一种细条类废钢图像识别方法、系统、设备及存储介质

本发明属于图像处理，涉及一种细条类废钢图像识别方法、系统、设备及存储介质。

背景技术：

1、钢铁是目前人类生产建设活动中使用最多的金属材料，在人类社会的各个领域都有着广泛应用，是每个国家不可缺少的战略性基础工业品。钢铁工业的特点是高耗能、大规模、高污染。为了提高钢铁生产的效率，减少废钢对环境的污染，对废钢的回收重利用就显得尤为重要。现阶段企业回收废钢的传统方式是通过工人现场目视判断废钢的等级，并自行制作报表上传企业系统。该方式人力成本高、主观性强、检测精度低、效率低、工作强度大、风险高，对企业生产效率、生产风险等均有影响，因此亟需一种客观的、准确的、高效的自动检测方式将其代替。

2、此处需要说明下语义分割和处理图像的点处理法。语义分割是近年来深度学习的方向之一。语义分割针对图像进行像素级分类，具体而言，语义图像分割就是将每个像素都标注上其对应的类别。由于所有的像素都要考虑到，因此语义图像分割任务也被视为是稠密预测的一种。处理图像最基本的方法是点处理法，该方法处理的基本单元是图像的像素点。点处理法简单有效，主要用于图像的亮度调整、图像的对比度调整，以及图像的反置处理等。

3、钢筋、钢条类细条状废钢中在废钢中占比很大，是废钢判定中需要进行判别的一个重点类别，此类细条状废钢与其他形态废钢外形差距大，一般的分割网络对其识别效果差，缺乏对细条类废钢图像数据集的针对性训练。因此需要对分割网络进行更多的改进，并针对细条状废钢数据集做出定制化处理。

技术实现思路

1、本发明的目的在于解决现有技术中在进行细条类废钢图像分割时，精度低的问题，提供一种细条类废钢图像识别方法、系统、设备及存储介质。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、本发明提出的一种细条类废钢图像识别方法，包括如下步骤：

4、基于电子围栏范围获取细条类废钢图像中含有废钢的区域，切分含有废钢的区域，得到废钢区域图像；

5、将切分后的废钢区域图像输入至建立的细条类分割网络中，获取细条类废钢图像；

6、采用图像处理方法对细条类废钢进行处理，获取不同类型废钢占比，实现细条类废钢图像识别。

7、优选地，所述细条类废钢图像获取方法如下：

8、通过网络视频录像机调取摄像头画面信息，采集含有特殊细条类废钢图像；

9、对含有特殊细条类废钢图像进行高斯滤波及调整对比度后得到细条类废钢图像。

10、优选地，所述细条类分割网络为级联网络。

11、优选地，所述细条类分割网络如下：

12、细条类分割网络基于deeplabv3+，使用transformer架构中的encoder提取图像信息，对图像信息进行解码输出。

13、优选地，encoder采用空洞卷积的dcnn，并使用空间金字塔池化模块增强各尺度信息的融合。

14、优选地，采用图像处理方法包括大津二值化算法和canny算子边缘检测算法。

15、优选地，采用大津二值化算法对细条类废钢进行二值化处理后，再采用canny算子边缘检测算法对二值化处理后的结果进行边缘检测，得到图像中条带数量和条带宽度。

16、本发明提出的一种细条类废钢图像识别系统，包括：

17、废钢区域图像获取模块，所述废钢区域图像获取模块用于基于电子围栏范围获取细条类废钢图像中含有废钢的区域，切分含有废钢的区域，得到废钢区域图像；

18、细条类废钢图像获取模块，所述细条类废钢图像获取模块用于将切分后的废钢区域图像输入至建立的细条类分割网络中，获取细条类废钢图像；

19、不同类型废钢占比获取模块，所述不同类型废钢占比获取模块用于采用图像处理方法对细条类废钢进行处理，获取不同类型废钢占比，实现细条类废钢图像识别。

20、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现细条类废钢图像识别方法的步骤。

21、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现细条类废钢图像识别方法的步骤。

22、与现有技术相比，本发明具有以下有益效果：

23、本发明提出的一种细条类废钢图像识别方法，传统的废钢图像分割算法将细条类废钢与普通废钢归为同一类别进行训练和推理。然而细条类废钢相对与其他废钢大而规则的形态差异巨大，因此与普通废钢采用同一检测网络效果较差，会导致整体算法性能下降。本发明通过设定电子围栏，圈定出图像中废钢的区域，减少后续计算量，同时排除地面对算法处理的干扰。再对细条类废钢图像中含有废钢的区域进行切分获取废钢区域图像，再结合建立的细条类分割网络，利用该网络识别细条类废钢，细条类废钢的主要特征就是其宽度，而图像分割等基于深度学习的计算机视觉方法对于该类任务效果较差。本发明采用图像处理方法实现对于细条类废钢的分类检测，从而估算出不同类型废钢的占比。因此，本发明针对不同形态废钢分别采取不同的处理策略，从而提升了分割网络的识别准确率。在不大幅降低算法运行效率的前提下，更好地实现了通过图像处理的方式对废钢等级的评定，在废钢等级判定的准确率上有约6％的提升。

24、进一步地，通过高清摄像头采集原始图像数据，并使用高斯滤波、调整对比度方式对图像进行预处理，可以降低现场光照、图像噪点等因素对后续处理准度的影响。

25、本发明提出的一种细条类废钢图像识别系统，通过将系统划分为废钢区域图像获取模块、细条类废钢图像获取模块和不同类型废钢占比获取模块，实现细条类废钢图像识别。采用模块化思想使各个模块之间相互独立，方便对各模块进行统一管理。

技术特征：

1.一种细条类废钢图像识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的细条类废钢图像识别方法，其特征在于，所述细条类废钢图像获取方法如下：

3.根据权利要求1所述的细条类废钢图像识别方法，其特征在于，所述细条类分割网络为级联网络。

4.根据权利要求3所述的细条类废钢图像识别方法，其特征在于，所述细条类分割网络如下：

5.根据权利要求4所述的细条类废钢图像识别方法，其特征在于，encoder采用空洞卷积的dcnn，并使用空间金字塔池化模块增强各尺度信息的融合。

6.根据权利要求1所述的细条类废钢图像识别方法，其特征在于，采用图像处理方法包括大津二值化算法和canny算子边缘检测算法。

7.根据权利要求6所述的细条类废钢图像识别方法，其特征在于，采用大津二值化算法对细条类废钢进行二值化处理后，再采用canny算子边缘检测算法对二值化处理后的结果进行边缘检测，得到图像中条带数量和条带宽度。

8.一种细条类废钢图像识别系统，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行计算机程序时实现如权利要求1至7中任意一项所述的细条类废钢图像识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的细条类废钢图像识别方法的步骤。

技术总结
本发明公开了一种细条类废钢图像识别方法、系统、设备及存储介质，属于图像处理技术领域。该方法基于语义分割和图像处理技术，根据现场所采集的细条类废钢图像数据集并基于细条类废钢的特点，在提取网络中定制化训练权重，并使用大津二值化算法和Canny算子边缘检测算法进行图像分析，随后经过计算处理输出处理结果。针对细条类废钢特点，定制化训练权重，能更有效地提取出废钢堆中的细条类废钢；对提取后的细条类废钢图像进行了图像处理，能够精确计算出条带数量和废钢厚度；算法训练所使用废钢数据集基于钢铁厂区实地采集，体现实际应用能力。

技术研发人员：吉孟扬
受保护的技术使用者：西安交通大学
技术研发日：
技术公布日：2024/3/11