CN113516637A - 一种基于图像自动识别废钢种类的方法及装置 - Google Patents
一种基于图像自动识别废钢种类的方法及装置 Download PDFInfo
- Publication number
- CN113516637A CN113516637A CN202110699565.3A CN202110699565A CN113516637A CN 113516637 A CN113516637 A CN 113516637A CN 202110699565 A CN202110699565 A CN 202110699565A CN 113516637 A CN113516637 A CN 113516637A
- Authority
- CN
- China
- Prior art keywords
- scrap
- control unit
- central control
- steel
- scrap steel
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based 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
- G06T2207/10004—Still image; Photographic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像自动识别废钢种类的方法及装置,包括,步骤1,图像处理单元将获取的待识别废钢图像传输至中控单元,中控单元根据废钢图像生成基础数据信息,并检测中控单元数据库判定废钢型号;步骤2,中控单元获取废钢图像各顶点点坐标信息;步骤3,中控单元建立待识别废钢图像信息数据集;步骤4,中控单元依次判定相邻点是否位于同一平面,并将位于同一平面的顶点所构成的平面进行编号;步骤5,中控单元依次对各平面的废钢纹理进行分析,根据纹理的灰度均匀性判定废钢成分种类;步骤6,中控单元根据储存废钢种类数据信息判定废钢种类或生成新的数据集用于后续废钢种类的识别。本发明装置包括传送单元、图像处理单元和中控单元。
Description
技术领域
本发明涉及识别废钢种类领域,尤其涉及一种基于图像自动识别废钢种类的方法及装置。
背景技术
钢铁厂生产过程中产生的钢铁废料、使用后报废的设备、构件中的钢铁材料统称为废钢,目前世界每年产生的废钢总量达3至4亿吨,约占钢总产量的45~50%,其中85~90%用作炼钢原料,10~15%用于铸造、炼铁和再生钢材。因此,废钢的回收利用课题愈加重要,如何识别废钢的种类是废钢回收利用的基础,目前,针对废钢种类的识别主要采用传统的人工肉眼或经验判断,或是采用与录入图像相比对判断种类,传统的人工识别误差较大,与录入数据对照数据量大,计算复杂,同时无法确定废钢的成分,无法为后续的回收体用提供便利。
发明内容
为此,本发明提供一种基于图像自动识别废钢种类的方法及装置,可以解决无法自动识别废钢型号和废钢成分类别的技术问题。
为实现上述目的,本发明提供一种基于图像自动识别废钢种类的方法,包括:
步骤S1,传送装置将待识别废钢传送至图像处理装置处,图像处理单元将获取的待识别废钢图像传输至中控单元,所述中控单元根据废钢图像生成基础数据信息,并检测中控单元数据库判定废钢型号;
步骤S2,所述中控单元以获取的废钢图像中心位置为坐标原点,所述传送装置走向为X轴,以图像处理单元的设置方向为Y轴,以垂直于X轴和Y轴的方向确定Z轴建立空间坐标系,并获取废钢图像各顶点点坐标信息;
步骤S3,所述中控单元按照从左自右的顺序为各顶点编号,建立待识别废钢图像信息数据集;
步骤S4,所述中控单元依次对各顶点进行判定,判定相邻点是否位于同一平面,并将位于同一平面的顶点所构成的平面进行编号;
步骤S5,所述中控单元依次对各平面的废钢纹理进行分析,根据纹理的灰度均匀性判定废钢成分种类;
步骤S6,所述中控单元根据储存废钢种类数据信息判定待识别废钢种类并将该废钢放置指定位置或生成新的数据集用于后续废钢种类的识别;
所述中控单元根据废钢图像获取废钢生成基础数据信息判断废钢型号,根据废钢平面灰度均匀性判断废钢成分类别,以使废钢种类的识别更准确;
所述中控单元通过图像处理单元获取废钢图像占图像总面积比例、获取废钢宽度和通过固定具体所需要的时间,与预设值相比较获取废钢型号,通过图像处理单元生成的数据获取废钢平面灰度均匀性,与预设值相比较,获取废钢成分类别,以使对废钢种类的识别更准确。
进一步地,所述中控单元储存数据库信息包括废钢种类FG(Fi,Gj),其中,Fi为废钢型号,Gj为废钢成分分类;废钢型号Fi,其中,第一预设废钢型号F1、第二预设废钢型号F2、第三预设废钢型号F3;
在所述中控单元中设有第一预设废钢占图像总面积比例S1、第二预设废钢占图像总面积比例S2、第三预设废钢占图像总面积比例S3,设定S1<S2<S3,所述中控单元根据图像处理单元获取的废钢占图像总面积比例S与预设值S1、S2、S3依次比较,
当S≤S1,所述中控单元判定该废钢型号为第一预设废钢型号F1为废钢型号;
当S1<S≤S2,所述中控单元无法判定该废钢型号,所述中控单元将该废钢宽度值与预设废钢宽度Dn相比较,对废钢型号进行二次判定;
当S2<S≤S3,所述中控单元无法判定该废钢型号,所述中控单元将该废钢宽度值与预设废钢通过单位距离所需要的时间Wm相比较,对废钢型号进行二次判定;
当S>S3,所述中控单元判定该废钢为为第三预设废钢型号F3为废钢型号。
进一步地,所述中控单元设有第一预设废钢宽度D1、第二预设废钢宽度D2,设定D1<D2;当使用预设宽度值对废钢进行二次判定时,所述图像处理单元获取废钢宽度D,
当D≤D1,所述中控单元判定该废钢为第一预设废钢型号F1为废钢型号;
当D1<D≤D2,所述中控单元判定该废钢为第二预设废钢型号F2为废钢型号;
当D>D2,所述中控单元判定该废钢为第三预设废钢型号F3为废钢型号。
进一步地,所述中控单元还设有第一预设时间W1、第二预设时间W2,设定W1<W2,当使用预设废钢通过单位距离所需要的时间对废钢型号进行二次判定时,所述图像处理单元获取通过单位距离的时间W,
当W≤W1,所述中控单元判定该废钢为第一预设废钢型号F1为废钢型号;
当W1<W≤W2,所述中控单元判定该废钢第二预设废钢型号F2为废钢型号;
当W>W2,所述中控单元判定该废钢为第三预设废钢型号F3为废钢型号。
进一步地,所述步骤2所述中控单元获取废钢图像顶点Pk坐标,Pk(Xk,Yk,Zk),其中,k=1,2,3,至n-2,n为顶点编号,所述中控单元获取PkPk+1向量为(Xk+1-Xk,Yk+1-Yk,Zk+1-Zk),Pk+1Pk+2的向量为(Xk+2-Xk+1,Yk+2-Yk+1,Zk+1-Zk+1),Pk+2Pk向量(Xk-Xk+2,Yk-Yk+2,Zk-Zk+2),所述中控单元预设向量比值误差调节参数L,
设定PkPk+1向量参数比值DDK1=Xk+1-Xk:Yk+1-Yk:Zk+1-Zk,Pk+1Pk+2向量参数比值DDK2=Xk+2-Xk+1:Yk+2-Yk+1:Zk+1-Zk+1,Pk+2Pk向量参数比值DDK3=Xk-Xk+2:Yk-Yk+2:Zk-Zk+2,
当DDK1:DDK2:DDK3≤L,所述中控单元判定Pk、Pk+1、Pk+2为同一平面;
当DDK1:DDK2:DDK3>L,所述中控单元判定Pk、Pk+1、Pk+2不构成同一平面,所述中控单元引入下一个顶点Pk+3,分别判断Pk、Pk+1与Pk+3,Pk、Pk+3与Pk+2,和Pk+3、Pk+1与Pk+2的共面情况。
进一步地,所述中控单元判定Pk、Pk+1、Pk+2为同一平面,该平面设为PMt,其中,t为平面的编号,并获取该平面方程式Ax+By+Cz+E=0,将Pk+3坐标带入方程式,若符合方程式,则Pk+3在平面PMt上;若不符合方程式,则Pk+3不在平面PMt上,所述中控单元对下一组相邻的三个顶点是否共面进行判定,即,Pk+1、Pk+2、Pk+3共面情况进行判定,直至中控单元判定全部顶点的共面。
进一步地,所述中控单元预设废钢顶点向量误差调节参数L,所述中控单元预设向量的模标准参数P0,所述中控单元获取平面PMt三个点向量的模,设定第一个向量的模M1,第二个向量的模M2,第三个向量的模M3,
当M1×M2×M3≥P03,所述中控单元将向量误差调节参数L增加至L1,设定L1=L×(1+(M1×M2×M3-P03)/P03);
当P02≤M1×M2×M3<P03,所述中控单元将向量误差调节参数L增加至L2,设定L2=L×(1+(M1×M2×M3-P02)/P03);
当P0≤M1×M2×M3<P02,所述中控单元将向量误差调节参数L增加至L3,设定L3=L×(1+(M1×M2×M3-P0)/P02);
当M1×M2×M3<P0,所述中控单元不对向量误差调节参数L进行调节。
进一步地,所述中控单元获取待识别废钢第t个平面的灰度值HDt1,HDt2至HDtn,其中,n为灰度值的数量,t为平面编号,待识别废钢第t个平面的灰度值平均值为HDPt,设定HDPt=(HDt1+HDt2+···+HDtn)/n,所述中控单元获取灰度均匀性Y,设定Y=1/t×((HD1max-HD1min)/HDP1+(HD2max-HD2min)/HDP2+(HD3max-HD3min)/HDP3+···+(HDtmax-HDtmin)/HDPt),其中,HDtmax为第t个平面灰度值最大值,HDtmin为第t个平面灰度值最小值。
进一步地,所述中控单元预设废钢成分类别Gj,第一预设成分类别G1、第二预设成分类别G2、第三预设成分类别G3;所述中控单元设置第一预设废钢纹理灰度均匀性Y1、第二预设废钢纹理灰度均匀性Y2;
在所述中控单元判定废钢型号后,对废钢的类型进行判定,所述中控单元获取废钢平面纹理灰度均匀性Y,
当Y≤Y1,所述中控单元判定该废钢成分分类为第一预设成分分类G1为废钢成分分类;
当Y1<Y≤Y2,所述中控单元判定该废钢为第二预设成分分类G2为废钢成分分类;
当Y>Y2,所述中控单元判定该废钢为第三预设成分分类G3为废钢成分分类。
进一步地,一种基于图像自动识别废钢种类的装置,包括,
传送单元,用于传送待识别废钢;
图像处理单元,包括第一图像拍摄设备,固定安装于所述传送装置一侧,用于获取待识别废钢图像;还包括第二图像拍摄设备,固定安装于所述传送装置上方,用于获取待识别废钢宽度;还包括第三图像拍摄设备,安装于所述传送装置上,与所述第一图像拍摄设备间隔一定距离,用于获取待识别废钢通过单位距离的时间;
中控单元,与所述传送装置和所述图像处理单元通过无线连接,用于控制所述传送装置和图像处理单元工作。
与现有技术相比,本发明的有益效果在于,本发明设置中控单元,中控单元通过图像处理单元获取废钢图像占图像总面积比例、获取废钢宽度和通过固定具体所需要的时间,与预设值相比较获取废钢型号,通过图像处理单元生成的数据获取废钢平面灰度均匀性,与预设值相比较,获取废钢成分类别,以使对废钢种类的识别更准确。
