CN114332511B

CN114332511B - 一种废钢厚度占比的识别方法

Info

Publication number: CN114332511B
Application number: CN202210244524.XA
Authority: CN
Inventors: 安琪
Original assignee: Xinji Technology Beijing Co ltd
Current assignee: Xinji Technology Beijing Co ltd
Priority date: 2022-03-14
Filing date: 2022-03-14
Publication date: 2022-05-27
Anticipated expiration: 2042-03-14
Also published as: CN114332511A

Abstract

本发明提供了一种废钢厚度占比的识别方法，包括：确定目标废钢的废钢型号，并从预设分析数据库中调取与废钢型号匹配的检测集合，对目标废钢进行识别检测，获得目标废钢上不同检测点的信息集合；进行分析，确定所有检测点中存在的第二检测点和第一检测点；识别第一检测点对应的废钢的生锈位置的厚度，将第二检测点与预设范围内的第一检测点进行组合处理，识别第二检测点对应的废钢的生锈位置的厚度；基于厚度识别结果，确定废钢厚度占比，并输出显示。采用不同的方式对检测点进行厚度识别，得到废钢厚度占比，可以有效的提高厚度占比确定精度，来提高回收效率。

Description

一种废钢厚度占比的识别方法

技术领域

本发明涉及图像识别技术领域，特别涉及一种废钢厚度占比的识别方法。

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，其中废钢的生锈厚度在其中具有重要参与价值；

一般对废钢的生锈厚度仅仅通过图像识别，简单粗略的判断下，来确定厚度，进而判断是否具备回收价值，但是，其不能精准为回收提供有效参考。

因此，本发明提出一种基于废钢厚度占比的识别方法。

发明内容

本发明提供一种废钢厚度占比的识别方法，用以解决上述提出的技术问题。

本发明提供一种废钢厚度占比的识别方法，包括：

步骤1：确定目标废钢的废钢型号，并从预设分析数据库中调取与所述废钢型号匹配的检测集合；

步骤2：按照检测集合中的检测方式对所述目标废钢进行识别检测，获得所述目标废钢上不同检测点的信息集合；

步骤3：对所述信息集合进行分析，确定所有检测点中存在的第二检测点和第一检测点；

步骤4：识别所述第一检测点对应的废钢的生锈位置的厚度，同时，将所述第二检测点与预设范围内的第一检测点进行组合处理，识别所述第二检测点对应的废钢的生锈位置的厚度；

步骤5：基于厚度识别结果，确定废钢厚度占比，并输出显示。

在一种可能实现的方式中，从预设分析数据库中调取与所述废钢型号匹配的检测集合之前，包括：

基于历史统计的不同钢铁型号处于不同生锈状态下的基本生锈信息，确定同个钢铁型号的生锈历程表；

基于对应钢铁型号的标准生锈规律，分析所述生锈历程表是否合理；

其中,H表示判断结果，n表示生锈历程表中的历程总数；

表示第i+1个历程对应的生锈程度；

表示第i个历程对应的生锈程度；

表示基于标准生锈规律确定的第i与i+1个历程之间的标准生锈程度变化量；

若H=1，表示合理，基于规律-历程表匹配数据库，向同个废钢型号对应的生锈历程表匹配历史检测方式；

若H=0，表示不合理，从对应的生锈历史表中标注不合理历程，并对标注结果进行规律捕捉，并匹配第一生锈规律；

从所述第一生锈规律截取匹配度大于预设度的第二生锈规律，并基于规律-历程表匹配数据库，向所述第二生锈规律匹配历史检测方式；

根据匹配的历史检测方式，构建所述预设分析数据库。

在一种可能实现的方式中，按照检测集合中的检测方式对所述目标废钢进行识别检测，包括：

基于所述预设分析数据库，获取每个废钢型号对应的检测集合，并确定检测集合中的检测方式的第一个数，并判断所述第一个数与对应废钢型号的标准生锈规律对应的预设方法的第二个数的大小关系；

若所述第一个数大于第二个数，按照第一个数的检测方式的检测特征与剩余个数的检测方式的检测特征，对对应的所有检测方式进行特征排序，并按照排序结果进行依次检测；

若所述第一个数等于第二个数，按照第一个数的检测方式的检测特征，对对应的所有检测方式进行特征排序，并按照排序结果进行依次检测。

在一种可能实现的方式中，对所述信息集合进行分析，确定所有检测点中存在的第二检测点和第一检测点，包括：

获取所述检测集合中，每种检测对所述目标废钢的检测结果，构建检测矩阵，且所述检测矩阵的行与检测方式的个数有关，且所述检测矩阵的列与目标废钢的检测点有关，其中，检测方式的个数为n1，检测点的个数为S2；

