钢铁包包号的识别方法、装置、设备、系统及介质与流程

本公开涉及人工智能，尤其涉及钢铁包包号的识别方法、装置、设备、系统及介质。

背景技术：

1、炼钢生产过程的工艺复杂、环节繁多，为提高生产现场管理的能力，以及智能化车间的建设需要，应该实施炼钢物流的智能识别跟踪。在炼钢物流系统中，最核心、最重要的生产设备则为钢铁场景下各种各样的包体，如铁包、钢包。

2、目前炼钢厂、电炉厂、铸造厂等对铁包、钢包的管理和调度，尤其是包号的识别，还是采用人工的方式。然而，钢铁场景下的工作环境恶劣，温度极高，采用人工的方式容易发生安全事故，包号识别的难度较大。

3、近几年来，随着图像识别与ai智能识别技术的发展，基于图像识别号码检测已经在车辆自动识别门禁系统、移动检测报警领域有着广泛的应用。然而在极为复杂的工业场景下绝大多数钢铁厂区的钢铁包包号识别仍处于空白阶段。倒渣、出钢等生产过程产生的热辐射产生进一步影响了基于图像识别钢铁包包号的准确性。

技术实现思路

1、鉴于以上所述现有技术的缺点，本公开的目的在于提供钢铁包包号的识别方法、装置、设备、系统及介质。

2、本公开第一方面提供一种钢铁包包号的识别方法，包括：获取摄像装置在钢铁包运动过程中拍摄的包含钢铁包包号的多张图像，其中，所述钢铁包上固定设置钢铁包号牌，所述钢铁包号牌上标记有钢铁包包号；根据所述钢铁包包号在多张图像中的位置，确定钢铁包是否处于下降过程；在钢铁包处于下降过程时获取多张待检测图像，调用包号识别模型对所述多张待检测图像进行识别，获得至少一个备选识别结果；基于概率最大的备选识别结果，确定所述钢铁包包号。

3、在第一方面的一些实施例中，所述包号识别模型为神经网络模型，所述神经网络模型包括位置检测网络和包号识别网络；所述调用包号识别模型对所述多张待检测图像进行识别，获得至少一个备选识别结果，包括：调用位置检测网络，检测各所述待检测图像中的钢铁包包号的位置；根据各所述待检测图像中的钢铁包包号的位置，对各所述待检测图像进行分割，获得多张待识别图像；调用包号识别网络，识别各待识别图像中的钢铁包包号，获得至少一个备选识别结果。

4、在第一方面的一些实施例中，所述根据钢铁包包号在多张图像中的位置，确定钢铁包是否处于下降过程，包括：调用包号识别模型中的位置检测网络，检测各图像中钢铁包包号的位置；根据先后时刻图像对应的钢铁包包号的位置，确定钢铁包是否处于下降过程。

5、在第一方面的一些实施例中，所述钢铁包包号中的字符在不同视角或者在受到干扰时不会形成其他字符。

6、在第一方面的一些实施例中，所述包号识别模型通过训练数据集对神经网络模型训练得到，所述神经网络模型包括位置检测网络和包号识别网络；所述训练的方式包括：获取多张包含钢铁包包号的图像，对各所述图像标注钢铁包包号及包号所在的位置，获得标注后的图像；利用数据倍增方法和/或滤波方法对各所述标注后的图像进行图像处理，对经图像处理后的图像进行分割，得到所述训练数据集；利用所述训练数据集对待训练的神经网络模型进行训练，得到所述包号识别模型。

7、在第一方面的一些实施例中，还包括以下至少一种：对所述待训练的神经网络模型进行模型优化后，再执行所述训练；对所述训练得到的包号识别模型进行压缩处理。

8、本公开第二方面提供一种钢铁包包号的识别装置，包括：图像获取模块，用于获取摄像装置在钢铁包运动过程中拍摄的包含钢铁包包号的多张图像，其中，所述钢铁包上固定设置钢铁包号牌，所述钢铁包号牌上标记有钢铁包包号；运动方向确定模块，用于根据所述钢铁包包号在多张图像中的位置，确定钢铁包是否处于下降过程；钢铁包包号识别模块，用于在钢铁包处于下降过程时获取多张待检测图像，调用包号识别模型对所述多张待检测图像进行识别，获得至少一个备选识别结果；钢铁包包号确定模块，用于基于概率最大的备选识别结果，确定所述钢铁包包号。

9、本公开第三方面提供一种计算机设备，其特征在于，包括：存储器及处理器；所述存储器存储有程序指令，所述处理器被配置成运行所述程序指令以执行如第一方面中任一项所述的钢铁包包号的识别方法。

10、本公开第四方面提供一种钢铁包包号的识别系统，包括：摄像装置，所述摄像装置用于拍摄包含钢铁包包号的图像，所述钢铁包上固定设置有钢铁包号牌，所述钢铁包号牌上标记有钢铁包包号；如第三方面所述的计算机设备，通信耦接于所述摄像装置。

11、本公开第五方面提供一种计算机可读存储介质，存储有程序指令，所述程序指令被运行以执行如第一方面任一项所述的钢铁包包号的识别方法。

12、如上所述，本公开实施例中提供钢铁包包号的识别方法、装置、设备、系统及介质，方法包括：获取摄像装置在钢铁包运动过程中拍摄的包含钢铁包包号的多张图像，其中，所述钢铁包上固定设置钢铁包号牌，所述钢铁包号牌上标记有钢铁包包号；根据所述钢铁包包号在多张图像中的位置，确定钢铁包是否处于下降过程；在钢铁包处于下降过程时获取多张待检测图像，调用包号识别模型对所述多张待检测图像进行识别，获得至少一个备选识别结果；基于概率最大的备选识别结果，确定所述钢铁包包号。本公开实施例中实现自动化实时识别工业生产环境中的钢铁包包号，该系统通过先识别下降的钢铁包进而对钢铁包包号进行自动识别，降低了铁水、钢水等产生的热辐射对识别的影响，提高了钢铁包包号识别的准确性；进一步，将钢铁包号牌设置在距离钢铁包预设距离处，进一步降低了热辐射的影响。通过对钢铁包包号进行编码设计、用复杂多变的训练集训练神经网络模型，降低了复杂的工业环境中包含数字信息的类似特征物体(例如：钢水飞溅形成的金属渣，大量金属粉尘)对识别产生的影响。

技术特征：

1.一种钢铁包包号的识别方法，其特征在于，包括：

2.根据权利要求1所述的钢铁包包号的识别方法，其特征在于，所述包号识别模型为神经网络模型，所述神经网络模型包括位置检测网络和包号识别网络；所述调用包号识别模型对所述多张待检测图像进行识别，获得至少一个备选识别结果，包括：

3.根据权利要求1所述的钢铁包包号的识别方法，其特征在于，所述根据钢铁包包号在多张图像中的位置，确定钢铁包是否处于下降过程，包括：

4.根据权利要求1所述的钢铁包包号的识别方法，其特征在于，所述钢铁包包号中的字符在不同视角或者在受到干扰时不会形成其他字符。

5.根据权利要求1或2所述的钢铁包包号的识别方法，其特征在于，所述包号识别模型通过训练数据集对神经网络模型训练得到，所述神经网络模型包括位置检测网络和包号识别网络；所述训练的方式包括：

6.根据权利要求5所述的钢铁包包号的识别方法，其特征在于，还包括以下至少一种：

7.一种钢铁包包号的识别装置，其特征在于，包括：

8.一种计算机设备，其特征在于，包括：存储器及处理器；所述存储器存储有程序指令，所述处理器被配置成运行所述程序指令以执行如权利要求1至6中任一项所述的钢铁包包号的识别方法。

9.一种钢铁包包号的识别系统，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，存储有程序指令，所述程序指令被运行以执行如权利要求1至6中任一项所述的钢铁包包号的识别方法。

技术总结
本公开实施例中提供钢铁包包号的识别方法、装置、设备、系统及介质，方法包括：获取摄像装置在钢铁包运动过程中拍摄的包含钢铁包包号的多张图像，其中，钢铁包上固定设置钢铁包号牌，钢铁包号牌上标记有钢铁包包号；根据钢铁包包号在多张图像中的位置，确定钢铁包是否处于下降过程；在钢铁包处于下降过程时获取多张待检测图像，调用包号识别模型对多张待检测图像进行识别，获得至少一个备选识别结果；基于概率最大的备选识别结果，确定所述钢铁包包号。在钢铁包下降过程中实时识别标记在钢铁包号牌上的钢铁包包号，降低了在复杂的工业环境中倒渣、出钢等生产过程产生的热辐射对钢铁包包号识别准确率的影响，提高了钢铁包包号识别的准确率。

技术研发人员：宫贵冬,侯志昌
受保护的技术使用者：上海安可科技股份有限公司
技术研发日：
技术公布日：2024/3/17