CN114998318A - 用于废钢处理工艺中的废钢等级识别方法 - Google Patents
用于废钢处理工艺中的废钢等级识别方法 Download PDFInfo
- Publication number
- CN114998318A CN114998318A CN202210838727.1A CN202210838727A CN114998318A CN 114998318 A CN114998318 A CN 114998318A CN 202210838727 A CN202210838727 A CN 202210838727A CN 114998318 A CN114998318 A CN 114998318A
- Authority
- CN
- China
- Prior art keywords
- contour line
- steel
- scrap
- hollow
- circular
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及用于废钢处理工艺中的废钢等级识别方法,属于数据处理技术领域。方法包括如下步骤:获得各轮廓线中的圆形轮廓线和空体形废钢轮廓线;获得各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线以及各备选圆柱体废钢轮廓线对应的空心度;根据空心度,对各备选圆柱体废钢轮廓线和各备选圆柱体废钢轮廓线内的其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线;获取空体形废钢轮廓线对,根据各实体形废钢轮廓线的直径和各空体形废钢轮廓线对之间的平均距离,得到各实体形废钢轮廓线对应的实体形废钢的废钢等级和各空体形废钢轮廓线对对应的空体形废钢的废钢等级。本发明能提高对废钢评级的可靠性和精度。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及用于废钢处理工艺中的废钢等级识别方法。
背景技术
钢铁是各行各业重要的原材料,被广泛运用在交通业、制造业、航天领域和国防事业等领域;而且我国粗钢产量稳居世界首位,每年都要消费大量的钢铁。由于钢铁是有限的矿铁石资源,对废钢的等级划分和基于不同的等级对其重复使用,是增加钢铁可持续发展能力的关键举措。
现有的废钢等级识别方法一般是废钢公司的相关验级人员来进行废钢的评级,即对废钢的评级工作大多以人工干预为主,而这种依据人工的方式主观性强,效率低,并且还容易出现评级错误的情况,因此这种依据人工的方式来对废钢进行评级的可靠性较低。
发明内容
本发明提供用于废钢处理工艺中的废钢等级识别方法,用于解决现有方法对废钢进行评级可靠性较低的问题,所采用的技术方案具体如下:
本发明实施例提供了用于废钢处理工艺中的废钢等级识别方法包括以下步骤:
获取中型废钢放置区对应的目标废钢材料图像;
获得目标废钢材料图像对应的各轮廓线以及各轮廓线中的圆形轮廓线和空体形废钢轮廓线;根据各圆形轮廓线对应的区域范围是否属于其它圆形轮廓线对应的区域范围的子集和各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量,得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线;
获得所述备选圆柱体废钢轮廓线对应的内侧圆形轮廓线和对应的目标区域;根据各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线的圆参数、所述内侧圆形轮廓线的圆参数以及各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度;根据所述空心度,对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线;
获得各空体形废钢轮廓线对应的各候选轮廓线;计算各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值;根据所述特征值,得到空体形废钢轮廓线对;所述空体形废钢轮廓线对属于同一个空体形废钢;
根据各实体形废钢轮廓线的直径和各空体形废钢轮廓线对之间的平均距离,得到各实体形废钢轮廓线对应的实体形废钢的废钢等级和各空体形废钢轮廓线对对应的空体形废钢的废钢等级。
优选的,获得目标废钢材料图像对应的各轮廓线以及各轮廓线中的圆形轮廓线和空体形废钢轮廓线的方法,包括:
利用边缘检测算子提取目标废钢材料图像的边缘轮廓,得到目标废钢材料图像对应的各轮廓线;
利用霍夫圆变换对各轮廓线进行圆检测,得到各轮廓线中的各圆形轮廓线以及各圆形轮廓线对应的圆参数;所述圆参数包括各圆形轮廓线对应的半径和圆心坐标;
将不属于圆形轮廓线的各轮廓线记为空体形废钢轮廓线。
优选的,得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线的方法,包括:
获取各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量;
对于任一圆形轮廓线:
若该圆形轮廓线对应的区域范围不属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量不为0,则将该圆形轮廓线记为备选圆柱体废钢轮廓线;
若该圆形轮廓线对应的区域范围属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量为0,则将该圆形轮廓线记为备选圆柱体废钢轮廓线;
若该圆形轮廓线对应的区域范围不属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量为0,则将该圆形轮廓线记为实体形废钢轮廓线。
优选的,获得所述备选圆柱体废钢轮廓线对应的内侧圆形轮廓线和对应的目标区域的方法,包括:
获取各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线对应的半径中的最大值对应的圆形轮廓线,记为内侧圆形轮廓线;
将属于各备选圆柱体废钢轮廓线对应的区域范围且不属于各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的区域范围的范围区域记为各备选圆柱体废钢轮廓线对应的目标区域。
优选的,得到各备选圆柱体废钢轮廓线对应的空心度的方法,包括:
计算各备选圆柱体废钢轮廓线对应的半径与各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的半径之间差值的绝对值,记为各备选圆柱体废钢轮廓线对应的半径差异值;
计算各备选圆柱体废钢轮廓线对应的圆心坐标与各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的圆心坐标之间的欧式距离,记为各备选圆柱体废钢轮廓线对应的圆心差异值;
计算得到各备选圆柱体废钢轮廓线对应的目标区域中各像素点灰度值的均值,记为各备选圆柱体废钢轮廓线对应的目标区域的灰度均值;
计算各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的区域范围中各像素点灰度值的均值,记为各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线的灰度均值;
根据所述目标区域的灰度均值和所述内侧圆形轮廓线的灰度均值,得到各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度;
构建得到所述目标区域的灰度共生矩阵和所述内侧圆形轮廓线对应的区域范围的灰度共生矩阵;根据所述灰度共生矩阵对应的特征值,构建得到所述目标区域的纹理向量和所述内侧圆形轮廓线的纹理向量;
根据所述目标区域的纹理向量和所述内侧圆形轮廓线的纹理向量,得到各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的纹理对比度;
将各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度和纹理对比度之和,记为各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度;
根据各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线对应的半径、所述半径差异值、所述圆心差异值以及所述灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度。
优选的,对于任一备选圆柱体废钢轮廓线,根据如下公式计算该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的纹理对比度:
其中,为该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的纹理对比度,为该备选圆柱体废钢轮廓线对应的目标区域的纹理向量中的第i个参数的值,为该备选圆柱体废钢轮廓线对应的内侧圆形轮廓线的纹理向量中的第i个参数的值。
优选的,对于任一备选圆柱体废钢轮廓线,根据如下公式计算该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度:
其中,为该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度,为该备选圆柱体废钢轮廓线对应的目标区域的灰度均值,为该备选圆柱体废钢轮廓线对应的内侧圆形轮廓线的灰度均值,为取最大值函数,为取最小值函数。
优选的,根据所述空心度,对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线的方法,包括:
采用Otsu大津法对各空心度进行阈值分割,得到最优阈值;
判断各备选圆柱体废钢轮廓线对应的空心度是否小于最优阈值,若是,则判定对应备选圆柱体废钢轮廓线为实体形废钢轮廓线,对应备选圆柱体废钢轮廓线对应的区域范围内的其它圆形轮廓线即不属于实体形废钢轮廓线也不属于空体形废钢轮廓线;否则,则判定对应备选圆柱体废钢轮廓线为空体形废钢轮廓线,对应备选圆柱体废钢轮廓线对应的区域范围内的除备选圆柱体废钢轮廓线之外的其它圆形轮廓线为空体形废钢轮廓线。
优选的,获得各空体形废钢轮廓线对应的各候选轮廓线;计算各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值的方法,包括:
对于任一空体形废钢轮廓线:
将该空体形废钢轮廓线中除该空体形废钢轮廓线之外的其它的空体形废钢轮廓线记为该空体形废钢轮廓线对应的各候选轮廓线;对于该空体形废钢轮廓线对应的任一候选轮廓线:
计算该空体形废钢轮廓线上的各像素点到该候选轮廓线上的最短欧式距离的均值,记为该空体形废钢轮廓线与该候选轮廓线之间的平均距离;
计算该空体形废钢轮廓线和该候选轮廓线的皮尔逊相关系数,将该空体形废钢轮廓线的皮尔逊相关系数记为该空体形废钢轮廓线的形状相关系数,将该候选轮廓线的皮尔逊相关系数记为该候选轮廓线的形状相关系数;
根据该空体形废钢轮廓线的形状相关系数和该候选轮廓线的形状相关系数,得到该空体形废钢轮廓线与该候选轮廓线之间的结构相似度;
将该空体形废钢轮廓线与对应的各候选轮廓线之间的结构相似度与平均距离的比值,记为该空体形废钢轮廓线与对应的各候选轮廓线之间的特征值。
优选的,根据所述特征值,得到空体形废钢轮廓线对的方法,包括:
对于任一空体形废钢轮廓线:
判断该空体形废钢轮廓线与对应的各候选轮廓线之间的特征值中的最大特征值是否大于预设特征值阈值,若是,则将最大特征值对应的候选轮廓线记为该空体形废钢轮廓线对应的同体轮廓线;
将该空体形废钢轮廓线和该空体形废钢轮廓线对应的同体轮廓线记为空体形废钢轮廓线对。
有益效果:本发明根据各圆形轮廓线对应的区域范围是否属于其它圆形轮廓线对应的区域范围的子集和各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量,得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线;然后根据各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线的圆参数、内侧圆形轮廓线的圆参数以及各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度;其次根据空心度,对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线;并根据各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值,得到空体形废钢轮廓线对;最后依据各实体形废钢轮廓线的直径和各空体形废钢轮廓线对之间的平均距离,得到各实体形废钢轮廓线对应的实体形废钢的废钢等级和各空体形废钢轮廓线对对应的空体形废钢的废钢等级。本发明能够解决利用传统阈值分割方法分割效果不好的问题,并且同时也能避免放置区废钢材料嵌套放置和紧邻放置带来的干扰,提高了对废钢评级的可靠性和精度。