尤其,本发明对废钢种类的识别分为两级类别,一级是废钢的型号进行判断,另一级是对废钢的成分进行判定,同时废钢型号和成分都划分三个不同的标准,使得对废钢种类的识别更准确。
尤其,本发明设置两个废钢宽度标准值和两个通过单位距离废钢在传送装置上运动时间标准值,对获取待识别废钢仅通过废钢在图像上的面积比例无法区分废钢类型的废钢进行进一步的区分,更准确的获取废钢型号。
尤其,本发明通过废钢图像获取废钢各顶点坐标,设置待识别废钢各顶点是否在同一平面的判定方法,根据相邻顶点向量的比值与预设的比值误差调节参数相比较,判定相邻的点是否位于同一平面,若相邻的三个点是同一平面则对相邻的第四个点进行共面的判定,若相邻三个点不是同一平面,则引入相邻的第四个点,判断四个点的共面情况,以获取待识别废钢的切面,判断各顶点是否共面用于判定待识别废钢各个切面的灰度值,进而对废钢的成分类别进行识别。
尤其,本发明设置向量误差调节参数,并根据同一平面的三个向量的模的乘积与预设向量的模的标准值相比较,对向量误差调节参数,以获取更准确的向量误差调节参数,使得对待识别废钢各顶点的共面情况判断更准确。
附图说明
图1为发明实施例一种基于图像自动识别废钢种类的方法示意图;
图2为发明实施例一种基于图像自动识别废钢种类的装置结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,一种基于图像自动识别废钢种类的方法及装置,包括,
步骤S1,传送装置将待识别废钢传送至图像处理装置处,图像处理单元将获取的待识别废钢图像传输至中控单元,所述中控单元根据废钢图像生成基础数据信息,并检测中控单元数据库判定废钢型号;
步骤S2,所述中控单元以获取的废钢图像中心位置为坐标原点,所述传送装置走向为X轴,以图像处理单元的设置方向为Y轴,以垂直于X轴和Y轴的方向确定Z轴建立空间坐标系,并获取废钢图像各顶点点坐标信息;
步骤S3,所述中控单元按照从左自右的顺序为各顶点编号,建立待识别废钢图像信息数据集;
步骤S4,所述中控单元依次对各顶点进行判定,判定相邻点是否位于同一平面,并将位于同一平面的顶点所构成的平面进行编号;
步骤S5,所述中控单元依次对各平面的废钢纹理进行分析,根据纹理的灰度均匀性判定废钢成分种类;
步骤S6,所述中控单元根据储存废钢种类数据信息判定待识别废钢种类并将该废钢放置指定位置或生成新的数据集用于后续废钢种类的识别;
所述中控单元根据废钢图像获取废钢生成基础数据信息判断废钢型号,根据废钢平面灰度均匀性判断废钢成分类别,以使废钢种类的识别更准确;
所述中控单元通过图像处理单元获取废钢图像占图像总面积比例、获取废钢宽度和通过固定具体所需要的时间,与预设值相比较获取废钢型号,通过图像处理单元生成的数据获取废钢平面灰度均匀性,与预设值相比较,获取废钢成分类别,以使对废钢种类的识别更准确。
具体而言,本发明步骤1基础数据包括废钢图像占总图像面积的比例,废钢宽度和ta时间段内废钢的移动位移,其中,本发明实施例设定固定位置的第一图像拍摄设备,因此根据废钢图像占总图像面积的比例可以获取单个废钢的相对尺寸;同时,当传送装置速度恒定时,传动的钢材质量越大,其在一定时间内的位移则越小,因此本发明设置了第一图像处理单元和第三图像处理单元,获取待识别废钢通过第一图像设备和第二图像设的间隔时间,以此获取待识别废钢的质量的范围。
所述中控单元储存数据库信息包括废钢种类FG(Fi,Gj),其中,Fi为废钢型号,Gj为废钢成分分类;废钢型号Fi,其中,第一预设废钢型号F1、第二预设废钢型号F2、第三预设废钢型号F3;
在所述中控单元中设有第一预设废钢占图像总面积比例S1、第二预设废钢占图像总面积比例S2、第三预设废钢占图像总面积比例S3,设定S1<S2<S3,所述中控单元根据图像处理单元获取的废钢占图像总面积比例S与预设值S1、S2、S3依次比较,
当S≤S1,所述中控单元判定该废钢型号为第一预设废钢型号F1为废钢型号;
当S1<S≤S2,所述中控单元无法判定该废钢型号,所述中控单元将该废钢宽度值与预设废钢宽度Dn相比较,对废钢型号进行二次判定;
当S2<S≤S3,所述中控单元无法判定该废钢型号,所述中控单元将该废钢宽度值与预设废钢通过单位距离所需要的时间Wm相比较,对废钢型号进行二次判定;
当S>S3,所述中控单元判定该废钢为为第三预设废钢型号F3为废钢型号。
尤其,本发明对废钢种类的识别分为两级类别,一级是废钢的型号进行判断,另一级是对废钢的成分进行判定,同时废钢型号和成分都划分三个不同的标准,使得对废钢种类的识别更准确。
具体而言,本发明实施例根据废钢的型号和成分对废钢的种类进行识别,其中,废钢的型号可以是重型废钢,中型废钢和小型废钢,其中,重型废钢、中型废钢,小型废钢的尺寸划分有所重叠,因此本发明设置根据废钢的宽度和质量对重叠尺寸部分进行细分,以便更准确的对废钢型号进行识别。
所述中控单元设有第一预设废钢宽度D1、第二预设废钢宽度D2,设定D1<D2;当使用预设宽度值对废钢进行二次判定时,所述图像处理单元获取废钢宽度D,
当D≤D1,所述中控单元判定该废钢为第一预设废钢型号F1为废钢型号;
当D1<D≤D2,所述中控单元判定该废钢为第二预设废钢型号F2为废钢型号;
当D>D2,所述中控单元判定该废钢为第三预设废钢型号F3为废钢型号。
所述中控单元还设有第一预设时间W1、第二预设时间W2,设定W1<W2,当使用预设废钢通过单位距离所需要的时间对废钢型号进行二次判定时,所述图像处理单元获取通过单位距离的时间W,
当W≤W1,所述中控单元判定该废钢为第一预设废钢型号F1为废钢型号;
当W1<W≤W2,所述中控单元判定该废钢第二预设废钢型号F2为废钢型号;
当W>W2,所述中控单元判定该废钢为第三预设废钢型号F3为废钢型号;
尤其,本发明设置两个废钢宽度标准值和两个通过单位距离废钢在传送装置上运动时间标准值,对获取待识别废钢仅通过废钢在图像上的面积比例无法区分废钢类型的废钢进行进一步的区分,更准确的获取废钢型号。
所述步骤2获取废钢图像顶点Pk坐标,Pk(Xk,Yk,Zk),其中,k=1,2,3,至n-2,n为顶点编号,所述中控单元获取PkPk+1向量为(Xk+1-Xk,Yk+1-Yk,Zk+1-Zk),Pk+1Pk+2的向量为(Xk+2-Xk+1,Yk+2-Yk+1,Zk+1-Zk+1),Pk+2Pk向量(Xk-Xk+2,Yk-Yk+2,Zk-Zk+2),所述中控单元预设向量比值误差调节参数L,
设定PkPk+1向量参数比值DDK1=Xk+1-Xk:Yk+1-Yk:Zk+1-Zk,Pk+1Pk+2向量参数比值DDK2=Xk+2-Xk+1:Yk+2-Yk+1:Zk+1-Zk+1,Pk+2Pk向量参数比值DDK3=Xk-Xk+2:Yk-Yk+2:Zk-Zk+2,
当DDK1:DDK2:DDK3≤L,所述中控单元判定Pk、Pk+1、Pk+2为同一平面;
当DDK1:DDK2:DDK3>L,所述中控单元判定Pk、Pk+1、Pk+2不构成同一平面,所述中控单元引入下一个顶点Pk+3,分别判断Pk、Pk+1与Pk+3,Pk、Pk+3与Pk+2,和Pk+3、Pk+1与Pk+2的共面情况。
所述中控单元判定Pk、Pk+1、Pk+2为同一平面,该平面设为PMt,其中,t为平面的编号,并获取该平面方程式Ax+By+Cz+E=0,将Pk+3坐标带入方程式,若符合方程式,则Pk+3在平面PMt上;若不符合方程式,则Pk+3不在平面PMt上,所述中控单元对判定Pk+1、Pk+2、Pk+3共面情况进行判定,直至中控单元判定全部顶点的共面。
尤其,本发明通过废钢图像获取废钢各顶点坐标,设置待识别废钢各顶点是否在同一平面的判定方法,根据相邻顶点向量的比值与预设的比值误差调节参数相比较,判定相邻的点是否位于同一平面,若相邻的三个点是同一平面则对相邻的第四个点进行共面的判定,若相邻三个点不是同一平面,则引入相邻的第四个点,判断四个点的共面情况,以获取待识别废钢的切面,判断各顶点是否共面用于判定待识别废钢各个切面的灰度值,进而对废钢的成分类别进行识别。
所述中控单元预设废钢顶点向量误差调节参数L,所述中控单元预设向量的模标准参数P0,所述中控单元获取平面PMt三个点向量的模,设定第一个向量的模M1,第二个向量的模M2,第三个向量的模M3,
当M1×M2×M3≥P03,所述中控单元将向量误差调节参数L增加至L1,设定L1=L×(1+(M1×M2×M3-P03)/P03);
当P02≤M1×M2×M3<P03,所述中控单元将向量误差调节参数L增加至L2,设定L2=L×(1+(M1×M2×M3-P02)/P03);
当P0≤M1×M2×M3<P02,所述中控单元将向量误差调节参数L增加至L3,设定L3=L×(1+(M1×M2×M3-P0)/P02);
当M1×M2×M3<P0,所述中控单元不对向量误差调节参数L进行调节。
尤其,本发明设置向量误差调节参数,并根据同一平面的三个向量的模的乘积与预设向量的模的标准值相比较,对向量误差调节参数,以获取更准确的向量误差调节参数,使得对待识别废钢各顶点的共面情况判断更准确。
具体而言,若Pk、Pk+1、Pk+2三个顶点共面,PkPk+1向量的模|PkPk+1|,|PkPk+1|为Xk+1-Xk的平方与Yk+1-Yk的平方与Zk+1-Zk的平方的和的开方值,依次类推获取共面的三个向量的模。
所述中控单元获取废钢图像平面PMt的灰度值HDt1,HDt2至HDtn,其中,n为灰度值的数量,t为平面数量,平面PMt灰度值的平均值为HDPt,设定HDPt=(HDt1+HDt2+···+HDtn)/n,所述中控单元获取灰度均匀性Y,设定Y=1/t×((HD1max-HD1min)/HDP1+(HD2max-HD2min)/HDP2+(HD3max-HD3min)/HDP3+···+(HDtmax-HDtmin)/HDPt);
尤其,本发明根据待识别废钢图像获取每个平面的灰度值,并根据每个平面灰度值最大值。灰度值最小值及灰度值平均值获取该平面灰度值均匀性,在计算待识别废钢全部平面灰度值均匀性的平均值为待识别废钢灰度值均匀性,并与预设的废钢纹理灰度均匀性三个标准值相比较,获取待识别废钢的成分类别。
所述中控单元预设废钢成分类别Gj,第一预设成分类别G1、第二预设成分类别G2、第三预设成分类别G3;所述中控单元设置第一预设废钢纹理灰度均匀性Y1、第二预设废钢纹理灰度均匀性Y2;
在所述中控单元判定废钢型号后,对废钢的类型进行判定,所述中控单元获取废钢平面纹理灰度均匀性Y,
当Y≤Y1,所述中控单元判定该废钢成分分类为第一预设成分分类G1为废钢成分分类;
当Y1<Y≤Y2,所述中控单元判定该废钢为第二预设成分分类G2为废钢成分分类;
当Y>Y2,所述中控单元判定该废钢为第三预设成分分类G3为废钢成分分类。
具体而言,本发明实施例中成分类别可以是按照国家标准划分的合金废钢、低合金废钢和非合金废钢,也可以按照回收或是后续处理的成分要求,对待识别废钢的成分分类标准划分。
所述一种基于图像自动识别废钢种类的装置,包括,
传送单元,用于传送待识别废钢;
图像处理单元,包括第一图像拍摄设备,固定安装于所述传送装置一侧,用于获取待识别废钢图像;还包括第二图像拍摄设备,固定安装于所述传送装置上方,用于获取待识别废钢宽度;还包括第三图像拍摄设备,安装于所述传送装置上,与所述第一图像拍摄设备间隔一定距离,用于获取待识别废钢通过单位距离的时间;
中控单元,与所述传送装置和所述图像处理单元通过无线连接,用于控制所述传送装置和图像处理单元工作。
具体而言,本发明实施例传送装置包括第一传送轮1和第二传送轮2,所述第一传送轮和第二传送轮通过传送带3相连接,本领域技术人员可以理解的是,本发明实施例不对第一传送轮、第二传送轮和传送带的型号、类型、设置方式和设置位置进行限定,只要能够满足传送待识别废钢即可。
具体而言,本发明图像处理单元,包括第一图像拍摄设备5,其固定安装于传送装置一侧,根据废钢在图像中的面积比例,判断待识别废钢的尺寸;还包括第二图像拍摄设备4,固定安装于所述传送装置上方,用以获取待识别废钢的宽度,对待识别废钢的尺寸进一步确定;还包括第三图像拍摄设备6,设置于传送装置一侧,与第一图像拍摄设备间隔一段距离,用于获取待识别废钢通过单位距离的时间,所述第三图像拍摄设备可以设置于第一图像拍摄设备同侧或对侧,也可以设置于所述第一图像拍摄设备左方或右方;本领域技术人员可以理解的是,本发明实施例对第一图像拍摄设备、第二图像拍摄设备、第三图像拍摄设备的型号、类型、设置方式、设置位置不作限定,只要能够满足获取带识别废钢的图像,在传送装置上通过单位距离的运动时间即可。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于图像自动识别废钢种类的方法,其特征在于,包括:
步骤S1,传送装置将待识别废钢传送至图像处理装置处,图像处理单元将获取的待识别废钢图像传输至中控单元,所述中控单元根据废钢图像生成基础数据信息,并检测中控单元数据库判定废钢型号;
步骤S2,所述中控单元以获取的废钢图像中心位置为坐标原点,所述传送装置走向为X轴,以图像处理单元的设置方向为Y轴,以垂直于X轴和Y轴的方向确定Z轴建立空间坐标系,并获取废钢图像各顶点点坐标信息;
步骤S3,所述中控单元按照从左自右的顺序为各顶点编号,建立待识别废钢图像信息数据集;
步骤S4,所述中控单元依次对各顶点进行判定,判定相邻点是否位于同一平面,并将位于同一平面的顶点所构成的平面进行编号;
步骤S5,所述中控单元依次对各平面的废钢纹理进行分析,根据纹理的灰度均匀性判定废钢成分种类;
步骤S6,所述中控单元根据储存废钢种类数据信息判定待识别废钢种类并将该废钢放置指定位置或生成新的数据集用于后续废钢种类的识别;
所述中控单元根据废钢图像获取废钢生成基础数据信息判断废钢型号,根据废钢平面灰度均匀性判断废钢成分类别,以使废钢种类的识别更准确;
所述中控单元通过图像处理单元获取废钢图像占图像总面积比例、获取废钢宽度和通过固定具体所需要的时间,与预设值相比较获取废钢型号,通过图像处理单元生成的数据获取废钢平面灰度均匀性,与预设值相比较,获取废钢成分类别,以使对废钢种类的识别更准确。
2.根据权利要求1所述的基于图像自动识别废钢种类的方法,其特征在于,所述中控单元储存数据库信息包括废钢种类FG(Fi,Gj),其中,Fi为废钢型号,Gj为废钢成分分类;废钢型号Fi,其中,第一预设废钢型号F1、第二预设废钢型号F2、第三预设废钢型号F3;
在所述中控单元中设有第一预设废钢占图像总面积比例S1、第二预设废钢占图像总面积比例S2、第三预设废钢占图像总面积比例S3,设定S1<S2<S3,所述中控单元根据图像处理单元获取的废钢占图像总面积比例S与预设值S1、S2、S3依次比较,
当S≤S1,所述中控单元判定该废钢型号为第一预设废钢型号F1为废钢型号;
当S1<S≤S2,所述中控单元无法判定该废钢型号,所述中控单元将该废钢宽度值与预设废钢宽度Dn相比较,对废钢型号进行二次判定;
当S2<S≤S3,所述中控单元无法判定该废钢型号,所述中控单元将该废钢宽度值与预设废钢通过单位距离所需要的时间Wm相比较,对废钢型号进行二次判定;
当S>S3,所述中控单元判定该废钢为为第三预设废钢型号F3为废钢型号。
3.根据权利要求2所述的基于图像自动识别废钢种类的方法,其特征在于,所述中控单元设有第一预设废钢宽度D1、第二预设废钢宽度D2,设定D1<D2;当使用预设宽度值对废钢进行二次判定时,所述图像处理单元获取废钢宽度D,
当D≤D1,所述中控单元判定该废钢为第一预设废钢型号F1为废钢型号;
当D1<D≤D2,所述中控单元判定该废钢为第二预设废钢型号F2为废钢型号;
当D>D2,所述中控单元判定该废钢为第三预设废钢型号F3为废钢型号。
4.根据权利要求2所述的基于图像自动识别废钢种类的方法,其特征在于,所述中控单元还设有第一预设时间W1、第二预设时间W2,设定W1<W2,当使用预设废钢通过单位距离所需要的时间对废钢型号进行二次判定时,所述图像处理单元获取通过单位距离的时间W,
当W≤W1,所述中控单元判定该废钢为第一预设废钢型号F1为废钢型号;
当W1<W≤W2,所述中控单元判定该废钢第二预设废钢型号F2为废钢型号;
当W>W2,所述中控单元判定该废钢为第三预设废钢型号F3为废钢型号。
5.根据权利要求1所述的基于图像自动识别废钢种类的方法,其特征在于,所述步骤2所述中控单元获取废钢图像顶点Pk坐标,Pk(Xk,Yk,Zk),其中,k=1,2,3,至n-2,n为顶点编号,所述中控单元获取PkPk+1向量为(Xk+1-Xk,Yk+1-Yk,Zk+1-Zk),Pk+1Pk+2的向量为(Xk+2-Xk+1,Yk+2-Yk+1,Zk+1-Zk+1),Pk+2Pk向量(Xk-Xk+2,Yk-Yk+2,Zk-Zk+2),所述中控单元预设向量比值误差调节参数L,
设定PkPk+1向量参数比值DDK1=Xk+1-Xk:Yk+1-Yk:Zk+1-Zk,Pk+1Pk+2向量参数比值DDK2=Xk+2-Xk+1:Yk+2-Yk+1:Zk+1-Zk+1,Pk+2Pk向量参数比值DDK3=Xk-Xk+2:Yk-Yk+2:Zk-Zk+2,
当DDK1:DDK2:DDK3≤L,所述中控单元判定Pk、Pk+1、Pk+2为同一平面;
当DDK1:DDK2:DDK3>L,所述中控单元判定Pk、Pk+1、Pk+2不构成同一平面,所述中控单元引入下一个顶点Pk+3,分别判断Pk、Pk+1与Pk+3,Pk、Pk+3与Pk+2,和Pk+3、Pk+1与Pk+2的共面情况。
6.根据权利要求5所述的基于图像自动识别废钢种类的方法,其特征在于,所述中控单元判定Pk、Pk+1、Pk+2为同一平面,该平面设为PMt,其中,t为平面的编号,并获取该平面方程式Ax+By+Cz+E=0,将Pk+3坐标带入方程式,若符合方程式,则Pk+3在平面PMt上;若不符合方程式,则Pk+3不在平面PMt上,所述中控单元对判定Pk+1、Pk+2、Pk+3共面情况进行判定,直至中控单元判定全部顶点的共面。
7.根据权利要求5所述的基于图像自动识别废钢种类的方法,其特征在于,所述中控单元预设废钢顶点向量误差调节参数L,所述中控单元预设向量的模标准参数P0,所述中控单元获取平面PMt三个点向量的模,设定第一个向量的模M1,第二个向量的模M2,第三个向量的模M3,
当M1×M2×M3≥P03,所述中控单元将向量误差调节参数L增加至L1,设定L1=L×(1+(M1×M2×M3-P03)/P03);
当P02≤M1×M2×M3<P03,所述中控单元将向量误差调节参数L增加至L2,设定L2=L×(1+(M1×M2×M3-P02)/P03);
当P0≤M1×M2×M3<P02,所述中控单元将向量误差调节参数L增加至L3,设定L3=L×(1+(M1×M2×M3-P0)/P02);
当M1×M2×M3<P0,所述中控单元不对向量误差调节参数L进行调节。
8.根据权利要求5所述的基于图像自动识别废钢种类的方法,其特征在于,所述中控单元获取待识别废钢第t个平面的灰度值HDt1,HDt2至HDtn,其中,n为灰度值的数量,t为平面编号,待识别废钢第t个平面的灰度值平均值为HDPt,设定HDPt=(HDt1+HDt2+···+HDtn)/n,所述中控单元获取灰度均匀性Y,设定Y=1/t×((HD1max-HD1min)/HDP1+(HD2max-HD2min)/HDP2+(HD3max-HD3min)/HDP3+···+(HDtmax-HDtmin)/HDPt),其中,HDtmax为第t个平面灰度值最大值,HDtmin为第t个平面灰度值最小值。
9.根据权利要求8所述的基于图像自动识别废钢种类的方法,其特征在于,所述中控单元预设废钢成分类别Gj,第一预设成分类别G1、第二预设成分类别G2、第三预设成分类别G3;所述中控单元设置第一预设废钢纹理灰度均匀性Y1、第二预设废钢纹理灰度均匀性Y2;
在所述中控单元判定废钢型号后,对废钢的类型进行判定,所述中控单元获取废钢平面纹理灰度均匀性Y,
当Y≤Y1,所述中控单元判定该废钢成分分类为第一预设成分分类G1为废钢成分分类;
当Y1<Y≤Y2,所述中控单元判定该废钢为第二预设成分分类G2为废钢成分分类;
当Y>Y2,所述中控单元判定该废钢为第三预设成分分类G3为废钢成分分类。
10.一种基于图像自动识别废钢种类的装置,所述识别废钢种类的装置采用权利要求1-9任一项所述的方法,其特征在于,包括,
传送单元,用于传送待识别废钢;
图像处理单元,包括第一图像拍摄设备,固定安装于所述传送装置一侧,用于获取待识别废钢图像;还包括第二图像拍摄设备,固定安装于所述传送装置上方,用于获取待识别废钢宽度;还包括第三图像拍摄设备,安装于所述传送装置上,与所述第一图像拍摄设备间隔一定距离,用于获取待识别废钢通过单位距离的时间;
中控单元,与所述传送装置和所述图像处理单元通过无线连接,用于控制所述传送装置和图像处理单元工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699565.3A CN113516637B (zh) | 2021-06-23 | 2021-06-23 | 一种基于图像自动识别废钢种类的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699565.3A CN113516637B (zh) | 2021-06-23 | 2021-06-23 | 一种基于图像自动识别废钢种类的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516637A true CN113516637A (zh) | 2021-10-19 |
CN113516637B CN113516637B (zh) | 2022-02-15 |
Family
ID=78066132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110699565.3A Active CN113516637B (zh) | 2021-06-23 | 2021-06-23 | 一种基于图像自动识别废钢种类的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516637B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4617682A (en) * | 1984-03-27 | 1986-10-14 | Osaka Gas Company Limited | Method and apparatus for automatic quantitative measurement of textures by image analysis |
CN104794491A (zh) * | 2015-04-28 | 2015-07-22 | 重庆大学 | 基于预分类的模糊聚类钢板表面缺陷检测方法 |
US20170232479A1 (en) * | 2016-02-16 | 2017-08-17 | Schuler Pressen Gmbh | Device and method for processing metal parent parts and for sorting metal waste parts |
CN107720221A (zh) * | 2017-08-17 | 2018-02-23 | 万世泰金属工业(昆山)有限公司 | 金属料备货系统及分配方法 |
CN107876429A (zh) * | 2017-12-05 | 2018-04-06 | 湖南机电职业技术学院 | 一种基于机器视觉的废有色金属自动分选系统 |
CN108136445A (zh) * | 2015-07-16 | 2018-06-08 | Uhv技术股份有限公司 | 材料分拣系统 |
JP2019069445A (ja) * | 2019-01-24 | 2019-05-09 | ハリタ金属株式会社 | 金属廃材から有価物を選別する選別方法 |
KR20190050145A (ko) * | 2017-11-02 | 2019-05-10 | 주식회사 씨티아이랩 | 딥러닝 기반 폐금속 스크랩 분류 방법 및 장치 |
CN110108206A (zh) * | 2019-05-16 | 2019-08-09 | 东北大学 | 一种废钢评级建库系统及方法 |
US20200134287A1 (en) * | 2018-10-29 | 2020-04-30 | Arkray, Inc. | Information processing device, information processing method, measurement system and non-transitory storage medium |
CN112348791A (zh) * | 2020-11-04 | 2021-02-09 | 中冶赛迪重庆信息技术有限公司 | 基于机器视觉的废钢智能检判方法、系统、介质及终端 |
CN112730476A (zh) * | 2020-12-18 | 2021-04-30 | 核工业北京地质研究院 | 一种矿物纯度检测方法 |
-
2021
- 2021-06-23 CN CN202110699565.3A patent/CN113516637B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4617682A (en) * | 1984-03-27 | 1986-10-14 | Osaka Gas Company Limited | Method and apparatus for automatic quantitative measurement of textures by image analysis |
CN104794491A (zh) * | 2015-04-28 | 2015-07-22 | 重庆大学 | 基于预分类的模糊聚类钢板表面缺陷检测方法 |
CN108136445A (zh) * | 2015-07-16 | 2018-06-08 | Uhv技术股份有限公司 | 材料分拣系统 |
US20170232479A1 (en) * | 2016-02-16 | 2017-08-17 | Schuler Pressen Gmbh | Device and method for processing metal parent parts and for sorting metal waste parts |
CN107720221A (zh) * | 2017-08-17 | 2018-02-23 | 万世泰金属工业(昆山)有限公司 | 金属料备货系统及分配方法 |
KR20190050145A (ko) * | 2017-11-02 | 2019-05-10 | 주식회사 씨티아이랩 | 딥러닝 기반 폐금속 스크랩 분류 방법 및 장치 |
CN107876429A (zh) * | 2017-12-05 | 2018-04-06 | 湖南机电职业技术学院 | 一种基于机器视觉的废有色金属自动分选系统 |
US20200134287A1 (en) * | 2018-10-29 | 2020-04-30 | Arkray, Inc. | Information processing device, information processing method, measurement system and non-transitory storage medium |
JP2019069445A (ja) * | 2019-01-24 | 2019-05-09 | ハリタ金属株式会社 | 金属廃材から有価物を選別する選別方法 |
CN110108206A (zh) * | 2019-05-16 | 2019-08-09 | 东北大学 | 一种废钢评级建库系统及方法 |
CN112348791A (zh) * | 2020-11-04 | 2021-02-09 | 中冶赛迪重庆信息技术有限公司 | 基于机器视觉的废钢智能检判方法、系统、介质及终端 |
CN112730476A (zh) * | 2020-12-18 | 2021-04-30 | 核工业北京地质研究院 | 一种矿物纯度检测方法 |
Non-Patent Citations (4)
Title |
---|
GAO, ZJ: "Applying Improved Optical Recognition with Machine Learning on Sorting Cu Impurities in Steel Scrap", 《JOURNAL OF SUSTAINABLE METALLURGY》 * |
WIECZOREK, T: "Classification of steel scrap in the EAF process using image analysis methods", 《 9TH EUROPEAN ELECTRIC STEELMAKING CONFERENCE》 * |
梅亚光: "基于机器视觉与LIBS技术的废钢智能分类研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》 * |
章振原: "基于机器视觉的废旧有色金属碎料识别方法", 《激光与光电子学进展》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113516637B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7856137B2 (en) | Apparatus and method for verifying image by comparison with template image | |
US20060271226A1 (en) | Inspection standard setting device, inspection standard setting method and process inspection device | |
CN105608441B (zh) | 一种车型识别方法及系统 | |
CN109389105B (zh) | 一种基于多任务的虹膜检测和视角分类方法 | |
CN115255048A (zh) | 一种折弯机智能控制方法及系统 | |
CN108846831A (zh) | 基于统计特征和图像特征相结合的带钢表面缺陷分类方法 | |
CN113516637B (zh) | 一种基于图像自动识别废钢种类的方法及装置 | |
CN109397072A (zh) | 工件加工方法及加工系统 | |
CN117372515B (zh) | 一种自适应纠偏控制系统 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN110935646A (zh) | 基于图像识别的全自动螃蟹分级系统 | |
CN114565314A (zh) | 一种基于数字孪生的热轧钢卷端面质量管控系统及方法 | |
CN111985432B (zh) | 一种基于贝叶斯定理和自适应权值调整的多模态数据融合方法 | |
CN109214415B (zh) | 一种矿石破碎研磨效果评判方法 | |
CN113469991A (zh) | 一种锂电池极耳激光焊点视觉在线检测方法 | |
CN115082509B (zh) | 一种对无特征目标的追踪方法 | |
CN115638742A (zh) | 一种基于影像识别的钢筋形状质检系统 | |
CN108250342B (zh) | 一种聚全氟乙丙烯产品生产方法及系统 | |
CN112149499A (zh) | 一种基于机器视觉技术木块方向识别装置 | |
CN117333480B (zh) | 一种铸材表面瑕疵边缘视觉检测方法、系统、装置及介质 | |
JPS59231407A (ja) | 筒状物体の中心位置検出方法 | |
CN108012072A (zh) | 自动聚焦方法和系统 | |
CN117851961B (zh) | 一种无伞碳纤维投掷箱生产质量检测方法 | |
CN117416049B (zh) | 一种基于3d打印技术的打印设备的控制方法及系统 | |
CN113305030B (zh) | 全自动硅环平面度光感检测方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |