CN113344959B - 余料的分析处理方法、装置及物料输送系统 - Google Patents

余料的分析处理方法、装置及物料输送系统 Download PDF

Info

Publication number
CN113344959B
CN113344959B CN202110900437.0A CN202110900437A CN113344959B CN 113344959 B CN113344959 B CN 113344959B CN 202110900437 A CN202110900437 A CN 202110900437A CN 113344959 B CN113344959 B CN 113344959B
Authority
CN
China
Prior art keywords
image
steel plate
connected domain
phi
processing
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.)
Active
Application number
CN202110900437.0A
Other languages
English (en)
Other versions
CN113344959A (zh
Inventor
王涛
李腾
安士才
牟文青
曲洁
黄金烁
钟伟
杨斌
贺业凤
林雨
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.)
Shandong Jerei Digital Technology Co Ltd
Original Assignee
Shandong Jerei Digital 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 Shandong Jerei Digital Technology Co Ltd filed Critical Shandong Jerei Digital Technology Co Ltd
Priority to CN202110900437.0A priority Critical patent/CN113344959B/zh
Publication of CN113344959A publication Critical patent/CN113344959A/zh
Application granted granted Critical
Publication of CN113344959B publication Critical patent/CN113344959B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种余料的分析处理方法、装置及物料输送系统，其中，余料的分析处理方法包括：通过视频识别设备对不规则钢板余料进行检测识别，通过工业互联网实时获取检测到的余料图像，同时获取所述不规则钢板余料的钢板信息；对所述余料图像进行预处理，获得二值图像；根据边缘检测算法对所述二值图像进行处理，获得所述不规则钢板余料的尺寸面积；对所述二值图像进行腐蚀操作，根据腐蚀后的图像特征对二值图像中的连通域进行检测；对获得的连通域的特征参数进行分析计算，并将钢板信息以及计算出的数据上传至云服务器。本发明能够适时进行余料统计，加强对余料的统一管控，从而提升余料的利用率。

Description

余料的分析处理方法、装置及物料输送系统
技术领域
本发明涉及图像处理技术领域，尤其涉及一种余料的分析处理方法、装置及物料输送系统。
背景技术
提升企业物料利用率是当前科技条件下企业的核心成本观，在产品的各个阶段关心、考虑物料利用率，对企业在市场竞争中的优势大有裨益。目前企业常用的余料分析计算方式是根据物料利用率报表，即生产制造单位每月提交的实际物料的使用情况。
现有余料分析计算方式存在以下几个明显的缺点：统计不具有时效性并且效率低下。无法对余料的统一管理，余料的再利用比较困难，造成了余料的浪费。无法提供使用某种切割工艺的钢板的利用率，无法对切割工艺研发设计进行有效反馈。
因此，本领域亟需一种能够实时完成余料的分析处理方法，以能够适时进行余料统计，加强对余料的统一管控，从而提升余料的利用率。
发明内容
本发明实施例中提供一种余料的分析处理方法、装置及物料输送系统，用以至少解决现有余料分析方式，统计不具有时效性并且效率低下，以及无法对余料进行统一管理，造成余料的利用率低的问题。
一方面，本发明提供了一种余料的分析处理方法，包括：
S1-1、通过视频识别设备对不规则钢板余料进行检测识别，通过工业互联网实时获取检测到的余料图像，同时获取所述不规则钢板余料的钢板信息；
S1-2、对所述余料图像进行预处理，获得二值图像；
S1-3、根据边缘检测算法对所述二值图像进行处理，获得所述不规则钢板余料的尺寸面积；
S1-4、对所述二值图像进行腐蚀操作，根据腐蚀后的图像特征对二值图像中的连通域进行检测；
S1-5、对获得的连通域的特征参数进行分析计算，并将钢板信息以及计算出的数据上传至云服务器。
进一步地，在步骤S1-2中所述的对所述余料图像进行预处理，获得二值图像，具体包括如下步骤:
S1-2-1、对所述余料图像f(x,y) 进行模糊处理，得到图像fgua(x,y) ；
S1-2-2、计算所述图像fgua(x,y) 的二值图像f '(x,y) 。
进一步地，在步骤S1-3中所述的根据边缘检测算法对所述二值图像进行处理，获得所述不规则钢板余料的尺寸面积，具体包括如下步骤:
S1-3-1、对所述二值图像f '(x,y) ，从点(0,i) 向右扫描，从点(w,i) 点向左扫描，将向右、向左扫描获得的点分别记录入点集φi和φr；其中，0≤i≤h，h为图像的高度，w为图像的宽度；
S1-3-2、对所述二值图像，从点(j,0) 向下扫描，从点(j,h) 点向上扫描，将向下、向上扫描获得的点分别记录入点集φu和φd；其中，(0≤j≤w) ；
S1-3-3、根据边缘的连续性，对点集φi、φr、φu和φd中缺少的点利用差值法进行 补充，得到新的点集
Figure 416104DEST_PATH_IMAGE001
、
Figure 975654DEST_PATH_IMAGE002
、
Figure 552129DEST_PATH_IMAGE003
和
Figure 353863DEST_PATH_IMAGE004
；
S1-3-4、对点集
Figure 699394DEST_PATH_IMAGE001
、
Figure 256277DEST_PATH_IMAGE002
、
Figure 929835DEST_PATH_IMAGE003
和
Figure 925473DEST_PATH_IMAGE004
围成的区域进行0填充，填充完毕统计整张图像 中0点的个数，得到钢板的总面积Atotal，根据点集的最大、最小行列坐标获得钢板的高htotal 和宽wtotal；
S1-3-5、对S1-3-4获得的高htotal和宽wtotal，在此范围内统计f '(x,y) 中值为0的点个数，即为余料面积Arem。
进一步地，在步骤S1-4中所述的对所述二值图像进行腐蚀操作，根据腐蚀后的图像特征对二值图像中的连通域进行检测，具体包括如下步骤:
S1-4-1、对二值图像进行腐蚀操作得到腐蚀后的图像fcor(x,y) ；
S1-4-2、提取所述腐蚀后的图像fcor(x,y) 中存在的连通域集φdom；
S1-4-3、定位连通域集φdom中的每个连通域在图像fcor(x,y) 中的位置，对每个连 通域进行边缘扩充，以将扩充范围内值为0的点归入当前连通域，获得新的连通域
Figure 266455DEST_PATH_IMAGE005
，即 为余料可用面积集合。
进一步地，在步骤S1-4-2中所述的提取所述腐蚀后的图像fcor(x,y) 中存在的连通域集φdom，具体包括:
对所述腐蚀后的图像fcor(x,y) 运行扫描线种子填充算法，得到图像中存在的连通域集φdom。
进一步地，在步骤S1-5中所述的对获得的连通域的特征参数进行分析计算、并将钢板信息以及计算出的数据上传至云服务器，具体包括如下步骤:
S1-5-1、对步骤S1-4-3获得的连通域集
Figure 164879DEST_PATH_IMAGE005
中的每个连通域
Figure 715946DEST_PATH_IMAGE006
计算其面积以 及其凸包面积，并计算面积与凸包面积之比;
S1-5-2、对步骤S1-4-3获得的连通域集
Figure 859483DEST_PATH_IMAGE005
中的每个连通域
Figure 117289DEST_PATH_IMAGE006
运行边缘算 法，获取其周长；运行凸包算法，获得其凸包长度，并计算周长与凸包长度之比;
S1-5-3、将获得的数据上传至云服务器。
进一步地，所述钢板信息包括：钢板型号、钢板编号以及钢板切割工艺编号；
另一方面，本发明提供了一种余料的分析处理装置，余料的分析处理装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；
所述计算机程序被所述处理器执行时实现如上所述的余料的分析处理方法的步骤。
另一方面，本发明提供了一种物料输送系统，所述物料输送系统包括如上所述的余料的分析处理装置。
与现有技术相比，本发明具有如下技术效果：
1. 本发明基于工业互联网，利用图像识别以及钢板不规则面积的算法，实现了自动对钢板余料面积的计算以及统计工作，克服了传统材料利用率计算方法复杂、时效慢的缺点，节省了大量的劳动成本以及时间的支出。
2. 本发明实现了对钢板余料可用面积的外部形态分析，为技术人员提供余料再利用的信息支持，可以在企业运作的整体过程中对材料利用率进行提升。
3. 本发明实现了对余料数据的统一管理，方便了企业对实际生产中钢板利用率的纵向和横向分析，对其在研发设计、生产制造、质量控制等方面管控钢板余料具有重要的实际意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种余料的分析处理方法的流程示意图；
图2为图像二值化示意图；
图3为原始尺寸示意图；
图4为图像腐蚀处理示意图：
图5为图像连通域检测示意图；
图6为不规则钢板余料可用面积分析示意图；
图7a为不规则钢板余料可用面积形态分析示意图一；
图7b为不规则钢板余料可用面积形态分析示意图二。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为解决现有余料分析方式，统计不具有时效性并且效率低下，以及无法对余料进行统一管理，造成余料的利用率低的问题。本发明实施例提供了一种余料的分析处理方法。
图1为本发明的余料的分析处理方法的流程示意图。如图1所示，本发明实施例提供的余料的分析处理方法，具体包括如下步骤：
S1-1、通过视频识别设备对不规则钢板余料进行检测识别，通过工业互联网实时获取检测到的所述不规则钢板余料的余料图像，同时获取所述不规则钢板余料的钢板信息.
其中，所述钢板信息包括：钢板型号、钢板编号以及钢板切割工艺编号等。
S1-2、对所述余料图像进行预处理，获得二值图像。
S1-3、根据边缘检测算法对所述二值图像进行处理，获得所述不规则钢板余料的尺寸面积。
S1-4、对所述二值图像进行腐蚀操作，根据腐蚀后的图像特征对二值图像中的连通域进行检测。
S1-5、对获得的连通域的特征参数进行分析计算，并将钢板信息以及计算出的数据上传至云服务器。
由此，本发明首先运用边缘检测算法，完成对物料利用率的分析计算；然后运用余料形状分析算法，完成对余料可用面积的分析计算；最后对余料的所有参数、数据进行统一分析处理，完成对余料的统一管理，为余料的再利用提供数据支持。
为了便于对不规则钢板余料进行检测识别，优选地，所述不规则钢板余料的背景色与所述不规则钢板余料的颜色有明显差别；即，所述第三传送带的颜色与所述不规则钢板余料的颜色有明显差别，或不规则钢板余料的承载物的颜色与所述不规则钢板余料的颜色有明显差别。
本发明提供的余料的分析处理方法，基于工业互联网，利用图像识别以及钢板不规则面积的算法，实现了自动对钢板余料面积的计算以及统计工作，克服了传统材料利用率计算方法复杂、时效慢的缺点，节省了大量的劳动成本以及时间的支出。而且实现了对钢板余料可用面积的外部形态分析，为技术人员提供余料再利用的信息支持，可以在企业运作的整体过程中对材料利用率进行提升。
以下结合附图对本发明的余料的分析处理方法进行详细介绍；其中，图2为图像二值化示意图，图3为原始尺寸示意图，图4为图像腐蚀处理示意图，图5为图像连通域检测示意图，图6为不规则钢板余料可用面积分析示意图，图7a和图7b为不规则钢板余料可用面积形态分析示意图。为方便解释说明，本发明中所有的图像坐标系的建立方式如图2所示，即图像的左上点为坐标原点（0，0）， 行方向向右为x轴，列方向向下为y轴。
进一步地，在步骤S1-2中所述的对所述余料图像进行预处理，获得二值图像，具体包括如下步骤:
S1-2-1、对所述余料图像f(x,y) 进行模糊处理，得到图像fgua(x,y)。
具体的，本实施例中对所述余料图像f(x,y) 进行高斯模糊，得到背景色平滑的图像fgua(x,y) ；其中，模糊半径vrad由图像的分辨率大小决定，建议取值为0.5‰-1‰图像分辨率，但不以此为限;
S1-2-2、计算所述图像fgua(x,y) 的二值图像f '(x,y)。
具体的，本实施例中对所述图像fgua(x,y) 运行局部自适应阈值算法，得到图像fgua(x,y) 的二值图像f '(x,y) ，如图2所示。
进一步地，在步骤S1-3中所述的根据边缘检测算法对所述二值图像进行处理，获得所述不规则钢板余料的尺寸面积，具体包括如下步骤:
S1-3-1、对所述二值图像f '(x,y)，从点(0,i)向右扫描，从点(w,i) 点向左扫描，将向右、向左扫描获得的点分别记录入点集φi和φr；其中，0≤i≤h，h为图像的高度，w为图像的宽度；
具体的，本实施例中对所述二值图像f '(x,y)，从点(0,i)向右扫描，当扫描到值为0的点时（即扫描到板材），停止扫描当前行，将该点的坐标记录入点集φi，或当扫描点超过指定的阈值vs-hor（该阈值取决于板材在图像中的占比，不确定时取w/2）时，停止扫描当前行，丢弃当前扫描点。同理从点(w,i) 向左扫描，当扫描到值为0的点时（即扫描到板材），停止扫描当前行，将该点的坐标记录入点集φr，或当扫描点超过指定的阈值vs-hor（该阈值取决于板材在图像中的占比，不确定时取w/2），停止扫描当前行，丢弃当前扫描点。
S1-3-2、对所述二值图像，从点(j,0)向下扫描，从点(j,h)点向上扫描，将向下、向上扫描获得的点分别记录入点集φu和φd；其中，(0≤j≤w)；
具体的，本实施例中对所述二值图像f '(x,y) ，从点(j,0) ，当扫描到值为0的点时（即扫描到板材），停止扫描当前行，将该点的坐标记录入点集φu，或当扫描点超过指定的阈值vs-ver（该阈值取决于板材在图像中的占比，不确定时取h/2时，停止扫描当前行，丢弃当前扫描点。同理从点) (j,h) 向上扫描，当扫描到值为0的点时（即扫描到板材），停止扫描当前行，将该点的坐标记录入点集φd，或当扫描点超过指定的阈值vs-ver（该阈值取决于板材在图像中的占比，不确定时取h/2时，停止扫描当前行，丢弃当前扫描点。
S1-3-3、根据边缘的连续性，对点集φi、φr、φu和φd中缺少的点利用差值法进行 补充，得到新的点集
Figure 78291DEST_PATH_IMAGE001
、
Figure 992021DEST_PATH_IMAGE002
、
Figure 1565DEST_PATH_IMAGE003
和
Figure 441774DEST_PATH_IMAGE004
。
具体的，本实施例中对步骤S1-3-1、S1-3-2获得的点集φi、φr、φu和φd进行处理，根据阈值vf-hor过滤点集φi和φr中的离群点，过滤方法为根据vf-hor的取值范围，获取点集φi中的各个点的列坐标在此范围内点最多的子点集，即为边缘点集。φi中其他的点即为离群点，将离群点从φi中去除。使用相同的阈值vf-hor对点集φr进行同样处理，除去其中的离群点。其中：vf-hor=α(wmax-wmin)，wmin为φi中最小的列坐标，wmax为φr中最大的列坐标；α为系数，建议值为0.015-0.03;
根据阈值vf-ver过滤点集φu和φd中的离群点，过滤方法为根据vf-ver的取值范围， 获取点集φu中的各个点的行坐标在此范围内点最多的子点集，即为边缘点集。φu中其他的 点即为离群点，将离群点从φu中去除。使用相同的阈值vf-ver对点集φd进行同样处理，除去 其中的离群点。其中：vf-ver=α(hmax-hmin)，hmin为φu中最小的行坐标，hmax为φd中最大的行坐 标；根据边缘连续性，对点集φi和φr行坐标最大值和最小值中间缺少的点，使用已有点利 用插值法对行坐标缺少的点进行补充；补充后，获得新的点集
Figure 183465DEST_PATH_IMAGE001
和
Figure 646807DEST_PATH_IMAGE002
；对点集φu和φd列 坐标最大值和最小值中间缺少的点，使用已有点利用插值法对列坐标缺少的点进行补充； 补充后，获得新的点集
Figure 522359DEST_PATH_IMAGE003
和
Figure 754757DEST_PATH_IMAGE004
。
S1-3-4、对点集
Figure 428534DEST_PATH_IMAGE001
、
Figure 175911DEST_PATH_IMAGE002
、
Figure 464941DEST_PATH_IMAGE003
和
Figure 551845DEST_PATH_IMAGE004
围成的区域进行0填充，填充完毕统计整张图像 中0点的个数，得到钢板的总面积Atotal，将点集
Figure 291131DEST_PATH_IMAGE002
中最大的列坐标减去点集
Figure 135590DEST_PATH_IMAGE001
中最小的列 坐标得到钢板的高htotal，将点集
Figure 290628DEST_PATH_IMAGE004
中最大的行坐标减去
Figure 559936DEST_PATH_IMAGE003
中最小的行坐标得到钢板的 宽wtotal，如图3所示；
S1-3-5、对S1-3-4获得的高htotal和宽wtotal，在此范围内统计f '(x,y) 中值为0的点个数，即为余料面积Arem。
进一步地，在步骤S1-4中所述的对所述二值图像进行腐蚀操作，根据二值图像以及腐蚀后的图像特征，完成对图像中连通域的检测，具体包括如下步骤:
S1-4-1、根据钢板高htotal计算出腐蚀模板vcor大小，其中vcor=βhtotal，β的建议取值为0.01-0.03；对图像f '(x,y) 进行腐蚀操作得到腐蚀后的图像fcor(x,y) ，如图4所示；
S1-4-2、提取所述腐蚀后的图像fcor(x,y)中存在的连通域集φdom。
其中，在步骤S1-4-2中所述的提取所述腐蚀后的图像fcor(x,y) 中存在的连通域集φdom，具体包括：对所述腐蚀后的图像fcor(x,y)运行扫描线种子填充算法，得到图像中存在的连通域集φdom。
具体的，本实施例中对所述腐蚀后的图像fcor(x,y)运行扫描线种子填充算法，具体包括以下步骤:
S1-4-2-1、扫描图像，直到当前像素点fcor(x,y)=0,即种子点(xs,ys)；
S1-4-2-2、将算法设置的堆栈置为空，将给定的种子点(xs,ys)压入堆栈；
S1-4-2-3、如果堆栈为空，算法结束，否则取栈顶元素(x,y)作为种子点(xs,ys)；
S1-4-2-4、从种子点(xs,ys) 开始，沿行坐标为xs的当前扫描线向左右两个方向逐个像素用新的颜色值进行填充，直到边界为止，设区域两边界的横坐标分别为[xmin,xmax]；
S1-4-2-5、在于当前扫描线相邻的上下两条扫描线上，以区域[xmin,xmax] 为搜索范围，求出需要填充的各小区间，把各小区间中最右边的点作为种子点(xs,ys) 压入堆栈，转到步骤S1-4-2-3;
S1-4-2-6、重复步骤S1-4-2-1至S1-4-2-5，直到扫描完整个图像，得到连通域集φdom，如图5所示。
S1-4-3、定位连通域集φdom中的每个连通域在图像fcor(x,y)中的位置，对每个连 通域进行边缘扩充，以将扩充范围内值为0的点归入当前连通域，获得新的连通域
Figure 79910DEST_PATH_IMAGE007
，即 为余料可用面积集合。
具体的，本实施例中通过定位S1-4-2-6得到的φdom中的每个连通域在图像fcor(x, y)中的位置，然后每个连通域运行边缘扩充算法，扩充算法的检测半径为腐蚀模板vcor的 1.5-2倍；将半径内值为0的点归入当前连通域，获得新的连通域；运算完成获得新的连通域 集
Figure 739561DEST_PATH_IMAGE007
，即为余料可用面积集合，如图6所示。
进一步地，在步骤S1-5中所述的对获得的连通域的特征参数进行分析计算，并将钢板信息以及计算出的数据上传至云服务器，具体包括如下步骤：
S1-5-1、对步骤S1-4-3获得的连通域集
Figure 760607DEST_PATH_IMAGE007
中的每个连通域
Figure 727163DEST_PATH_IMAGE008
计算其面积以 及其凸包面积，并计算面积与凸包面积之比；
S1-5-2、对步骤S1-4-3获得的连通域集
Figure 745935DEST_PATH_IMAGE007
中的每个连通域
Figure 955200DEST_PATH_IMAGE008
运行边缘算 法，获取其周长；运行凸包算法，获得其凸包长度，并计算周长与凸包长度之比，得到不规则 钢板余料的可用面积形态，如图7a和7b所示；
S1-5-3、将获得的数据上传至云服务器，完成钢板利用率的统一管理和分析。
与现有技术相比，本发明的余料的分析处理方法、装置具有如下技术效果：
（1）本发明基于工业互联网，利用图像识别以及钢板不规则面积的算法，实现了自动对钢板余料面积的计算以及统计工作，克服了传统物料利用率计算方法复杂、时效慢的缺点，节省了大量的劳动成本以及时间的支出；
（2）本发明实现了对钢板余料可用面积的外部形态分析，为技术人员提供余料再利用的信息支持，可以在企业运作的整体过程中对物料利用率进行提升；
（3）本发明实现了对余料数据的统一管理，方便了企业对实际生产中钢板利用率的纵向和横向分析，对其在研发设计、生产制造、质量控制等方面管控钢板余料具有重要的实际意义。
本发明的另一实施例，提供了一种余料的分析处理装置，余料的分析处理装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；
所述计算机程序被所述处理器执行时实现如上所述的余料的分析处理方法的步骤。
本实施例在具体实现过程中，可以参见前述方法实施例，具有相应的技术效果。
本发明的另一实施例，提供了一种物料输送系统，所述物料输送系统包括如上所述的余料的分析处理装置。
本实施例在具体实现过程中，可以参见方法前述实施例，具有相应的技术效果。
本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种余料的分析处理方法，其特征在于，所述方法包括：
S1-1、通过视频识别设备对分拣线上的不规则钢板余料进行检测识别，通过工业互联网实时获取检测到的余料图像以及所述不规则钢板余料的钢板信息；
S1-2、对所述余料图像进行预处理，获得二值图像；
S1-3、根据边缘检测算法对所述二值图像进行处理，获得所述不规则钢板余料的尺寸面积；
S1-4、对所述二值图像进行腐蚀操作，根据腐蚀后的图像特征对二值图像中的连通域进行检测；
S1-5、对获得的连通域的特征参数进行分析计算，并将钢板信息以及计算出的数据上传至云服务器；
在步骤S1-3中所述的根据边缘检测算法对所述二值图像进行处理，获得所述不规则钢板余料的尺寸面积，具体包括如下步骤：
S1-3-1、对所述二值图像f'(x,y)，从点(0,i) 向右扫描，从点(w,j) 点向左扫描，将向右、向左扫描获得的点分别记录入点集φi和φr；其中，0≤i≤h，h为图像的高度，w为图像的宽度；
S1-3-2、对所述二值图像，从点(j,0) 向下扫描，从点(j,h) 点向上扫描，将向下、向上扫描获得的点分别记录入点集φu和φd；其中，(0≤j≤w) ；
S1-3-3、根据边缘的连续性，对点集φi、φr、φu和φd中缺少的点利用差值法进行补充， 得到新的点集
Figure 535468DEST_PATH_IMAGE001
、
Figure 997673DEST_PATH_IMAGE002
、
Figure 220844DEST_PATH_IMAGE003
和
Figure 223435DEST_PATH_IMAGE004
；
S1-3-4、对点集
Figure 215662DEST_PATH_IMAGE005
、
Figure 114348DEST_PATH_IMAGE006
、
Figure 60700DEST_PATH_IMAGE007
、和
Figure 804666DEST_PATH_IMAGE008
围成的区域进行0填充，填充完毕统计整张 图像中0点的个数，得到钢板的总面积Atotal，根据点集的最大、最小行列坐标获得钢板的高 htotal和宽wtotal；
S1-3-5、对S1-3-4获得的高htotal和宽wtotal，在此范围内统计f'(x,y) 中值为0的点个数，即为余料面积Arem。
2.根据权利要求1所述的余料的分析处理方法，其特征在于，在步骤S1-2中所述的对所述余料图像进行预处理，获得二值图像，具体包括如下步骤:
S1-2-1、对所述余料图像f(x,y) 进行模糊处理，得到图像fgua(x,y)；
S1-2-2、计算所述图像fgua(x,y) 的二值图像f'(x,y) 。
3.根据权利要求1所述的余料的分析处理方法，其特征在于，在步骤S1-4中所述的对所述二值图像进行腐蚀操作，根据腐蚀后的图像特征对二值图像中的连通域进行检测，具体包括如下步骤：
S1-4-1、对二值图像进行腐蚀操作得到腐蚀后的图像fcor(x,y) ；
S1-4-2、提取所述腐蚀后的图像fcor(x,y) 中存在的连通域集φdom；
S1-4-3、定位连通域集φdom中的每个连通域在图像fcor(x,y) 中的位置，对每个连通域 进行边缘扩充，以将扩充范围内值为0的点归入当前连通域，获得新的连通域
Figure 916978DEST_PATH_IMAGE009
，即为余 料可用面积集合。
4.根据权利要求3所述的余料的分析处理方法，其特征在于，在步骤S1-4-2中所述的提取所述腐蚀后的图像fcor(x,y)中存在的连通域集φdom，具体包括：
对所述腐蚀后的图像fcor(x,y) 运行扫描线种子填充算法，得到图像中存在的连通域集φdom。
5.根据权利要求3所述的余料的分析处理方法，其特征在于，在步骤S1-5中所述的对获得的连通域的特征参数进行分析计算，并将钢板信息以及计算出的数据上传至云服务器，具体包括如下步骤：
S1-5-1、对步骤S1-4-3获得的连通域集
Figure 517724DEST_PATH_IMAGE010
中的每个连通域
Figure 715487DEST_PATH_IMAGE011
计算其面积以及 其凸包面积，并计算面积与凸包面积之比；
S1-5-2、对步骤S1-4-3获得的连通域集
Figure 997564DEST_PATH_IMAGE012
中的每个连通域
Figure 964383DEST_PATH_IMAGE013
运行边缘算法，获 取其周长；运行凸包算法，获得其凸包长度，并计算周长与凸包长度之比；
S1-5-3、将获得的数据上传至云服务器。
6.根据权利要求1-5任一项所述的余料的分析处理方法，其特征在于，所述钢板信息包括：钢板型号、钢板编号以及钢板切割工艺编号。
7.一种余料的分析处理装置，其特征在于，所述余料的分析处理装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；
所述计算机程序被所述处理器执行时实现如权利要求1-6中任一项所述的余料的分析处理方法的步骤。
8.一种物料输送系统，其特征在于，所述物料输送系统包括如权利要求7所述的余料的分析处理装置。
CN202110900437.0A 2021-08-06 2021-08-06 余料的分析处理方法、装置及物料输送系统 Active CN113344959B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110900437.0A CN113344959B (zh) 2021-08-06 2021-08-06 余料的分析处理方法、装置及物料输送系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110900437.0A CN113344959B (zh) 2021-08-06 2021-08-06 余料的分析处理方法、装置及物料输送系统

Publications (2)

Publication Number Publication Date
CN113344959A CN113344959A (zh) 2021-09-03
CN113344959B true CN113344959B (zh) 2021-11-09

Family

ID=77481028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110900437.0A Active CN113344959B (zh) 2021-08-06 2021-08-06 余料的分析处理方法、装置及物料输送系统

Country Status (1)

Country Link
CN (1) CN113344959B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103278864A (zh) * 2013-05-10 2013-09-04 中国石油天然气股份有限公司 洞缝型储层的地质特征参数及分布的测定方法及装置
CN104318546A (zh) * 2014-09-29 2015-01-28 中国农业大学 一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统
CN105427320A (zh) * 2015-11-30 2016-03-23 威海北洋电气集团股份有限公司 一种图像分割提取方法
CN108414064A (zh) * 2018-06-01 2018-08-17 成都睿畜电子科技有限公司 遥感式料塔称重设备及称重方法
CN110442924A (zh) * 2019-07-15 2019-11-12 天津大学 一种基于图像的金属板材余料控制方法
CN111539582A (zh) * 2020-05-11 2020-08-14 湖北汽车工业学院 一种基于图像处理的钢板切割规划装置和方法
CN111914857A (zh) * 2020-08-11 2020-11-10 上海柏楚电子科技股份有限公司 板材余料的排样方法、装置、系统、电子设备及存储介质
CN112703457A (zh) * 2018-05-07 2021-04-23 强力物联网投资组合2016有限公司 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150193909A1 (en) * 2014-01-09 2015-07-09 Trax Technology Solutions Pte Ltd. Method and device for panoramic image processing
CN104880389B (zh) * 2015-04-01 2018-04-24 江苏大学 一种钢材晶粒混晶度的自动测量、精细分类方法及其系统
CN108765436A (zh) * 2018-04-21 2018-11-06 卞家福 基于改进Roberts算子的不规则饮料瓶码放图像边缘检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103278864A (zh) * 2013-05-10 2013-09-04 中国石油天然气股份有限公司 洞缝型储层的地质特征参数及分布的测定方法及装置
CN104318546A (zh) * 2014-09-29 2015-01-28 中国农业大学 一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统
CN105427320A (zh) * 2015-11-30 2016-03-23 威海北洋电气集团股份有限公司 一种图像分割提取方法
CN112703457A (zh) * 2018-05-07 2021-04-23 强力物联网投资组合2016有限公司 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统
CN108414064A (zh) * 2018-06-01 2018-08-17 成都睿畜电子科技有限公司 遥感式料塔称重设备及称重方法
CN110442924A (zh) * 2019-07-15 2019-11-12 天津大学 一种基于图像的金属板材余料控制方法
CN111539582A (zh) * 2020-05-11 2020-08-14 湖北汽车工业学院 一种基于图像处理的钢板切割规划装置和方法
CN111914857A (zh) * 2020-08-11 2020-11-10 上海柏楚电子科技股份有限公司 板材余料的排样方法、装置、系统、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Filling the holes of 3D body scan line point cloud;Xiaozhi Li等;《2010 2nd International Conference on Advanced Computer Control》;20100617;第334-338页 *
视频图像中车辆的车型识别算法研究与实现;王超 等;《 第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集》;20131231;第14-17页 *

Also Published As

Publication number Publication date
CN113344959A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN108562589B (zh) 一种对磁路材料表面缺陷进行检测的方法
CN109816652B (zh) 一种基于灰度显著性的复杂铸件缺陷识别方法
CN111179225B (zh) 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法
CN112614062B (zh) 菌落计数方法、装置及计算机存储介质
CN107045634B (zh) 一种基于最大稳定极值区域与笔画宽度的文本定位方法
CN111582294B (zh) 一种构建用于表面缺陷检测的卷积神经网络模型的方法及其利用
CN101106716A (zh) 一种分水岭图象分割处理方法
CN114581388A (zh) 接触网零部件缺陷检测方法及装置
CN108830857B (zh) 一种自适应的汉字碑帖图像二值化分割方法
CN113298769B (zh) Fpc软排线外观缺陷检测方法、系统和介质
CN114529459A (zh) 一种对图像边缘进行增强处理的方法和系统及介质
CN110738030A (zh) 表格重建方法、装置、电子设备及存储介质
CN112906695A (zh) 适配多类ocr识别接口的表格识别方法及相关设备
CN107886493B (zh) 一种输电线路的导线分股缺陷检测方法
CN113344959B (zh) 余料的分析处理方法、装置及物料输送系统
CN114529936A (zh) 纸质电力工程图纸扫描转化电子版cad图纸的方法
CN110570398A (zh) 一种基于深度学习技术的线缆接头焊点合格性检测方法
CN112036294B (zh) 一种纸质表格结构自动识别的方法及装置
CN116433978A (zh) 一种高质量瑕疵图像自动生成与自动标注方法及装置
US20230169637A1 (en) Method for grain size analysis
CN116363097A (zh) 一种光伏板的缺陷检测方法及系统
CN113378847B (zh) 字符分割方法、系统、计算机设备和存储介质
CN114998236A (zh) 基于目标检测的缺陷提取算法
CN114723748B (zh) 电机控制器的检测方法、装置、设备及存储介质
Li et al. Steel plate corrugation defect intelligent detection method based on picture cropping and region growing algorithm

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
GR01 Patent grant
GR01 Patent grant