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和优点,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的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1为本发明一种用于废钢处理工艺中的废钢等级识别方法的流程图。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明实施例,本领域普通技术人员所获得的所有其它实施例,都属于本发明实施例保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术人员通常理解的含义相同。
本实施例提供了用于废钢处理工艺中的废钢等级识别方法,详细说明如下:
如图1所示,该用于废钢处理工艺中的废钢等级识别方法,包括以下步骤:
步骤S001,获取中型废钢放置区对应的目标废钢材料图像。
本实施例主要对中型废钢放置区放置的中型废钢进行评级,并且主要依据实体形废钢的直径以及空体形废钢的厚度对废钢进行评级,即对中型废钢放置区图像进行分析,依据分析得到的实体形废钢的直径以及空体形废钢的厚度进行评级;所述实体形废钢是指圆柱体废钢,所述空体形废钢是指除圆柱实体形废钢之外的其它形态的废钢,例如空心形态的废钢、直角形态的废钢等。但是中型废钢放置区的中型废钢材料表面的锈蚀程度不同,锈蚀较严重的废钢材料偏黑,其对应的灰度值较低,锈蚀较轻微的废钢材料偏白,其对应的灰度值较高;而采用传统的阈值分割,只能得到一个全局的固定的最优分割阈值,进而可能不能将紧邻的废钢材料分割开,而且计算机事先并不知道中型废钢材料的放置情况,因此采用传统的阈值分割也无法将图像中的中型废钢材料与背景区域区分开,进而也不能可靠的对废钢进行评级。因此本实施例提供了一种用于废钢处理工艺中的废钢等级识别方法,该方法主要基于废钢形态对中型废钢放置区的中型废钢进行分割,能够解决利用传统阈值分割方法分割效果不好的问题,并且同时也能避免放置区废钢材料嵌套放置和紧邻放置带来的干扰,提高了对废钢评级的可靠性和精度。
本实施例对中型废钢放置区进行图像采集,得到中型废钢放置区对应的废钢材料图像;所述图像采集设备为CMOS相机;一般情况下中型废钢材料为圆柱形状、圆筒形状以及直角形状,而为了增加放置区的利用率,废钢放置区的废钢材料不会特别杂乱的进行放置,本实施例设置放置中型废钢材料时中型废钢材料的中心轴垂直于放置面;因此将CMOS相机设置为俯拍位姿,以获取中型废钢放置区图像数据,方便后续对中型废钢的等级进行精确的划分。然后将废钢材料图像从彩色RGB格式转化为灰度图像,并采用直方图均衡化,得到废钢材料图像对应的目标废钢材料图像;所述直方图均衡化可以增加图像对比度,消除废钢材料图像光照不均衡的问题。
步骤S002,获得目标废钢材料图像对应的各轮廓线以及各轮廓线中的圆形轮廓线和空体形废钢轮廓线;根据各圆形轮廓线对应的区域范围是否属于其它圆形轮廓线对应的区域范围的子集和各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量,得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线。
本实施例首先对目标废钢材料图像对应的各轮廓线进行分析,得到各轮廓线中的圆形轮廓线和空体形废钢轮廓线;然后再对圆形轮廓线进行分析得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线;后续将对备选圆柱体废钢轮廓线以及备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分析,得到空体形废钢轮廓线和实体形废钢轮廓线;具体为:
利用边缘检测算子提取目标废钢材料图像的边缘轮廓,得到目标废钢材料图像对应的各轮廓线;具体为:采用高斯滤波器平滑目标废钢材料图像,并计算目标废钢材料图像上各像素的梯度幅值和方向,判断每个像素与其梯度方向上相邻像素的梯度幅值大小,进行非极大值抑制,然后采用双阈值算法检测边缘并将边缘相连;采用形态学处理的闭操作,填充边缘中的裂缝,并且本实施例只保留像素点数目大于50的边缘线作为轮廓线,因此得到N条独立的轮廓线,即得到目标废钢材料图像对应的各轮廓线。
接下来对各轮廓线进行分析,主要目的是将实体形废钢轮廓线与其它轮廓线区分开;因此利用霍夫圆变换对各轮廓线进行圆检测,将符合圆形特点的轮廓线从N条独立的轮廓线中提取出来,并得到各轮廓线中的各圆形轮廓线以及各圆形轮廓线对应的圆参数;所述圆参数包括各圆形轮廓线对应的半径和圆心坐标;将不属于圆形轮廓线的各轮廓线记为空体形废钢轮廓线;获取各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量;所述圆形轮廓线对应的区域范围是指圆形轮廓线内的区域范围。
正常情况下,实体形废钢轮廓线对应的区域范围内不会出现其它的圆形轮廓线;但是由于在实体形废钢表面可能会出现圆形的锈斑,即圆柱体废钢表面可能会出现圆形的锈斑,因此这种情况可能使得实体形废钢轮廓线对应的区域范围存在其它的圆形轮廓线;因此仅仅基于圆形轮廓线对应的区域范围内其它圆形轮廓线的数量不能区分开圆形轮廓线中的空体形废钢轮廓线和实体形废钢轮廓线。
因此本实施例根据各圆形轮廓线对应的区域范围是否属于其它圆形轮廓线对应的区域范围的子集以及各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量,得到各圆形轮廓线中的各备选圆柱体废钢轮廓线和各实体形废钢轮廓线;所述备选圆柱体废钢轮廓线可能是空体形废钢轮廓线也可能是实体形废钢轮廓线。具体为:对于任一圆形轮廓线:若该圆形轮廓线对应的区域范围不属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量不为0,则将该圆形轮廓线记为备选圆柱体废钢轮廓线;若该圆形轮廓线对应的区域范围属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量为0,则将该圆形轮廓线记为备选圆柱体废钢轮廓线;若该圆形轮廓线对应的区域范围不属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量为0,则将该圆形轮廓线记为实体形废钢轮廓线;并且备选圆柱体废钢轮廓线对应的区域范围内的其它圆形轮廓线也可能是备选圆柱体废钢轮廓线。
步骤S003,获得所述备选圆柱体废钢轮廓线对应的内侧圆形轮廓线和对应的目标区域;根据各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线的圆参数、所述内侧圆形轮廓线的圆参数以及各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度;根据所述空心度,对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线。
本实施例中由于不能确定备选圆柱体废钢轮廓线是属于实体形废钢轮廓线还是空体形废钢轮廓线,也不能确定备选圆柱体废钢轮廓线应的区域范围内其它圆形轮廓线是属于实体形废钢轮廓线还是空体形废钢轮廓线,因此需要对备选圆柱体废钢轮廓线进行分析,得到各备选圆柱体废钢轮廓线对应的空心度;然后依据对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线;具体为:
一般情况下,实体形废钢表面可能会出现圆形锈斑的概率较小,因此一个实体形废钢对应的圆形轮廓线区域范围内出现多个圆形锈斑的概率更小;因此当备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线的数量越多,表明该备选圆柱体废钢轮廓线是空心圆筒废钢的概率越大,即该备选圆柱体废钢轮廓线是空体形废钢的概率越大;并且对于空心圆筒废钢来说,圆筒内侧的圆形圆心位置与圆筒外侧的圆形圆心位置距离很接近,几乎同心,并且由于圆筒的厚度较薄,圆筒内侧的圆形与外侧的圆形的半径较为相似,而且对于空心圆筒废钢来说圆筒外侧和内侧之间区域的材料表面与圆筒内侧的空心区域之间的灰度以及纹理信息相差均较大。
因此本实施例获取各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线对应的半径中的最大值对应的圆形轮廓线,记为内侧圆形轮廓线;计算各备选圆柱体废钢轮廓线对应的半径与各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的半径之间差值的绝对值,记为各备选圆柱体废钢轮廓线对应的半径差异值;计算各备选圆柱体废钢轮廓线对应的圆心坐标与各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的圆心坐标之间的欧式距离,记为各备选圆柱体废钢轮廓线对应的圆心差异值;将属于各备选圆柱体废钢轮廓线对应的区域范围且不属于各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的区域范围的范围区域记为各备选圆柱体废钢轮廓线对应的目标区域;计算得到各备选圆柱体废钢轮廓线对应的目标区域中各像素点灰度值的均值,记为各备选圆柱体废钢轮廓线对应的目标区域的灰度均值;计算各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的区域范围中各像素点灰度值的均值,记为各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线的灰度均值;根据各备选圆柱体废钢轮廓线对应的目标区域的灰度均值和对应内侧圆形轮廓线的灰度均值,得到各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度;对于任一备选圆柱体废钢轮廓线,根据如下公式计算该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度:
其中,为该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度,为该备选圆柱体废钢轮廓线对应的目标区域的灰度均值,为该备选圆柱体废钢轮廓线对应的内侧圆形轮廓线的灰度均值,为取最大值函数,为取最小值函数;越小,该备选圆柱体废钢轮廓线是实体形废钢轮廓线的可能性越大。
接下来构建得到各备选圆柱体废钢轮廓线对应的目标区域的灰度共生矩阵和所述内侧圆形轮廓线对应的区域范围的灰度共生矩阵;根据所述灰度共生矩阵对应的能量、熵值、对比度和逆差矩,构建得到所述目标区域的纹理向量和所述内侧圆形轮廓线对应的区域范围的纹理向量,将所述内侧圆形轮廓线对应的区域范围的纹理向量记为所述内侧圆形轮廓线的纹理向量;所述纹理向量中的第一个参数均为能量、第二个参数均为熵值、第三个参数均为对比度、第四个参数均为逆差矩;根据各备选圆柱体废钢轮廓线对应的目标区域的纹理向量和对应内侧圆形轮廓线的纹理向量,得到各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的纹理对比度;对于任一备选圆柱体废钢轮廓线,根据如下公式计算该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的纹理对比度:
其中,为该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的纹理对比度,为该备选圆柱体废钢轮廓线对应的目标区域的纹理向量中的第i个参数的值,为该备选圆柱体废钢轮廓线对应的内侧圆形轮廓线的纹理向量中的第i个参数的值;越小,该备选圆柱体废钢轮廓线是实体形废钢轮廓线的可能性越大。
因此通过上述过程可以得到各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度和纹理对比度;将各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度和纹理对比度之和,记为各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度;所述灰度纹理对比度越小,表明该备选圆柱体废钢轮廓线是实体形废钢轮廓线的可能性越大。
根据各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线对应的半径、各备选圆柱体废钢轮廓线对应的半径差异值、各备选圆柱体废钢轮廓线对应的圆心差异值以及所述灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度;对于任一备选圆柱体废钢轮廓线,根据如下公式计算该备选圆柱体废钢轮廓线对应的空心度:
其中,为该备选圆柱体废钢轮廓线对应的空心度,为该备选圆柱体废钢轮廓线对应的半径,为该备选圆柱体废钢轮廓线对应的半径差异值,为备选圆柱体废钢轮廓线对应的圆心差异值,为该备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度,为该备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线的数量,为调节参数;越小,表明该备选圆柱体废钢轮廓线是实体形废钢轮廓线的可能性越大;越大,越小;越大,越小;越小,越小;越小,越小;所述调节参数需要根据实际情况设置。
本实施例采用Otsu大津法对得到的各空心度进行阈值分割,得到最优阈值;然后判断各备选圆柱体废钢轮廓线对应的空心度是否小于最优阈值,若是,则判定对应备选圆柱体废钢轮廓线为实体形废钢轮廓线,对应备选圆柱体废钢轮廓线对应的区域范围内的其它圆形轮廓线为圆形锈斑;否则,则判定对应备选圆柱体废钢轮廓线为空体形废钢轮廓线,对应备选圆柱体废钢轮廓线对应的区域范围内的除备选圆柱体废钢轮廓线之外的其它圆形轮廓线为空体形废钢轮廓线。
因此本实施例中通过步骤S001以及S002可以得到目标废钢材料图像对应的各轮廓线中的实体形废钢轮廓线和空体形废钢轮廓线。
步骤S004,获得各空体形废钢轮廓线对应的各候选轮廓线;计算各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值;根据所述特征值,得到空体形废钢轮廓线对;所述空体形废钢轮廓线对属于同一个空体形废钢。
由于空体形废钢可能会出现嵌套放置或者紧邻放置的情况,这种情况会对空体形废钢厚度的准确求取带来影响;因此本实施例对各空体形废钢轮廓线与各空体形废钢轮廓线对应的各候选轮廓线之间的形状结构和空间位置进行分析,得到各空体形废钢对应的空体形废钢轮廓线对。具体为:
对于任一空体形废钢轮廓线:
将该空体形废钢轮廓线中除该空体形废钢轮廓线之外的其它的空体形废钢轮廓线记为该空体形废钢轮廓线对应的各候选轮廓线;对于该空体形废钢轮廓线对应的任一候选轮廓线:
计算该空体形废钢轮廓线上的各像素点到该候选轮廓线上的最短欧式距离的均值,记为该空体形废钢轮廓线与该候选轮廓线之间的平均距离;所述平均距离越小,表明该空体形废钢轮廓线和该候选轮廓线属于同一个空体形废钢的可能性越大。然后计算该空体形废钢轮廓线和该候选轮廓线的皮尔逊相关系数,将该空体形废钢轮廓线的皮尔逊相关系数记为该空体形废钢轮廓线的形状相关系数,将该候选轮廓线的皮尔逊相关系数记为该候选轮廓线的形状相关系数;根据该空体形废钢轮廓线的形状相关系数和该候选轮廓线的形状相关系数,得到该空体形废钢轮廓线与该候选轮廓线之间的结构相似度;根据如下公式计算该空体形废钢轮廓线与该候选轮廓线之间的结构相似度:
其中,为该空体形废钢轮廓线与该候选轮廓线之间的结构相似度,为该空体形废钢轮廓线的形状相关系数,为该候选轮廓线的形状相关系数;越大,表明该空体形废钢轮廓线与该候选轮廓线之间的结构相似度越大,即表明该空体形废钢轮廓线和该候选轮廓线属于同一个空体形废钢的可能性越大。
因此本实施例通过上述过程可以得到各空体形废钢轮廓线与对应的各候选轮廓线之间的平均距离和结构相似度;将各空体形废钢轮廓线与对应的各候选轮廓线之间的结构相似度与平均距离的比值,记为各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值;对于任一空体形废钢轮廓线:判断该空体形废钢轮廓线与对应的各候选轮廓线之间的特征值中的最大特征值是否大于预设特征值阈值,若是,则将最大特征值对应的候选轮廓线记为该空体形废钢轮廓线对应的同体轮廓线;所述同体轮廓线也属于空体形废钢轮廓线,因此将该空体形废钢轮廓线和该空体形废钢轮廓线对应的同体轮廓线记为空体形废钢轮廓线对;所述空体形废钢轮廓线对属于同一个空体形废钢。因此通过上述方式可以得到各空体形废钢轮廓线对;所述预设特征值阈值需要根据实际情况设置。
步骤S005,根据各实体形废钢轮廓线的直径和各空体形废钢轮廓线对之间的平均距离,得到各实体形废钢轮廓线对应的实体形废钢的废钢等级和各空体形废钢轮廓线对对应的空体形废钢的废钢等级。
本实施例中获取各实体形废钢轮廓线对应的直径;将各空体形废钢轮廓线对中两条轮廓线之间的平均距离记为各空体形废钢轮廓线对对应的空体形废钢的厚度;上述得到的直径和厚度是图像中像素的个数,需要转化为三维坐标系中的真实物理长度来进行判断,由此根据CMOS相机的参数采用四参数坐标转换方法将像素的个数转化为真实的物理长度,因此可以得到各实体形废钢轮廓线对应的实体形废钢的真实直径和各空体形废钢轮廓线对对应的空体形废钢的真实厚度;所述根据CMOS相机的参数采用四参数坐标转换方法将像素的个数转化为真实的物理长度为公知技术,因此不做详细描述。对于实体形废钢:将实体形废钢的真实直径在毫米之间的评为精选废钢二级,将实体形废钢的真实直径不小于毫米的评为精选废钢一级;对于空体形废钢:将空体形废钢的真实厚度在毫米之间的评为精选废钢二级,将空体形废钢的真实厚度不小于毫米的评为精选废钢一级。
本实施例根据各圆形轮廓线对应的区域范围是否属于其它圆形轮廓线对应的区域范围的子集和各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量,得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线;然后根据各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线的圆参数、内侧圆形轮廓线的圆参数以及各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度;其次根据空心度,对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线;并根据各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值,得到空体形废钢轮廓线对;最后依据各实体形废钢轮廓线的直径和各空体形废钢轮廓线对之间的平均距离,得到各实体形废钢轮廓线对应的实体形废钢的废钢等级和各空体形废钢轮廓线对对应的空体形废钢的废钢等级。本实施例能够解决利用传统阈值分割方法分割效果不好的问题,并且同时也能避免放置区废钢材料嵌套放置和紧邻放置带来的干扰,提高了对废钢评级的可靠性和精度。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种用于废钢处理工艺中的废钢等级识别方法,其特征在于,该方法包括如下步骤:
获取中型废钢放置区对应的目标废钢材料图像;
获得目标废钢材料图像对应的各轮廓线以及各轮廓线中的圆形轮廓线和空体形废钢轮廓线;根据各圆形轮廓线对应的区域范围是否属于其它圆形轮廓线对应的区域范围的子集和各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量,得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线;
获得所述备选圆柱体废钢轮廓线对应的内侧圆形轮廓线和对应的目标区域;根据各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线的圆参数、所述内侧圆形轮廓线的圆参数以及各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度;根据所述空心度,对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线;
获得各空体形废钢轮廓线对应的各候选轮廓线;计算各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值;根据所述特征值,得到空体形废钢轮廓线对;所述空体形废钢轮廓线对属于同一个空体形废钢;
根据各实体形废钢轮廓线的直径和各空体形废钢轮廓线对之间的平均距离,得到各实体形废钢轮廓线对应的实体形废钢的废钢等级和各空体形废钢轮廓线对对应的空体形废钢的废钢等级。
2.如权利要求1所述的用于废钢处理工艺中的废钢等级识别方法,其特征在于,获得目标废钢材料图像对应的各轮廓线以及各轮廓线中的圆形轮廓线和空体形废钢轮廓线的方法,包括:
利用边缘检测算子提取目标废钢材料图像的边缘轮廓,得到目标废钢材料图像对应的各轮廓线;
利用霍夫圆变换对各轮廓线进行圆检测,得到各轮廓线中的各圆形轮廓线以及各圆形轮廓线对应的圆参数;所述圆参数包括各圆形轮廓线对应的半径和圆心坐标;
将不属于圆形轮廓线的各轮廓线记为空体形废钢轮廓线。
3.如权利要求1所述的用于废钢处理工艺中的废钢等级识别方法,其特征在于,所述得到各圆形轮廓线中的备选圆柱体废钢轮廓线和实体形废钢轮廓线的方法,包括:
获取各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量;
对于任一圆形轮廓线:
若该圆形轮廓线对应的区域范围不属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量不为0,则将该圆形轮廓线记为备选圆柱体废钢轮廓线;
若该圆形轮廓线对应的区域范围属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量为0,则将该圆形轮廓线记为备选圆柱体废钢轮廓线;
若该圆形轮廓线对应的区域范围不属于其它圆形轮廓线对应的区域范围的子集且该圆形轮廓线对应的区域范围内其它圆形轮廓线的数量为0,则将该圆形轮廓线记为实体形废钢轮廓线。
4.如权利要求1所述的用于废钢处理工艺中的废钢等级识别方法,其特征在于,获得所述备选圆柱体废钢轮廓线对应的内侧圆形轮廓线和对应的目标区域的方法,包括:
获取各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线对应的半径中的最大值对应的圆形轮廓线,记为内侧圆形轮廓线;
将属于各备选圆柱体废钢轮廓线对应的区域范围且不属于各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的区域范围的范围区域记为各备选圆柱体废钢轮廓线对应的目标区域。
5.如权利要求2所述的用于废钢处理工艺中的废钢等级识别方法,其特征在于,所述得到各备选圆柱体废钢轮廓线对应的空心度的方法,包括:
计算各备选圆柱体废钢轮廓线对应的半径与各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的半径之间差值的绝对值,记为各备选圆柱体废钢轮廓线对应的半径差异值;
计算各备选圆柱体废钢轮廓线对应的圆心坐标与各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的圆心坐标之间的欧式距离,记为各备选圆柱体废钢轮廓线对应的圆心差异值;
计算得到各备选圆柱体废钢轮廓线对应的目标区域中各像素点灰度值的均值,记为各备选圆柱体废钢轮廓线对应的目标区域的灰度均值;
计算各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线对应的区域范围中各像素点灰度值的均值,记为各备选圆柱体废钢轮廓线对应的内侧圆形轮廓线的灰度均值;
根据所述目标区域的灰度均值和所述内侧圆形轮廓线的灰度均值,得到各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度;
构建得到所述目标区域的灰度共生矩阵和所述内侧圆形轮廓线对应的区域范围的灰度共生矩阵;根据所述灰度共生矩阵对应的特征值,构建得到所述目标区域的纹理向量和所述内侧圆形轮廓线的纹理向量;
根据所述目标区域的纹理向量和所述内侧圆形轮廓线的纹理向量,得到各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的纹理对比度;
将各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度对比度和纹理对比度之和,记为各备选圆柱体废钢轮廓线对应的目标区域与对应内侧圆形轮廓线对应的区域范围之间的灰度纹理对比度;
根据各圆形轮廓线对应的区域范围内其它圆形轮廓线的数量、各备选圆柱体废钢轮廓线对应的半径、所述半径差异值、所述圆心差异值以及所述灰度纹理对比度,得到各备选圆柱体废钢轮廓线对应的空心度。
8.如权利要求1所述的用于废钢处理工艺中的废钢等级识别方法,其特征在于,根据所述空心度,对各备选圆柱体废钢轮廓线以及各备选圆柱体废钢轮廓线对应的区域范围内其它圆形轮廓线进行分类,得到空体形废钢轮廓线和实体形废钢轮廓线的方法,包括:
采用Otsu大津法对各空心度进行阈值分割,得到最优阈值;
判断各备选圆柱体废钢轮廓线对应的空心度是否小于最优阈值,若是,则判定对应备选圆柱体废钢轮廓线为实体形废钢轮廓线,对应备选圆柱体废钢轮廓线对应的区域范围内的其它圆形轮廓线既不属于实体形废钢轮廓线也不属于空体形废钢轮廓线;否则,则判定对应备选圆柱体废钢轮廓线为空体形废钢轮廓线,对应备选圆柱体废钢轮廓线对应的区域范围内除备选圆柱体废钢轮廓线之外的其它圆形轮廓线为空体形废钢轮廓线。
9.如权利要求1所述的用于废钢处理工艺中的废钢等级识别方法,其特征在于,所述获得各空体形废钢轮廓线对应的各候选轮廓线;计算各空体形废钢轮廓线与对应的各候选轮廓线之间的特征值的方法,包括:
对于任一空体形废钢轮廓线:
将该空体形废钢轮廓线中除该空体形废钢轮廓线之外的其它的空体形废钢轮廓线记为该空体形废钢轮廓线对应的各候选轮廓线;对于该空体形废钢轮廓线对应的任一候选轮廓线:
计算该空体形废钢轮廓线上的各像素点到该候选轮廓线上的最短欧式距离的均值,记为该空体形废钢轮廓线与该候选轮廓线之间的平均距离;
计算该空体形废钢轮廓线和该候选轮廓线的皮尔逊相关系数,将该空体形废钢轮廓线的皮尔逊相关系数记为该空体形废钢轮廓线的形状相关系数,将该候选轮廓线的皮尔逊相关系数记为该候选轮廓线的形状相关系数;
根据该空体形废钢轮廓线的形状相关系数和该候选轮廓线的形状相关系数,得到该空体形废钢轮廓线与该候选轮廓线之间的结构相似度;
将该空体形废钢轮廓线与对应的各候选轮廓线之间的结构相似度与平均距离的比值,记为该空体形废钢轮廓线与对应的各候选轮廓线之间的特征值。
10.如权利要求1所述的用于废钢处理工艺中的废钢等级识别方法,其特征在于,根据所述特征值,得到空体形废钢轮廓线对的方法,包括:
对于任一空体形废钢轮廓线:
判断该空体形废钢轮廓线与对应的各候选轮廓线之间的特征值中的最大特征值是否大于预设特征值阈值,若是,则将最大特征值对应的候选轮廓线记为该空体形废钢轮廓线对应的同体轮廓线;
将该空体形废钢轮廓线和该空体形废钢轮廓线对应的同体轮廓线记为空体形废钢轮廓线对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210838727.1A CN114998318B (zh) | 2022-07-18 | 2022-07-18 | 用于废钢处理工艺中的废钢等级识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210838727.1A CN114998318B (zh) | 2022-07-18 | 2022-07-18 | 用于废钢处理工艺中的废钢等级识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114998318A true CN114998318A (zh) | 2022-09-02 |
CN114998318B CN114998318B (zh) | 2022-10-25 |
Family
ID=83022395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210838727.1A Active CN114998318B (zh) | 2022-07-18 | 2022-07-18 | 用于废钢处理工艺中的废钢等级识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998318B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4211576A (en) * | 1976-02-18 | 1980-07-08 | Mobil Oil Corporation | Pitch and asphalt compositions |
CN104884180A (zh) * | 2012-09-07 | 2015-09-02 | 蒂森克虏伯钢铁欧洲股份公司 | 由金属材料特别是钢材制成的平板产品、该平板产品的用途、辊以及用于生产该平板产品的方法 |
CN110660074A (zh) * | 2019-10-10 | 2020-01-07 | 北京同创信通科技有限公司 | 一种建立废钢等级划分神经网络模型方法 |
CN110717455A (zh) * | 2019-10-10 | 2020-01-21 | 北京同创信通科技有限公司 | 一种收储中的废钢等级分类检测方法 |
CN113139948A (zh) * | 2021-04-28 | 2021-07-20 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 器官轮廓线质量评估方法、装置及系统 |
CN113177605A (zh) * | 2021-05-14 | 2021-07-27 | 南京耘瞳科技有限公司 | 一种基于视频监控的废钢车厢等级判定方法 |
CN113742829A (zh) * | 2021-09-03 | 2021-12-03 | 中国铁路设计集团有限公司 | 一种桥梁结构任意截面读取处理和截面特性计算方法 |
CN114131213A (zh) * | 2021-11-10 | 2022-03-04 | 江苏大学 | 一种透明材料封闭图形空心结构的激光改质切割与自动分离的方法 |