基于匹配度检测模型，确定所述检测矩阵中同个检测点下的列检测匹配度；

若所述列检测匹配度大于第一预设匹配度，判定所述检测点为第一检测点；

否则，获取所述同个检测点下的列检测信息中的突变信息，并获取所述突变信息所在行位置以及对应的行检测信息，同时，对所述行位置进行加1批注；

确定所述检测矩阵中每行的批注累加和S1；

若

，此时，判定所述检测方式存在检测故障，并将故障检测方式对应的行向量，从所述检测矩阵中剔除；

确定剔除后的矩阵中每列的批注累加和S3，其中，剔除个数为n2；

若

，此时，判定对应的检测点为第二检测点；

否则，确定对应的检测点为待定检测点；

其中，所述检测矩阵即为信息集合。

在一种可能实现的方式中，确定对应的检测点为待定检测点之后，还包括：

将所述待定检测点、第二检测点以及第一检测点在目标废钢的目标图像上进行标注，并依照同轴坐标顺序，构建所述待定检测点的检测线路、所述第二检测点的第一布局、所述第一检测点的第二布局；

同时，确定与所述检测线路中每个待定检测点在指定范围内的第三检测点，并构建所述第三检测点与对应待定检测点的关系布局；

对每个待定检测点进行探测，获得生锈深度、生锈面积以及生锈硬度；

在所述关系布局上显著性显示有第三检测点所属的类型、对应待定检测点的批注累加和S3以及探测结果；

基于第一布局、第二布局、关系布局以及显著性显示结果，确定所述待定检测点的归属值；

其中，Y表示归属值，第三检测点的数量为

，且G1表示指定范围内的第一检测点的个数，G2表示指定范围内的第二检测点的个数；

表示基于关系布局确定对应待定检测点与第g1个第一检测点的位置系数；

表示基于关系布局确定对应待定检测点与第g2个第二检测点的位置系数；

表示G1个第一检测点基于第二布局的权重系数；

2表示G2个第二检测点基于第一布局的权重系数；

表示对应待定检测点所处的指定范围的位置权重；

表示所有待定检测点所对应所有指定范围的位置权重；

表示基于批注累加和S3对归属结果的影响函数；

表示生锈深度k1、生锈面积k2以及生锈硬度k3对归属结果的影响函数；

当所述归属值Y属于第一检测点的归属范围时，确定所述待定检测点为第一检测点；

当所述归属值Y属于第二检测点的归属范围时，确定所述待定检测点为第二检测点。

在一种可能实现的方式中，识别所述第一检测点对应的废钢的生锈位置的厚度，包括：

基于若干种检测方式，获取所述目标废钢的第一图像集合；

分别将第一图像集合中每个第一图像依次输入到与所述目标废钢类型一致的厚度识别模型中，得到第一检测点的第一厚度识别结果，并剔除所述第一厚度识别结果中的无效识别结果；

基于剩余识别结果，得到每个第一检测点的生锈的厚度占比。

在一种可能实现的方式中，将所述第二检测点与预设范围内的第一检测点进行组合处理，识别所述第二检测点对应的废钢的生锈位置的厚度，包括：

获取每个第二检测点以及对应预设范围内的第一检测点，构建得到连接线路；

确定所述预设范围内由所述第一检测点构成的集中区域以及单独区域，并根据所述集中区域的区域密度，向所述集中区域中每个第一检测点与第二检测点的连接线路进行第一扩充，同时，向单独区域中的第一检测点与第二检测的连接线路进行第二扩充；

调取图像识别模型，对所述第一扩充图以及第二扩充图进行颜色、纹理特征识别，确定每个扩充图的生锈变化规律；

基于所述生锈变化规律，确定对应扩充图是否存在生锈衔接，若存在，确定所述生锈衔接所处位置是否靠近对应的第二检测点，若靠近，获取对应生锈衔接所处位置的生锈颜色扩展图；

调取生锈扩展模型，对所述生锈颜色扩展图进行扩展特征识别；

若对应扩充图不存在生锈衔接，将对应生锈变化规律保留；

基于所有的扩展特征识别结果以及保留的生锈变化规律，对厚度识别模型进行优化训练，得到优化识别模型；

基于所述优化识别模型对对应第二检测点进行识别，得到对应第二检测点的初始厚度；

构建所述目标废钢的目标三维形状，并依据对所述目标废钢的检测结果，对所述目标三维形状进行表面填充，确定所述目标废钢表面的参差感以及腐蚀情况，确定所述目标废钢的表面不同点的基础厚度；

若所述初始厚度在所述基础厚度的可调范围内，将所述初始厚度作为生锈厚度；

否则，基于所述初始厚度与基础厚度的厚度差，对所述初始厚度进行显著性批注，并确定显著性批注的初始厚度对应的检测点是否可作为所有第二检测点的离散点，若可以，将显著性批注的初始厚度替换为基础厚度；

若不可以，将所述显著性批注的初始厚度保留。

在一种可能实现的方式中，基于厚度识别结果，确定废钢厚度占比之前，还包括：

根据第一检测点的生锈厚度、生锈位置以及第二检测点的生锈厚度、生锈位置，构建所述目标废钢各个表面的生锈序列；

基于所述生锈序列，确定各个表面的生锈凸点以及生锈凹点；

对各个表面进行激光测量，确定对应表面的实际基地，并基于所述实际基地确定对应生锈凸点和生锈凹点是否满足突变情况；

若满足突变情况，将对应生锈凸点和生锈凹点进行保留，并得到合格生锈序列；

若不满足，获取包裹所述生锈凸点的包裹点，构建覆盖所述生锈凸点的第一平滑曲面，并确定所述第一平滑曲面中与对应生锈凸点的位置的厚度作为所述生锈凸点的厚度；

同时，获取包裹所述生锈凹点的包裹点，构建覆盖所述生锈凹点的第二平滑曲面，并确定所述第二平滑曲面中与对应生锈凹点的位置的厚度作为所述生锈凹点的厚度；

基于所述生锈凸点的厚度以及生锈凹点的厚度，得到合格生锈序列。

在一种可能实现的方式中，基于厚度识别结果，确定废钢厚度占比，包括：

确定所述合格生锈序列中每个序列的长度；

基于所述长度，计算得到所述目标废铁对应表面的废钢厚度占比。

在一种可能实现的方式中，确定废钢厚度占比，并输出显示，包括：

基于识别结果，确定每个第一检测点的厚度占比、每个第二检测点的厚度占比；

基于所述第一检测点以及第二检测点的厚度占比，确定所述目标废钢的各个表面的厚度占比；

基于各个表面的厚度占比，确定废钢厚度占比；

将所有的厚度占比结果都输出显示。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种废钢厚度占比的识别方法的流程图；

图2为本发明实施例中待定检测点的相关结构图；

图3为本发明实施例中连接线路的相关结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明提供一种废钢厚度占比的识别方法，如图1所示，包括：

该实施例中，预设数据库中，包括针对不同废钢型号采用不同的分辨率的摄像头对废钢进行图像采集，实现识别检测的方式。

该实施例中，比如：目标废钢型号为A型号，对应调取后的检测集合中，包括：检测方式1、2、3和4，此时，根据这四种方式，获取目标废钢上每个检测点的4个检测信息。

该实施例中，识别厚度，是基于厚度识别模型实现的，且厚度识别模型是预先训练好的，可以将不同型号、不同形状废钢、不同厚度废钢作为训练样本。

该实施例中，组合处理，是由于第二检测点可以存在部分问题，因此，都过与预设范围内的正确的第一检测点的检测结果组合，得到第二检测点的厚度，且预设范围，比如指，以该第二检测点为圆点，以1cm为直径，得出的范围。

该实施例中，第一检测点指的是对该点进行检测的检测结果基本一致，此时，视为该点为目标废钢生的稳妥的生锈点，也就是可以按照检测结果，来对该点的生锈厚度占比进行直接确定，第二检测点指的是对点进行检测的检测结果存在大部分不一致，此时，视为该点为虚检测点，也就是需要通过其他的方式，来继续对该虚检测点进行检测分析，来确定最后的生锈厚度占比。

上述技术方案的有益效果是：通过确定废钢型号，调取若干检测方式对其进行检测，来进行检测点的区分，最后采用不同的方式对检测点进行厚度识别，得到废钢厚度占比，可以有效的提高厚度占比确定精度，来提高回收效率。

实施例2：

基于实施例1的基础上，从预设分析数据库中调取与所述废钢型号匹配的检测集合之前，包括：

其中,H表示判断结果，n表示生锈历程表中的历程总数；

表示第i+1个历程对应的生锈程度；

表示第i个历程对应的生锈程度；

根据匹配的历史检测方式，构建所述预设分析数据库。

该实施例中，比如：当n为2时，对应的

为0.1，

为0.1，对应的

为0.1，且对应的

为0.1，此时，对应的H为1，且合理，

表示钢铁未生锈时的值，且一般取值为0。

该实施例中，规律-历程表匹配数据库中，包括不同型号钢铁的生锈规律、不同生锈程度之间的程度变化量以及对应不同型号的多种检测方式在内。

该实施例中，进行生锈规律的匹配，是为了更好的获取检测方式，保证对对应型号钢铁检查的可靠性。

上述技术方案的有益效果是：通过确定钢铁的生锈历程表，并通过标准生锈规律与其进行比较计算，可以有效的确定检测方式，提高对钢铁检测的可靠性，间接提高厚度占比确定的精度。

实施例3：

基于实施例1的基础上，按照检测集合中的检测方式对所述目标废钢进行识别检测，包括：

上述技术方案的有益效果是：通过对第一个数以及第二个数进行大小比较，并进行特征排序的一次检测，可以有效确定检测顺序，完成对废钢的检测，为后续确定厚度占比提供一定的检测基础。

实施例4：

基于实施例1的基础上，对所述信息集合进行分析，确定所有检测点中存在的第二检测点和第一检测点，包括：

确定所述检测矩阵中每行的批注累加和S1；

若

若

，此时，判定对应的检测点为第二检测点；

否则，确定对应的检测点为待定检测点；

其中，所述检测矩阵即为信息集合。

该实施例中，行检测信息指的是针对同个检测方式的检测信息。

该实施例中，比如，检测方式为n1，检测点个数为S2，最后构建的检测矩阵为n1行S2列的矩阵。

该实施例中，匹配度检测模型时基于各种不同检测方式的检测结果作为匹配训练样本得到的，且列检测匹配度指的时不同检测方式对同个检测点的检测结果是否高度一致，若一致，也就是列检测匹配度大于第一预设匹配度，此时，视为第一检测点，否则，获取特别不匹配的检测结果，把该结果视为突变信息。

该实施例中，通过确定行批注累积和以及列批注累加和，并进行大小比较，可以有效确定该点是否为第二检测点。

上述技术方案的有益效果是：通过构建检测矩阵，来对矩阵中的列信息进行匹配度确定，确定检测点的类型，然后通过确定突变信息以及加1批注的处理，来确定另一类型的检测点，可以有效的对废钢上的检测点进行区分，保证后续确定废钢厚度占比的有效性。

实施例5：

基于实施例4的基础上，确定对应的检测点为待定检测点之后，还包括：

其中，Y表示归属值，第三检测点的数量为

表示G1个第一检测点基于第二布局的权重系数；

2表示G2个第二检测点基于第一布局的权重系数；

表示对应待定检测点所处的指定范围的位置权重；

表示所有待定检测点所对应所有指定范围的位置权重；

表示基于批注累加和S3对归属结果的影响函数；

该实施例中，如图2所示，A1表示待定检测点构成的检测线路，A2表示第一布局，A3表示第二布局，a1表示待定检测点，其中，填充的方块对应的布局构成A2，填充的黑圆圈对应的布局构成A3，空白圆圈构成线路构成A1。

该实施例中，批注累加和S3对归属结果的影响越大，对应的

取值越是趋近0.5，且生锈深度k1、生锈面积k2以及生锈硬度k3对归属结果的影响越大，对应的

的取值越是趋近0.5，且

的取值范围为(0，0.5)，

的取值范围为（0，0.5）。

上述技术方案的有益效果是：通过确定待定检测点的检测线路以及关系布局，并结合待定检测点本身的探测结果，计算待定检测点的归属值，进而通过范围判断，来确定待定检测点的归属类型，为厚度占比的识别提供有效基础，间接提高识别精度。

实施例6：

基于实施例1的基础上，识别所述第一检测点对应的废钢的生锈位置的厚度，包括：

基于若干种检测方式，获取所述目标废钢的第一图像集合；

该实施例中，厚度识别模型是由各种不同类型的废钢的不同生锈厚度作为样本训练得到的。

上述技术方案的有益效果是：通过识别图像，剔除无效识别结果，来有效确定第一检测点的厚度占比。

实施例7：

基于实施例1的基础上，将所述第二检测点与预设范围内的第一检测点进行组合处理，识别所述第二检测点对应的废钢的生锈位置的厚度，包括：

若对应扩充图不存在生锈衔接，将对应生锈变化规律保留；

若不可以，将所述显著性批注的初始厚度保留。

该实施例中，预设范围比如是以第二检测点为圆点，以1cm为直径构成的预设范围，来确定该预设范围内的第一检测点，且分别作该第二检测点到该预设范围内每个第一检测点的连线，得到连接线路。

该实施例中，根据第一检测点在预设范围内的分布情况，确定集中区域以及单独区域，进而根据密度，确定连接线路的扩充，比如，密度越大，对应的扩充宽度越小，密度越小，对应的扩充宽度越大，具体参见图3，H1表示第二检测点，H2表示第一检测点，HH表示连接线路，hh表示扩充结果。

该实施例中，第一扩充图图和第二扩充图是包括连接线路以及该连接线路上的检测点在内的，且通过对扩充图进行识别，可以有效确定生锈变化规律。

该实施例中，生锈衔接，也就是指的该生锈变化规律中是否存在具备生锈程度发生改变的衔接段，若存在，视为该衔接段的衔接处为生锈衔接。

该实施例中，生锈扩展模型是基于不同生锈程度的衔接变化作为样本训练得到的，且对应的扩展特征识别，指的是该生锈衔接处的生锈变化特征。

该实施例中，通过对厚度识别模型优化，可以保证后续识别的精准度。

该实施例中，通过确定目标废钢的三维形状，来确定目标废钢表面不同点的基础厚度，并作为一个基础比较条件，且通过与优化识别模型的识别结果进行比较，来确定初始厚度是否是可靠的，若可靠也就是在基础厚度的可调范围内，将其保留，若不可靠，确定是否为离散点，进而确定是否需要替换为基础厚度，进一步保证每个检测点对应厚度的合理性。

上述技术方案的有益效果是：通过确定连接线路以及集中区域和单独区域，来对连接线路进行不同的扩充，进而通过不同的模型，来确定废钢的初始厚度，且通过结合三维形状的分析，来确定基础厚度，通过初始厚度与基础后的比较，来保证最后厚度的合理性，为确定厚度占比，提供有效基础。

实施例8：

基于实施例1的基础上，基于厚度识别结果，确定废钢厚度占比之前，还包括：

该实施例中，比如废钢表面1上的生锈序列为，1102221211311，此时，将对应的0序列的位置视为生锈凹点，就3序列对应的位置视为生锈凸点，此时，通过对表面1的实际激光测量，确定表面1的实际基地，来判断序列0以及序列3是否满足突变情况，也就是，如果序列0对应的实际基地本身就是凹的，视为不满足突变情况，如果本身是平的，视为满足突变情况。

该实施例中，比如获取序列0周围的包裹点，并也包裹点的当前序列来构建平滑曲面，最后筛选序列0对应位置的点的序列作为调整后的序列，进而根据该序列得到凹点的厚度，且序列1与序列0同理。

上述技术方案的有益效果是：通过进行序列排布，筛选凹点和凸点，并结合实际基地（废钢本身为未锈部分材料的表面情况）来确定是否满足突变情况，进而通过构建平滑曲面，筛选得到对应点的厚度，构建合格生锈序列，保证对厚度占比识别的精准性，间接提高回收效率。

实施例9：

基于实施例8的基础上，基于厚度识别结果，确定废钢厚度占比，包括：

确定所述合格生锈序列中每个序列的长度；

优选的，确定废钢厚度占比，并输出显示，包括：

基于各个表面的厚度占比，确定废钢厚度占比；

将所有的厚度占比结果都输出显示。

该实施例中，比如：表面1的序列为1111，表明每个点对应的厚度为1，且该面的生锈厚度为1，且与表面1处于对应位置的表面2的表面的生锈厚度为2，且该目标废钢的整体厚度（包括生锈厚度在内）为20，此时，对应的厚度占比为：3/20。

上述技术方案的有益效果是：通过确定序列的长度（厚度），来确定每个点的厚度，进而确定每个面的厚度，最后确定废钢整体的厚度占比，通过步步推算，可以有效确定占比厚度，并输出显示，便于按照该情况对回收废钢进行合理监督。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。