本发明涉及智能视觉识别,具体为一种基于yolov5和canny矩形拟合的模型集成再生钢铁自动判级比例尺提取方法。
背景技术:
1、在目前钢铁生产过程中,为了降低成本、提高冶炼效率,通常回收废旧钢铁进行回炉熔化再利用。由于废钢使用量大,多料型掺杂混装,且时常发生废钢掺假等现象,为保证产品质量、提升钢铁产量,需要对废钢进行高精度判级分类。传统废钢判级受人为主观因素影响比较大,对人员要求比较高,一般要求熟悉标准,并有丰富经验才能判断;且每个人判断存在差异,因疲劳、心情等可能会影响评价结果,没有量化的评价结论,无法形成很好的数据分析,不易让供应商信服。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本发明提供了一种基于yolov5和canny矩形拟合的模型集成再生钢铁自动判级比例尺提取方法,解决了提取再生钢铁比例尺出现误识别、识别不精准的技术问题。
3、(二)技术方案
4、为实现以上目的,本发明通过以下技术方案予以实现:一种基于yolov5和canny矩形拟合的模型集成再生钢铁自动判级比例尺提取方法,具体步骤如下:
5、步骤1:基于不同尺寸、光照条件和角度的拍照钢堆样本;
6、分别在不同车辆不同钢堆区域进行拍照;
7、分别在球机不同聚焦不同角度对不同钢堆区域进行拍照;
8、对同一辆车卸料过程中不同钢堆区域进行拍照。
9、步骤2:对钢堆样本进行预处理、标注并划分数据集
10、通过直方图均衡化去噪、数据增强、随机裁剪等方式,提高模型的鲁棒性和泛化能力;
11、对每个图像样本中的再生钢铁进行边界框标注,标注框应准确地包围住再生钢铁的外轮廓;
12、将标注好的图像样本划分训练集、测试集。
13、步骤3:将划分好的数据集分别进行yolov5目标检测与canny边缘检测器训练;
14、将yolov5的损失函数修改成focalloss损失函数,解决样本不平衡的问题;
15、同时将卷积改为空洞卷积、对图片进行超分、增加输出头等方法,解决图片中对小目标识别不精准的问题;
16、将标注后的样本导入修改后的yolov5目标检测模型中进行训练,得到模型权重;
17、将标注后的样本导入canny边缘检测器进行训练,通过调整canny算法的参数,以适应不同的再生钢铁图像特点。
18、步骤4:模型集成
19、将训练好的yolov5目标检测器和canny边缘检测器进行集成。首先,使用yolov5目标检测器检测再生钢铁图像中的比例尺位置。然后,对检测到的比例尺区域应用canny边缘检测器进行边缘提取。接下来,使用矩形拟合算法对提取到的边缘进行拟合,得到比例尺的准确位置和尺寸信息。
20、步骤5:比例尺提取
21、根据步骤4中提取到的比例尺位置和尺寸信息,计算实际尺寸与图像尺寸的比例关系。然后,根据比例关系和预设的规则,进行再生钢铁的自动判级。可以根据比例尺的大小、位置和其他特征进行判定,如长度、宽度、变形程度等。
22、(三)有益效果
23、本发明提供了一种yolov5和canny矩形拟合的模型集成再生钢铁自动判级比例尺提取方法。具备以下有益效果:
24、该yolov5和canny矩形拟合的模型集成再生钢铁自动判级比例尺提取方法对再生钢铁样本的图像进行处理和分析,结合yolov5和canny矩形拟合,同时将卷积改为空洞卷积、对图片进行超分、增加输出头等方法,解决图片中对小目标识别不精准的问题;最后根据比例关系和预设的规则,进行再生钢铁的自动判级。可以根据比例尺的大小、位置和其他特征进行判定,如长度、宽度、变形程度等。
1.一种钢铁自动判级比例尺提取方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种钢铁自动判级比例尺提取方法,其特征在于:所述s1包括如下步骤:
3.根据权利要求1所述的一种钢铁自动判级比例尺提取方法,其特征在于:所述s2包括如下步骤:
4.根据权利要求1所述的一种钢铁自动判级比例尺提取方法,其特征在于:所述s3包括如下步骤:
5.根据权利要求1所述的一种钢铁自动判级比例尺提取方法,其特征在于:所述s4包括如下步骤:
6.根据权利要求1所述的一种钢铁自动判级比例尺提取方法,其特征在于:所述s5包括如下步骤: