至第一识别模型，获取图像中的磁盘吊位置；
将所述行车过程中目标区域内图像输入至第二识别模型，获取图像中所有棒线材的位置；
根据所述磁盘吊位置，选取位于磁盘吊下方的棒线材作为目标棒线材，并获取目标棒线材的数量和位置。
3.根据权利要求2所述的行车作业过程中的棒线材标签识别方法，其特征在于，
根据如下公式选取位于磁盘吊下方的棒线材作为目标棒线材：
|Ydiskmax-ymin|≤Thresholdh
其中，Ydiskmax为图像中磁盘吊所在矩形框右下角y轴坐标，ymin为图像中棒线材所在矩形框的左上角y轴坐标，Thresholdh为预设的磁盘吊与棒线材竖直方向的距离阈值。
4.根据权利要求2所述的行车作业过程中的棒线材标签识别方法，其特征在于，
根据磁盘吊下降速度、所述目标棒线材的数量和位置，通过移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像；
将所述标签图像输入至训练后的第三识别模型中，获取所述位于磁盘吊下方的棒线材的标签，并对所述标签进行识别，获取所述棒线材身份信息。
5.根据权利要求4所述的行车作业过程中的棒线材标签识别方法，其特征在于，
控制在竖直方向移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像，
通过如下公式控制在竖直方向移动图像采集设备：
Vcamera＝t×v
T＝Nm-1
其中，Vcamera为图像采集设备采集下一个棒线材标签图片之前在y轴方向上需要移动的距离，t为预先设定的采集每捆棒线材标签图像的时间间隔，v是预先设定的棒线材下落速度，T是图像采集设备在返回初始位置之前需要移动的次数，Nm是所述磁盘吊下棒线材数量。
6.根据权利要求4所述的行车作业过程中的棒线材标签识别方法，其特征在于，还包括：根据相邻棒线材位置，通过控制在水平方向移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像；
通过如下公式控制移动图像采集设备，依次采集磁盘吊下落过程中每个棒线材的标签图像：
Figure FDA0003093346400000021
T＝Nm-1
其中，Hcamera为图像采集设备采集下一个棒线材标签图片之前在x轴方向右需要移动的距离，所述图像采集设备所在支架向右平移移动，Xmmax(n)、Xmmin(n)是第n捆棒线材右下角与左上角的x轴坐标值，Xmmax(n+1)、Xmmin(n+1)是检测到的第n+1捆棒线材右下角与左上角的x轴坐标值，T是图像采集设备在返回初始位置之前需要移动的次数，Nm是磁盘吊下棒线材数量。
7.根据权利要求6所述的行车作业过程中的棒线材标签识别方法，其特征在于，根据图像采集设备与磁盘吊之间水平距离对进行采集行车作业过程中的图像时的焦距进行调节。
8.一种行车作业过程中的棒线材标签识别系统，其特征在于，包括：
图像采集模块，用于采集行车作业过程中的图像，所述图像包括磁盘吊图像、棒线材图像和标签图像，并分别生成原始数据集；
识别模型，用于根据所述原始数据集建立识别模型并进行训练，所述识别模型包括
第一识别模型，用于进行识别磁盘吊及其位置，
第二识别模型，用于进行识别棒线材及其位置，
第三识别模型，用于进行识别用于标识所述棒线材身份信息的标签；
对行车过程中目标区域内图像进行实时采集，并依次输入至训练后的识别模型进行图像识别，获取识别结果，所述识别结果包括磁盘吊位置、棒线材位置，以及磁盘吊下落过程中磁盘吊下方每个棒线材的标签，
报警模块，用于对异常标签进行报警。
9.根据权利要求8所述的行车作业过程中的棒线材标签识别系统，其特征在于，还包括用于支撑所述图像采集模块的支架，所述支架为L型支架，所述图像采集模块可以通过支架进行竖直方向移动和水平方向移动。
10.一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7中任一项所述方法。
11.一种电子终端，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7中任一项所述方法。
CN202110603014.2A 2021-05-31 2021-05-31 一种行车作业过程中的棒线材标签识别方法、系统、介质和终端 Pending CN113222977A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110603014.2A CN113222977A (zh) 2021-05-31 2021-05-31 一种行车作业过程中的棒线材标签识别方法、系统、介质和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110603014.2A CN113222977A (zh) 2021-05-31 2021-05-31 一种行车作业过程中的棒线材标签识别方法、系统、介质和终端

Publications (1)

Publication Number Publication Date
CN113222977A true CN113222977A (zh) 2021-08-06

Family

ID=77082211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110603014.2A Pending CN113222977A (zh) 2021-05-31 2021-05-31 一种行车作业过程中的棒线材标签识别方法、系统、介质和终端

Country Status (1)

Country Link
CN (1) CN113222977A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673435A (zh) * 2021-08-23 2021-11-19 本溪钢铁（集团）信息自动化有限责任公司 一种钢卷标签的识别方法以及钢卷标签的识别系统
CN114239632A (zh) * 2021-12-09 2022-03-25 中冶赛迪重庆信息技术有限公司 一种线棒材标签的识别方法、系统、电子设备及介质
CN114757218A (zh) * 2022-04-26 2022-07-15 中冶赛迪重庆信息技术有限公司 一种棒材信息识别方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971277A (zh) * 2017-04-13 2017-07-21 中冶华天工程技术有限公司 棒线材物料跟踪系统和方法
CN112052696A (zh) * 2020-08-31 2020-12-08 中冶赛迪重庆信息技术有限公司 一种基于机器视觉的棒材成品库出库标签识别方法、装置及设备
CN112053339A (zh) * 2020-08-31 2020-12-08 中冶赛迪重庆信息技术有限公司 一种基于机器视觉的棒材成品库行车安全监测方法、装置及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971277A (zh) * 2017-04-13 2017-07-21 中冶华天工程技术有限公司 棒线材物料跟踪系统和方法
CN112052696A (zh) * 2020-08-31 2020-12-08 中冶赛迪重庆信息技术有限公司 一种基于机器视觉的棒材成品库出库标签识别方法、装置及设备
CN112053339A (zh) * 2020-08-31 2020-12-08 中冶赛迪重庆信息技术有限公司 一种基于机器视觉的棒材成品库行车安全监测方法、装置及设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673435A (zh) * 2021-08-23 2021-11-19 本溪钢铁（集团）信息自动化有限责任公司 一种钢卷标签的识别方法以及钢卷标签的识别系统
CN114239632A (zh) * 2021-12-09 2022-03-25 中冶赛迪重庆信息技术有限公司 一种线棒材标签的识别方法、系统、电子设备及介质
CN114239632B (zh) * 2021-12-09 2023-08-25 中冶赛迪信息技术(重庆)有限公司 一种线棒材标签的识别方法、系统、电子设备及介质
CN114757218A (zh) * 2022-04-26 2022-07-15 中冶赛迪重庆信息技术有限公司 一种棒材信息识别方法、装置、设备及介质
CN114757218B (zh) * 2022-04-26 2024-07-02 中冶赛迪信息技术(重庆)有限公司 一种棒材信息识别方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN113222977A (zh) 一种行车作业过程中的棒线材标签识别方法、系统、介质和终端
CN109508688B (zh) 基于骨架的行为检测方法、终端设备及计算机存储介质
CN109607031B (zh) 基于无人机全景的智能仓储系统及方法
CN108665508B (zh) 一种即时定位与地图构建方法、装置及存储介质
CN107403141B (zh) 人脸检测方法及装置、计算机可读存储介质、设备
CN108009515B (zh) 一种基于fcn的无人机航拍图像的输电线定位识别方法
RU2592650C2 (ru) Способ фильтрации изображений целевого объекта в роботехнической системе
CA3160731A1 (en) Interactive behavior recognizing method, device, computer equipment and storage medium
CN111985385B (zh) 一种行为检测方法、装置及设备
CN112394690B (zh) 仓库管理方法、装置、系统及电子设备
CN113255626B (zh) 一种基于扫描图像分析的智能塔吊结构状态检测方法和装置
CN111429424B (zh) 一种基于深度学习的加热炉入口异常识别方法
CN110533699B (zh) 基于光流法的像素变化的动态多帧测速方法
CN114140745A (zh) 施工现场人员属性检测方法、系统、装置及介质
CN107341139A (zh) 一种多媒体处理方法、装置、电子设备及存储介质
US11398094B1 (en) Locally and globally locating actors by digital cameras and machine learning
CN111428743B (zh) 商品识别方法、商品处理方法、装置及电子设备
CN112052696A (zh) 一种基于机器视觉的棒材成品库出库标签识别方法、装置及设备
CN112053339B (zh) 一种基于机器视觉的棒材成品库行车安全监测方法、装置及设备
CN113177941B (zh) 一种钢卷边裂识别方法、系统、介质和终端
US11443516B1 (en) Locally and globally locating actors by digital cameras and machine learning
CN115147748A (zh) 一种对仓储空间中货物进行远程智能检测的方法及系统
CN112037198A (zh) 一种热轧棒材定支分离检测方法、系统、介质及终端
CN112734807A (zh) 一种基于计算机视觉的板坯在连铸辊道上自动跟踪的方法
JP2013532451A (ja) 倉庫内の物体の位置を特定するための方法及び装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210806

RJ01 Rejection of invention patent application after publication