CN114414580A (zh) * | 2022-03-30 | 2022-04-29 | 新极技术(北京)有限公司 | 一种废钢上杂质的识别及扣重方法 |
CN114663457A (zh) * | 2022-03-30 | 2022-06-24 | 浙江理工大学 | 复杂背景下基于圆形卷积核的纱筒识别方法及系统 |
-
2022
- 2022-07-18 CN CN202210838727.1A patent/CN114998318B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4211576A (en) * | 1976-02-18 | 1980-07-08 | Mobil Oil Corporation | Pitch and asphalt compositions |
CN104884180A (zh) * | 2012-09-07 | 2015-09-02 | 蒂森克虏伯钢铁欧洲股份公司 | 由金属材料特别是钢材制成的平板产品、该平板产品的用途、辊以及用于生产该平板产品的方法 |
CN110660074A (zh) * | 2019-10-10 | 2020-01-07 | 北京同创信通科技有限公司 | 一种建立废钢等级划分神经网络模型方法 |
CN110717455A (zh) * | 2019-10-10 | 2020-01-21 | 北京同创信通科技有限公司 | 一种收储中的废钢等级分类检测方法 |
CN113139948A (zh) * | 2021-04-28 | 2021-07-20 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 器官轮廓线质量评估方法、装置及系统 |
CN113177605A (zh) * | 2021-05-14 | 2021-07-27 | 南京耘瞳科技有限公司 | 一种基于视频监控的废钢车厢等级判定方法 |
CN113742829A (zh) * | 2021-09-03 | 2021-12-03 | 中国铁路设计集团有限公司 | 一种桥梁结构任意截面读取处理和截面特性计算方法 |
CN114131213A (zh) * | 2021-11-10 | 2022-03-04 | 江苏大学 | 一种透明材料封闭图形空心结构的激光改质切割与自动分离的方法 |
CN114414580A (zh) * | 2022-03-30 | 2022-04-29 | 新极技术(北京)有限公司 | 一种废钢上杂质的识别及扣重方法 |
CN114663457A (zh) * | 2022-03-30 | 2022-06-24 | 浙江理工大学 | 复杂背景下基于圆形卷积核的纱筒识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
B. FORNAI 等: "A Software Tool for Comparing the Economic Value of Different Scrap Mixes in Steel Production", 《2013 4TH INTERNATIONAL CONFERENCE ON INTELLIGENT SYSTEMS, MODELLING AND SIMULATION》 * |
郭锋: "基于神经网络实现废钢车辆的精准定位", 《冶金设备》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114998318B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115345885B (zh) | 一种金属健身器材外观质量检测方法 | |
CN106404793B (zh) | 基于视觉的轴承密封件缺陷检测方法 | |
CN116703907B (zh) | 一种基于机器视觉的汽车铸件表面缺陷检测方法 | |
CN115330783A (zh) | 一种钢丝绳缺陷检测方法 | |
CN114882044B (zh) | 金属管件表面质量检测方法 | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN115331119B (zh) | 一种固体废弃物识别方法 | |
CN115049657A (zh) | 一种玻璃缺陷检测方法 | |
CN109598681B (zh) | 一种对称唐卡修复后图像的无参考质量评价方法 | |
CN115131359B (zh) | 一种金属加工件表面麻点缺陷检测方法 | |
CN116758084B (zh) | 基于图像数据的钣金件焊接缺陷智能检测方法 | |
CN116503403B (zh) | 基于图像处理的金属切削刀头的缺陷检测方法 | |
CN114742788A (zh) | 一种基于机器视觉的铜排缺陷检测方法及系统 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN107516315B (zh) | 一种基于机器视觉的掘进机出渣监测方法 | |
CN115131356A (zh) | 一种基于丰富度的钢板缺陷分类方法 | |
CN116309577A (zh) | 一种高强传送带物料智能检测方法及系统 | |
CN114998318B (zh) | 用于废钢处理工艺中的废钢等级识别方法 | |
CN115423816B (zh) | 一种金属表面磨削质量检测方法 | |
CN113888456B (zh) | 一种基于轮廓的角点检测方法 | |
CN115619799B (zh) | 一种基于迁移学习的晶粒图像分割方法及系统 | |
CN115511884B (zh) | 基于计算机视觉的冲孔复合模表面质量检测方法 | |
CN113643352B (zh) | 一种自然覆冰在线监测运行导线图像覆冰程度评估方法 | |
CN114677428A (zh) | 基于无人机图像处理的输电线覆冰厚度检测方法 | |
CN118096728B (zh) | 基于机器视觉的零部件喷涂质量检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |