CN117496208B - 一种实时获取料场内堆料信息的方法 - Google Patents

一种实时获取料场内堆料信息的方法 Download PDF

Info

Publication number
CN117496208B
CN117496208B CN202311846056.4A CN202311846056A CN117496208B CN 117496208 B CN117496208 B CN 117496208B CN 202311846056 A CN202311846056 A CN 202311846056A CN 117496208 B CN117496208 B CN 117496208B
Authority
CN
China
Prior art keywords
image data
pile
stockpile
image
area
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
CN202311846056.4A
Other languages
English (en)
Other versions
CN117496208A (zh
Inventor
纪辉
尹可晖
董怡
陈瑞
房文静
张�杰
赵伟丽
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 Chaohui Automation Technology Co ltd
Original Assignee
Shandong Chaohui Automation 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 Chaohui Automation Technology Co ltd filed Critical Shandong Chaohui Automation Technology Co ltd
Priority to CN202311846056.4A priority Critical patent/CN117496208B/zh
Publication of CN117496208A publication Critical patent/CN117496208A/zh
Application granted granted Critical
Publication of CN117496208B publication Critical patent/CN117496208B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明涉及数据识别技术领域，具体涉及一种实时获取料场内堆料信息的方法，包括；于料场内部堆料区域中心区域部署图像采集设备，应用图像采集设备实时采集料场内部堆料区内域各料堆图像数据；获取图像采集设备采集各料堆图像数据，对料堆图像数据进行归一化处理，并在归一化处理完成后，识别并选择各料堆图像数据中品质最佳的一组图像数据，本发明通过部署的图像采集设备能够对料场内部料堆进行图像数据采集，进而以采集的料堆图像数据进行分析，获取料堆图像数据的纹理特征，进一步基于干料堆的纹理特征分析结果作为参照与料堆图像数据的纹理特征进行比对，对料场内各料堆的可用性进行分析，确保料场销售及使用的河沙料堆符合销售及使用需求。

Description

一种实时获取料场内堆料信息的方法
技术领域
本发明涉及数据识别技术领域，具体涉及一种实时获取料场内堆料信息的方法。
背景技术
河沙是天然石在自然状态下，经水的作用力长时间反复冲撞、摩擦产生的，其成份较为复杂、表面有一定光滑性，杂质含量多的非金属矿石，河沙于河床中采集后，会运输至料场中进行晾干或烘干处理，河沙在晾晒或烘干处理后，往往以堆积的方式于料场中露天搁置。
然而，这些露天搁置的河沙料堆会受气候影响出现返潮或内部蓄藏水分的情况，这一问题会导致料场在销售河沙时，河沙质量称重不准，进而导致相等质量的河沙在购置时，因河沙中含水量不同，购置河沙所用的费用也不相同，此外，河沙的含水量参差也会直接导致河沙的使用。
发明内容
针对现有技术所存在的上述缺点，本发明提供了一种实时获取料场内堆料信息的方法，解决了上述背景技术中提出的技术问题。
为实现以上目的，本发明通过以下技术方案予以实现：
一种实时获取料场内堆料信息的方法，包括；
于料场内部堆料区域中心区域部署图像采集设备，应用图像采集设备实时采集料场内部堆料区域各料堆图像数据；获取图像采集设备采集各料堆图像数据，对料堆图像数据进行归一化处理，并在归一化处理完成后，识别并选择各料堆图像数据中品质最佳的一组图像数据，基于选择的料堆图像数据，识别料堆图像数据中料堆图像区域中湿度最大区域，对料堆图像区域中湿度最大区域进行纹理特征识别，输入干料堆图像数据，对干料堆图像数据进行相同的纹理特征识别，进一步比对两组纹理特征识别结果相似性，基于相似性比对结果评估料堆图像数据对应料堆可用性；实时获取料场所在区域气象数据，基于气象数据预测料堆可用性评估结果准确度，对评估的料堆可用性及预测的料堆可用性评估结果准确度进行输出；
其中，料场所在区域气象数据包括：料场所在区域温度、湿度，所述料堆可用性评估结果准确度的预测逻辑为：
式中：k为料堆可用性评估结果准确度表现值；δ为料堆可用性；H为料场所在区域的当前湿度；Tmax为H在获取时前24小时内料场所在区域最高气温；Tmin为H在获取时前24小时内料场所在区域最低气温；
其中，δ＝γtarget/γrefer，γtarget为料堆图像区域中湿度最大区域的纹理特征识别结果；γrefer为干料堆图像数据对应纹理特征识别结果；
所述干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征被识别后，二者的相似性比对逻辑表示为：
γtarget/γrefer；
其中，γtarget/γrefer的值越接近1，则表示干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征相似性越高，且γtarget对应的料堆可用性越高，反之，则表示干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征相似性越低，且γtarget对应的料堆可用性越低，料堆可用性应用γtarget/γrefer进行表示。
更进一步地，所述图像采集设备由摄像头及电动转轴组成，摄像头安装于电动转轴的顶端，摄像头基于电动转轴传动旋转切换视角，对料场内部堆料区域内各料堆进行图像采集，采集的各料堆图像数据于摄像头内部储存，并在储存时，基于电动转轴传动摄像头旋转时所切换的视角角度进行区别标记，基于区别标记对各料堆图像数据进行区分储存；
其中，图像采集设备在对料堆进行图像数据采集时，与电动转轴的转动轨迹相互配置，使电动转轴每次传动摄像头旋转指定角度时，摄像头均完成指定数量的料堆图像数据的采集，所述电动转轴每次传动摄像头旋转角度不小于30度，旋转方向相同，且连续旋转角度均为相等的整数，所述摄像头基于电动转轴传动转动同步执行料堆图像数据采集时，每次采集的料堆图像数据不少于两组。
更进一步地，所述料堆图像数据的归一化处理逻辑表示为：
式中：p(x,y)′为归一化处理后输出的料堆图像；p(x,y)为料堆原始图像；Imin为料堆原始图像的最小灰度值；Imax为料堆原始图像的最大灰度值；MAX为料堆原始图像要拉伸到的灰度空间的灰度最大值；MIN为料堆原始图像要拉伸到的灰度空间的灰度最小值；
其中，表示对料堆原始图像的对比度拉伸处理。
更进一步地，所述堆料图像数据在完成归一化处理后，对各料堆图像数据的区别标记进行读取，基于相同区别标记，对摄像头中储存的各料堆图像数据进行连续的分组接收，使每组接收的料堆图像数据各自对应的区别标记均相同，识别并选择料堆图像数据的操作，于每组接收的料堆图像数据中执行；
其中，料堆图像数据的品质通过以下公式进行判定，公式为：
式中：g为归一化处理的料堆图像数据品质表现值；N为料堆图像数据中像素的集合；p(x,y)i为原料堆图像数据中第i个像素的像素值；p(x,y)′i为归一化处理的料堆图像数据中第i个像素的像素值；sim(p(x,y),p(x,y)′)为原料堆图像数据与归一化处理的料堆图像数据的相似度；L为归一化处理的料堆图像数据的最大灰度级；
所述p(x,y)i与p(x,y)′i分别对应的像素于各自对应图像中的位置相同，g值越大，则表示归一化处理的料堆图像数据品质越高，反之，则表示归一化处理的料堆图像数据品质越低，基于归一化处理的料堆图像数据的品质识别结果，选择归一化处理的料堆图像数据后，未选择的区别标记相同的料堆图像数据与摄像头中删除。
更进一步地，所述料堆图像数据中料堆图像区域中湿度最大区域的识别逻辑包括：
对料堆图像数据中料堆图像区域进行轮廓识别，在识别到料堆图像区域轮廓后，捕捉料堆图像区域轮廓中心，基于料堆图像区域轮廓中心截取料堆图像区域轮廓中局部料堆图像，应用局部料堆图像记作料堆图像区域中湿度最大的区域，并以局部料堆图像作为纹理特征识别目标，执行纹理特征识别操作；
其中，于料堆图像区域的轮廓中进行局部料堆图像的截取时，以轮廓中心为圆心，以任意长度为半径绘制圆形，圆形对应区域即截取的局部料堆图像，且绘制的圆形面积小于料堆图像区域大小的三分之一，大于料堆图像区域大小的五分之一。
更进一步地，所述纹理特征识别逻辑表示为：
式中：γ为图像数据纹理特征；m为图像数据中图像块的集合；n为图像块中像素块的集合；qv为图像块中第v个像素块的像素值；q0为图像块中中心像素块的像素值；
其中，基于上式求取图像数据纹理特征时，图像数据中图像块均为由图像分割得到的大小为3×3的图像块，n对应一组图像块，且所述图像数据纹理特征γ＞0。
更进一步地，所述输入的干料堆图像数据，基于料堆图像数据中料堆图像区域中湿度最大区域的识别逻辑求取局部料堆图像，在求取到局部料堆图像后应用纹理特征识别逻辑识别纹理特征；
其中，所述干料堆图像数据通过图像采集设备采集，在用户端确认后，于摄像头内部与摄像头内部储存的所有料堆图像数据区分储存。
更进一步地，评估的料堆可用性及预测的料堆可用性评估结果准确度在进行输出时，输出目标为图像采集设备中摄像头，用户端于摄像头中对评估的料堆可用性及预测的料堆可用性评估结果准确度进行读取，并基于评估的料堆可用性及预测的料堆可用性评估结果准确度对料堆进行选择，摄像头进一步基于料堆选择结果，对料堆对应可用性及可用性评估结果准确度来源料堆图像数据所属的标记实时反馈，供用户端读取，用户端基于读取到的料堆对应标记，与料场中，对选择料堆进行确认。
采用本发明提供的技术方案，与已知的公有技术相比，具有如下
有益效果：
1、本发明提供一种实时获取料场内堆料信息的方法，在该方法实施阶段，通过部署的图像采集设备能够对料场内部料堆进行图像数据采集，进而以采集的料堆图像数据进行分析，获取料堆图像数据的纹理特征，并进一步基于干料堆的纹理特征分析结果作为参照与料堆图像数据的纹理特征进行比对，对料场内各料堆的可用性进行分析，以供用户端参考，确保料场销售及使用的河沙料堆符合销售及使用需求。
2、本发明中方法，在采集料堆图像数据后，对料堆图像数据进行了选择及相应的分析处理，确保该方法在执行过程中应用的料堆图像数据更加精准的体现料堆的实际情况，进而以此使得该方法最终的输出结果更加趋于精准可靠。
3、本发明中方法基于料堆的可用性分析，进一步为料堆在被用户端选择时提供选择逻辑，确保符合销售及使用需求的料堆能够被用户端快捷且精准的找寻，进而为料场的日常管理带来更多便利。
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他的附图。
图1为一种实时获取料场内堆料信息的方法的流程示意图；
图2为本发明中图像采集设备部署逻辑展示示意图；
图3为本发明中图像纹理特征识别逻辑中应用的图像块示意图；
图中的标号分别代表：1、电动转轴；2、摄像头；3、料堆。
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。
下面结合实施例对本发明作进一步的描述。
实施例1：
本实施例的一种实时获取料场内堆料信息的方法，如图1所示，包括：
于料场内部堆料区域中心区域部署图像采集设备，应用图像采集设备实时采集料场内部堆料区域各料堆图像数据；获取图像采集设备采集各料堆图像数据，对料堆图像数据进行归一化处理，并在归一化处理完成后，识别并选择各料堆图像数据中品质最佳的一组图像数据，基于选择的料堆图像数据，识别料堆图像数据中料堆图像区域中湿度最大区域，对料堆图像区域中湿度最大区域进行纹理特征识别，输入干料堆图像数据，对干料堆图像数据进行相同的纹理特征识别，进一步比对两组纹理特征识别结果相似性，基于相似性比对结果评估料堆图像数据对应料堆可用性；实时获取料场所在区域气象数据，基于气象数据预测料堆可用性评估结果准确度，对评估的料堆可用性及预测的料堆可用性评估结果准确度进行输出；
其中，料场所在区域气象数据包括：料场所在区域温度、湿度，料堆可用性评估结果准确度的预测逻辑为：
式中：k为料堆可用性评估结果准确度表现值；δ为料堆可用性；H为料场所在区域的当前湿度；Tmax为H在获取时前24小时内料场所在区域最高气温；Tmin为H在获取时前24小时内料场所在区域最低气温；
其中，δ＝γtarget/γrefer，γtarget为料堆图像区域中湿度最大区域的纹理特征识别结果；γrefer为干料堆图像数据对应纹理特征识别结果；
图像采集设备由摄像头及电动转轴组成，摄像头安装于电动转轴的顶端，摄像头基于电动转轴传动旋转切换视角，对料场内部堆料区域内各料堆进行图像采集，采集的各料堆图像数据于摄像头内部储存，并在储存时，基于电动转轴传动摄像头旋转时所切换的视角角度进行区别标记，基于区别标记对各料堆图像数据进行区分储存；
其中，图像采集设备在对料堆进行图像数据采集时，与电动转轴的转动轨迹相互配置，使电动转轴每次传动摄像头旋转指定角度时，摄像头均完成指定数量的料堆图像数据的采集，电动转轴每次传动摄像头旋转角度不小于30度，旋转方向相同，且连续旋转角度均为相等的整数，摄像头基于电动转轴传动转动同步执行料堆图像数据采集时，每次采集的料堆图像数据不少于两组；
料堆图像数据中料堆图像区域中湿度最大区域的识别逻辑包括：
对料堆图像数据中料堆图像区域进行轮廓识别，在识别到料堆图像区域轮廓后，捕捉料堆图像区域轮廓中心，基于料堆图像区域轮廓中心截取料堆图像区域轮廓中局部料堆图像，应用局部料堆图像记作料堆图像区域中湿度最大的区域，并以局部料堆图像作为纹理特征识别目标，执行纹理特征识别操作；
其中，于料堆图像区域的轮廓中进行局部料堆图像的截取时，以轮廓中心为圆心，以任意长度为半径绘制圆形，圆形对应区域即截取的局部料堆图像，且绘制的圆形面积小于料堆图像区域大小的三分之一，大于料堆图像区域大小的五分之一；
纹理特征识别逻辑表示为：
式中：γ为图像数据纹理特征；m为图像数据中图像块的集合；n为图像块中像素块的集合；qv为图像块中第v个像素块的像素值；q0为图像块中中心像素块的像素值；
其中，基于上式求取图像数据纹理特征时，图像数据中图像块均为由图像分割得到的大小为3×3的图像块，n对应一组图像块，且图像数据纹理特征γ＞0；
输入的干料堆图像数据，基于料堆图像数据中料堆图像区域中湿度最大区域的识别逻辑求取局部料堆图像，在求取到局部料堆图像后应用纹理特征识别逻辑识别纹理特征；
其中，干料堆图像数据通过图像采集设备采集，在用户端确认后，于摄像头内部与摄像头内部储存的所有料堆图像数据区分储存；
干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征被识别后，二者的相似性比对逻辑表示为：
γtarget/γrefer；
其中，γtarget/γrefer的值越接近1，则表示干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征相似性越高，且γtarget对应的料堆可用性越高，反之，则表示干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征相似性越低，且γtarget对应的料堆可用性越低，料堆可用性应用γtarge/γrefer进行表示。
在本实施例中，通过上述方法的执行，能够为河沙堆场带来智能化监控效果，一定程度的降低了河沙堆场人工管理成本，且由该方法能够对料场内各堆料进行全面的实时监控，确保各堆料的实时状态参数能够由该方法完成获取，进而为用户在选择河沙堆料进行购买或使用提供数据参考，避免河沙堆料因含水量问题，造成购买费用差异化及实际使用时产生的功能性差异；
且由上述记载的各逻辑公式，使得该方法中各阶段执行所阐述的数据，具备了以数字化的形式输出的条件，为用户端的读取带来便利，确保用户端能够基于该方法执行过程中输出的数据对堆场中各河沙堆场作出适应性的维护及管理；
参见图2所示，该图进一步展示电动转轴1、摄像头2、料堆3，三者的部署位置，以便于进一步展示本实施例中技术方案在具体实施阶段的执行逻辑基础；
参见图3所示，该图进一步展示料堆图像数据中料堆图像在进行分割处理后得到的图像块，以及图像块进一步执行纹理特征识别时所应用的识别逻辑。
实施例2：
料堆图像数据的归一化处理逻辑表示为：
式中：p(x,y)′为归一化处理后输出的料堆图像；p(x,y)为料堆原始图像；Imin为料堆原始图像的最小灰度值；Imax为料堆原始图像的最大灰度值；MAX为料堆原始图像要拉伸到的灰度空间的灰度最大值；MIN为料堆原始图像要拉伸到的灰度空间的灰度最小值；
其中，表示对料堆原始图像的对比度拉伸处理；
堆料图像数据在完成归一化处理后，对各料堆图像数据的区别标记进行读取，基于相同区别标记，对摄像头中储存的各料堆图像数据进行连续的分组接收，使每组接收的料堆图像数据各自对应的区别标记均相同，识别并选择料堆图像数据的操作，于每组接收的料堆图像数据中执行；
其中，料堆图像数据的品质通过以下公式进行判定，公式为：
式中：g为归一化处理的料堆图像数据品质表现值；N为料堆图像数据中像素的集合；p(x,y)i为原料堆图像数据中第i个像素的像素值；p(x,y)′i为归一化处理的料堆图像数据中第i个像素的像素值；sim(p(x,y),p(x,y)′)为原料堆图像数据与归一化处理的料堆图像数据的相似度；L为归一化处理的料堆图像数据的最大灰度级；
p(x,y)i与p(x,y)′i分别对应的像素于各自对应图像中的位置相同，g值越大，则表示归一化处理的料堆图像数据品质越高，反之，则表示归一化处理的料堆图像数据品质越低，基于归一化处理的料堆图像数据的品质识别结果，选择归一化处理的料堆图像数据后，未选择的区别标记相同的料堆图像数据与摄像头中删除。
在本实施例中，通过对料堆图像数据的归一化处理及图像品质判定，为该方法在具体实施阶段所应用的料堆图像数据带来了优化处理，从而使得该方法执行过程能够以较为精准细节程度较强的料堆图像数据对料堆进行可用性分析，最终使该方法执行输出结果更加趋于精准。
实施例3：
评估的料堆可用性及预测的料堆可用性评估结果准确度在进行输出时，输出目标为图像采集设备中摄像头，用户端于摄像头中对评估的料堆可用性及预测的料堆可用性评估结果准确度进行读取，并基于评估的料堆可用性及预测的料堆可用性评估结果准确度对料堆进行选择，摄像头进一步基于料堆选择结果，对料堆对应可用性及可用性评估结果准确度来源料堆图像数据所属的标记实时反馈，供用户端读取，用户端基于读取到的料堆对应标记，于料场中，对选择料堆进行确认。
在本实施例中，进一步为应用该方法的用户带来了可用堆料的智能找寻逻辑，确保用户在由该方法选择堆料后，能够更加快捷的对选择的堆料进行找寻，进而以此来规避由该方法选择堆料后，用户于堆场中找寻目标堆料困难的问题，从而以此进一步完善该方法在实际应用场景当时的实用性，及功能的全面性，为堆场的日常管理带来更加高效且快捷的维护。
综上而言，上述实施例中方法在实施阶段，通过部署的图像采集设备能够对料场内部料堆进行图像数据采集，进而以采集的料堆图像数据进行分析，获取料堆图像数据的纹理特征，并进一步基于干料堆的纹理特征分析结果作为参照与料堆图像数据的纹理特征进行比对，对料场内各料堆的可用性进行分析，以供用户端参考，确保料场销售及使用的河沙料堆符合销售及使用需求；且本方法在采集料堆图像数据后，对料堆图像数据进行了选择及相应的分析处理，确保该方法在执行过程中应用的料堆图像数据更加精准的体现料堆的实际情况，进而以此使得该方法最终的输出结果更加趋于精准可靠；同时，本方法基于料堆的可用性分析，进一步为料堆在被用户端选择时提供选择逻辑，确保符合销售及使用需求的料堆能够被用户端快捷且精准的找寻，进而为料场的日常管理带来更多便利。
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，并不会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)

1.一种实时获取料场内堆料信息的方法，其特征在于，包括：
于料场内部堆料区域中心区域部署图像采集设备，应用图像采集设备实时采集料场内部堆料区内域各料堆图像数据；
获取图像采集设备采集各料堆图像数据，对料堆图像数据进行归一化处理，并在归一化处理完成后，识别并选择各料堆图像数据中品质最佳的一组图像数据，基于选择的料堆图像数据，识别料堆图像数据中料堆图像区域中湿度最大区域，对料堆图像区域中湿度最大区域进行纹理特征识别，输入干料堆图像数据，对干料堆图像数据进行相同的纹理特征识别，进一步比对两组纹理特征识别结果相似性，基于相似性比对结果评估料堆图像数据对应料堆可用性；
实时获取料场所在区域气象数据，基于气象数据预测料堆可用性评估结果准确度，对评估的料堆可用性及预测的料堆可用性评估结果准确度进行输出；
其中，料场所在区域气象数据包括：料场所在区域温度、湿度，所述料堆可用性评估结果准确度的预测逻辑为：
式中：k为料堆可用性评估结果准确度表现值；δ为料堆可用性；H为料场所在区域的当前湿度；Tmax为H在获取时前24小时内料场所在区域最高气温；Tmin为H在获取时前24小时内料场所在区域最低气温；
其中，δ＝γtarget/γrefer，γtarget为料堆图像区域中湿度最大区域的纹理特征识别结果；γrefer为干料堆图像数据对应纹理特征识别结果；
所述纹理特征识别逻辑表示为：
式中：γ为图像数据纹理特征；m为图像数据中图像块的集合；n为图像块中像素块的集合；qv为图像块中第v个像素块的像素值；q0为图像块中中心像素块的像素值；
其中，基于上式求取图像数据纹理特征时，图像数据中图像块均为由图像分割得到的大小为3×3的图像块，n对应一组图像块，且所述图像数据纹理特征γ＞0；
所述输入的干料堆图像数据，基于料堆图像数据中料堆图像区域中湿度最大区域的识别逻辑求取局部料堆图像，在求取到局部料堆图像后应用纹理特征识别逻辑识别纹理特征；
其中，所述干料堆图像数据通过图像采集设备采集，在用户端确认后，于摄像头内部与摄像头内部储存的所有料堆图像数据区分储存。
2.根据权利要求1所述的一种实时获取料场内堆料信息的方法，其特征在于，所述图像采集设备由摄像头及电动转轴组成，摄像头安装于电动转轴的顶端，摄像头基于电动转轴传动旋转切换视角，对料场内部堆料区域内各料堆进行图像采集，采集的各料堆图像数据于摄像头内部储存，并在储存时，基于电动转轴传动摄像头旋转时所切换的视角角度进行区别标记，基于区别标记对各料堆图像数据进行区分储存；
其中，图像采集设备在对料堆进行图像数据采集时，与电动转轴的转动轨迹相互配置，使电动转轴每次传动摄像头旋转指定角度时，摄像头均完成指定数量的料堆图像数据的采集，所述电动转轴每次传动摄像头旋转角度不小于30度，旋转方向相同，且连续旋转角度均为相等的整数，所述摄像头基于电动转轴传动转动同步执行料堆图像数据采集时，每次采集的料堆图像数据不少于两组。
3.根据权利要求1所述的一种实时获取料场内堆料信息的方法，其特征在于，所述料堆图像数据的归一化处理逻辑表示为：
式中：p(x,y)′为归一化处理后输出的料堆图像；p(x,y)为料堆原始图像；Imin为料堆原始图像的最小灰度值；Imax为料堆原始图像的最大灰度值；MAX为料堆原始图像要拉伸到的灰度空间的灰度最大值；MIN为料堆原始图像要拉伸到的灰度空间的灰度最小值；
其中，表示对料堆原始图像的对比度拉伸处理。
4.根据权利要求1所述的一种实时获取料场内堆料信息的方法，其特征在于，所述料堆图像数据在完成归一化处理后，对各料堆图像数据的区别标记进行读取，基于相同区别标记，对摄像头中储存的各料堆图像数据进行连续的分组接收，使每组接收的料堆图像数据各自对应的区别标记均相同，识别并选择料堆图像数据的操作，于每组接收的料堆图像数据中执行；
其中，料堆图像数据的品质通过以下公式进行判定，公式为：
式中：g为归一化处理的料堆图像数据品质表现值；N为料堆图像数据中像素的集合；p(x,y)i为原料堆图像数据中第i个像素的像素值；p(x,y)′i为归一化处理的料堆图像数据中第i个像素的像素值；sim(p(x,y),p(x,y)′)为原料堆图像数据与归一化处理的料堆图像数据的相似度；L为归一化处理的料堆图像数据的最大灰度级。
5.根据权利要求4所述的一种实时获取料场内堆料信息的方法，其特征在于，所述p(x,y)i与p(x,y)′i分别对应的像素于各自对应图像中的位置相同，g值越大，则表示归一化处理的料堆图像数据品质越高，反之，则表示归一化处理的料堆图像数据品质越低，基于归一化处理的料堆图像数据的品质识别结果，选择归一化处理的料堆图像数据后，未选择的区别标记相同的料堆图像数据于摄像头中删除。
6.根据权利要求1所述的一种实时获取料场内堆料信息的方法，其特征在于，所述料堆图像数据中料堆图像区域中湿度最大区域的识别逻辑包括：
对料堆图像数据中料堆图像区域进行轮廓识别，在识别到料堆图像区域轮廓后，捕捉料堆图像区域轮廓中心，基于料堆图像区域轮廓中心截取料堆图像区域轮廓中局部料堆图像，应用局部料堆图像记作料堆图像区域中湿度最大的区域，并以局部料堆图像作为纹理特征识别目标，执行纹理特征识别操作；
其中，于料堆图像区域的轮廓中进行局部料堆图像的截取时，以轮廓中心为圆心，以任意长度为半径绘制圆形，圆形对应区域即截取的局部料堆图像，且绘制的圆形面积小于料堆图像区域大小的三分之一，大于料堆图像区域大小的五分之一。
7.根据权利要求1所述的一种实时获取料场内堆料信息的方法，其特征在于，所述干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征被识别后，二者的相似性比对逻辑表示为：
γtarget/γrefer；
其中，γtarget/γrefer的值越接近1，则表示干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征相似性越高，且γtarget对应的料堆可用性越高，反之，则表示干料堆图像数据及料堆图像区域中湿度最大区域的纹理特征相似性越低，且γtarget对应的料堆可用性越低，料堆可用性应用γtarget/γrefer进行表示。
8.根据权利要求1所述的一种实时获取料场内堆料信息的方法，其特征在于，评估的料堆可用性及预测的料堆可用性评估结果准确度在进行输出时，输出目标为图像采集设备中摄像头，用户端于摄像头中对评估的料堆可用性及预测的料堆可用性评估结果准确度进行读取，并基于评估的料堆可用性及预测的料堆可用性评估结果准确度对料堆进行选择，摄像头进一步基于料堆选择结果，对料堆对应可用性及可用性评估结果准确度来源料堆图像数据所属的标记实时反馈，供用户端读取，用户端基于读取到的料堆对应标记，与料场中，对选择料堆进行确认。
CN202311846056.4A 2023-12-29 2023-12-29 一种实时获取料场内堆料信息的方法 Active CN117496208B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311846056.4A CN117496208B (zh) 2023-12-29 2023-12-29 一种实时获取料场内堆料信息的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311846056.4A CN117496208B (zh) 2023-12-29 2023-12-29 一种实时获取料场内堆料信息的方法

Publications (2)

Publication Number Publication Date
CN117496208A CN117496208A (zh) 2024-02-02
CN117496208B true CN117496208B (zh) 2024-03-29

Family

ID=89680408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311846056.4A Active CN117496208B (zh) 2023-12-29 2023-12-29 一种实时获取料场内堆料信息的方法

Country Status (1)

Country Link
CN (1) CN117496208B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1693840A (zh) * 2005-05-26 2005-11-09 上海交通大学 料场测量的计算机自动测量的视觉系统
CN106935129A (zh) * 2015-12-31 2017-07-07 北京柯斯元科技有限公司 一种随机纹理防伪方法和随机纹理防伪系统
US10403037B1 (en) * 2016-03-21 2019-09-03 URC Ventures, Inc. Verifying object measurements determined from mobile device images
CN113344745A (zh) * 2021-06-17 2021-09-03 武汉市佳梦科技有限公司 基于远程视频监控和云计算的工程项目智慧工地数据采集分析一体化云平台
CN113575388A (zh) * 2021-07-30 2021-11-02 沭阳翔玮生态农业开发有限公司 基于人工智能和大数据的农业智能灌溉系统
FR3122941A3 (fr) * 2021-05-11 2022-11-18 Anhui University Of Science & Technology Système et méthode de calcul du volume et de la masse d’un tas de matériaux basés sur la technologie de reconnaissance d’image
WO2022252158A1 (zh) * 2021-06-02 2022-12-08 深圳传音控股股份有限公司 拍照方法、移动终端及可读存储介质
CN116030425A (zh) * 2023-03-29 2023-04-28 山东朝辉自动化科技有限责任公司 基于无人机激光扫描的料场物料监控方法、系统及应用
WO2023134482A1 (zh) * 2022-01-12 2023-07-20 深圳传音控股股份有限公司 图像处理方法、智能终端及存储介质
CN116883845A (zh) * 2023-07-11 2023-10-13 甘肃省农业科学院畜草与绿色农业研究所(甘肃省农业科学院农业质量标准与检测技术研究所) 一种退化草地生态修复方法
CN116994012A (zh) * 2023-09-27 2023-11-03 成都坤舆空间科技有限公司 一种基于生态修复的图斑匹配系统及匹配方法
CN117057966A (zh) * 2023-10-10 2023-11-14 山东朝辉自动化科技有限责任公司 基于数字分析的料场堆料管理系统及方法
CN117177203A (zh) * 2023-09-18 2023-12-05 深圳市哈烁实业有限公司 基于无线传输的智慧园区楼宇安防方法及系统
CN117250200A (zh) * 2023-11-07 2023-12-19 山东恒业金属制品有限公司 一种基于机器视觉的方管生产质量检测系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285034B2 (en) * 2009-08-26 2012-10-09 Bally Gaming, Inc. Apparatus, method and article for evaluating a stack of objects in an image
US8311338B2 (en) * 2009-09-15 2012-11-13 Tandent Vision Science, Inc. Method and system for learning a same-material constraint in an image

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1693840A (zh) * 2005-05-26 2005-11-09 上海交通大学 料场测量的计算机自动测量的视觉系统
CN106935129A (zh) * 2015-12-31 2017-07-07 北京柯斯元科技有限公司 一种随机纹理防伪方法和随机纹理防伪系统
US10403037B1 (en) * 2016-03-21 2019-09-03 URC Ventures, Inc. Verifying object measurements determined from mobile device images
FR3122941A3 (fr) * 2021-05-11 2022-11-18 Anhui University Of Science & Technology Système et méthode de calcul du volume et de la masse d’un tas de matériaux basés sur la technologie de reconnaissance d’image
WO2022252158A1 (zh) * 2021-06-02 2022-12-08 深圳传音控股股份有限公司 拍照方法、移动终端及可读存储介质
CN113344745A (zh) * 2021-06-17 2021-09-03 武汉市佳梦科技有限公司 基于远程视频监控和云计算的工程项目智慧工地数据采集分析一体化云平台
CN113575388A (zh) * 2021-07-30 2021-11-02 沭阳翔玮生态农业开发有限公司 基于人工智能和大数据的农业智能灌溉系统
WO2023134482A1 (zh) * 2022-01-12 2023-07-20 深圳传音控股股份有限公司 图像处理方法、智能终端及存储介质
CN116030425A (zh) * 2023-03-29 2023-04-28 山东朝辉自动化科技有限责任公司 基于无人机激光扫描的料场物料监控方法、系统及应用
CN116883845A (zh) * 2023-07-11 2023-10-13 甘肃省农业科学院畜草与绿色农业研究所(甘肃省农业科学院农业质量标准与检测技术研究所) 一种退化草地生态修复方法
CN117177203A (zh) * 2023-09-18 2023-12-05 深圳市哈烁实业有限公司 基于无线传输的智慧园区楼宇安防方法及系统
CN116994012A (zh) * 2023-09-27 2023-11-03 成都坤舆空间科技有限公司 一种基于生态修复的图斑匹配系统及匹配方法
CN117057966A (zh) * 2023-10-10 2023-11-14 山东朝辉自动化科技有限责任公司 基于数字分析的料场堆料管理系统及方法
CN117250200A (zh) * 2023-11-07 2023-12-19 山东恒业金属制品有限公司 一种基于机器视觉的方管生产质量检测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Scale-space texture description on SIFT-like textons;Yong Xu 等;《Computer Vision and Image Understanding》;20120930;第999-1013页 *
基于层次分析法的物料摆放改进方案的评价;高洋;《江苏科技信息》;20150131(第第2期期);第15-17页 *

Also Published As

Publication number Publication date
CN117496208A (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN114549522B (zh) 基于目标检测的纺织品质量检测方法
Erikson Species classification of individually segmented tree crowns in high-resolution aerial images using radiometric and morphologic image measures
CN113592845A (zh) 一种电池涂布的缺陷检测方法及装置、存储介质
CN110033516B (zh) 基于双目相机图像采集识别的针片状颗粒含量检测方法
CN107610114A (zh) 基于支持向量机的光学卫星遥感影像云雪雾检测方法
Qing et al. Automated detection and identification of white-backed planthoppers in paddy fields using image processing
CN112232138B (zh) 基于超像素特征的渠道边坡破坏智能识别方法
CN114723704A (zh) 一种基于图像处理的纺织品质量评估方法
CN112634261A (zh) 基于卷积神经网络的胃癌病灶检测方法及装置
CN102346854A (zh) 前景物体检测方法和设备
CN110334760B (zh) 一种基于resUnet的光学元器件损伤检测方法及系统
CN116664559B (zh) 基于机器视觉的内存条损伤快速检测方法
CN108509950B (zh) 基于概率特征加权融合的铁路接触网支柱号牌检测识别法
CN114910480A (zh) 一种基于机器视觉的晶圆表面缺陷检测方法
CN109492647A (zh) 一种电网机器人障碍物识别方法
CN114842011A (zh) 基于图像处理的轴承磨损检测方法及系统
CN114882400A (zh) 一种基于ai智能机器视觉技术的骨料检测分类方法
CN113177924A (zh) 一种工业流水线产品瑕疵检测方法
CN116434206A (zh) 一种基于机器视觉技术的棉花质量性状检测方法
CN111428730B (zh) 弱监督细粒度物体分类方法
CN111768402A (zh) 一种基于mu-svm的冰鲜鲳鱼新鲜度评估方法
CN117496208B (zh) 一种实时获取料场内堆料信息的方法
Tabernik et al. Deep-learning-based computer vision system for surface-defect detection
CN111539354B (zh) 一种液基细胞玻片扫描区域识别方法
KR20220161869A (ko) 인공지능을 이용한 레미콘 슬럼프 자동 균일 제어 장치 및 방법

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