本申请涉及钢材生产，尤其涉及一种高线钢材生产过程物料识别方法及系统。
背景技术：
1、高线物料跟踪目的是实现钢坯从入炉、轧制、风冷到pf线全过程跟踪和温度、压力、测径仪及能耗等过程工艺参数记录，其中pf线采用rfid(射频识别)读取c型勾上的rfid标签来实现线卷信息与勾号信息交互。
2、pf线区域设备系统在上卷工位的下方，c型钩接收运卷小车运来的料卷，在运输过程中完成料卷的冷却、检查、切头尾、修整、取样、压紧打捆、称重挂牌等工序。最后，由卸卷机从c型钩上卸下料卷，空钩再回到料卷站继续下一个循环。一般通过rfid标签获取c型钩的标号，料卷的状态由光电传感器负责感知。
3、但是因pf线工况较复杂，设置于c型钩上的rfid标签存在脱落的风险，rfid标签处于高温环境下还存在信号波动的影响，造成rfid标签识别错误的问题，且负责感知的光电传感器会因为温度的变化导致感应结果不准确。
技术实现思路
1、本申请提供了一种高线钢材生产过程物料识别方法及系统，以解决目前因pf线工况较复杂，设置于c型钩上的rfid标签存在脱落的风险，rfid标签处于高温环境下还存在信号波动的影响，造成rfid标签识别错误的问题，且负责感知料卷状态的光电传感器会因为温度的变化导致感应结果不准确的技术问题。
2、本申请第一方面提供了一种高线钢材生产过程物料识别方法，包括：
3、获取物料输送设备的图像；
4、根据所述图像，获取所述物料输送设备的编号；
5、基于所述图像，利用yolo算法，得到所述图像的目标边界框；
6、基于所述目标边界框，利用k-means聚类算法，得到所述图像的目标簇；
7、基于所述目标簇，利用模型库，获取所述物料输送设备的挂料状态；所述模型库包括：若干个不同挂料状态的所述物料输送设备的图像；
8、根据所述物料输送设备的编号和挂料状态，得到所述物料输送设备的识别结果。
9、在一些实施例中，所述根据所述图像，获取所述物料输送设备的编号的步骤，包括：
10、根据所述图像，获取所述物料输送设备的二维码区域；
11、识别所述二维码，获取所述物料输送设备的编号。
12、在一些实施例中，所述根据所述图像，获取所述物料输送设备的编号的步骤，包括：
13、根据所述图像，获取所述物料输送设备的字符区域；
14、识别所述字符，获取所述物料输送设备的编号。
15、在一些实施例中，所述获取物料输送设备的图像的步骤之后，包括：
16、根据所述图像，获取所述物料输送设备的挂钩位置状态；所述挂钩位置状态包括：未到位和到位；
17、若所述挂钩位置状态为到位，则根据所述图像，获取挂钩料卷状态；所述挂钩料卷状态包括：未识别到检测目标、空钩、实钩；
18、若所述挂钩料卷状态为实钩，则执行根据所述图像，获取所述物料输送设备的编号的步骤。
19、在一些实施例中，所述基于所述图像，利用yolo算法，得到所述图像的目标边界框的步骤包括：
20、将所述图像分割为网格；所述网格的格点内若存在所述物料输送设备的检测目标，则以所述检测目标为中心拟合生成边界框；
21、利用卷积神经网络获取所述格点的目标特征；
22、基于所述目标特征，利用全连接层获取所述边界框的置信度；
23、基于所述置信度，得到所述图像的目标边界框。
24、在一些实施例中，所述基于所述置信度，得到所述图像的目标边界框的步骤，包括：
25、基于所述置信度，获取所述格点内最大置信度的所述边界框；
26、基于所述边界框，利用非极大值抑制算法，将所述置信度重复的所述边界框进行删除，得到目标边界框。
27、在一些实施例中，所述基于所述目标特征，利用k-means聚类算法，得到所述图像的目标簇的步骤，包括：
28、根据所述目标边界框，得到初始簇；
29、计算所述初始簇中心之间的距离；
30、将所述初始簇分配至所述初始簇距离最小的其它初始簇中，得到中间簇；
31、若所述中间簇中心和所述初始簇中心差值的绝对值大于预设值，则重复将所述中间簇分配至所述中间簇距离最小的其它中间簇中的步骤，直至所述中间簇中心差值的绝对值小于或等于预设值，得到所述图像的目标簇。
32、在一些实施例中，所述挂料状态包括：冷却、检查、切头尾、修整、取样、压紧打捆、称重挂牌。
33、本申请第二方面提供了一种高线钢材生产过程物料识别系统，包括：
34、第一获取模块，用于获取物料输送设备的图像；
35、第二获取模块，被配置为根据所述图像，获取所述物料输送设备的编号；
36、第三获取模块，被配置为基于所述图像，利用yolo算法，得到所述图像的目标边界框；
37、第四获取模块，被配置为基于所述目标边界框，利用k-means聚类算法，得到所述图像的目标簇；
38、第五获取模块，被配置为基于所述目标簇，利用模型库，获取所述物料输送设备的挂料状态；所述模型库包括：若干个不同挂料状态的物料输送设备图像；
39、生成模块，被配置为根据所述物料输送设备的编号和挂料状态，得到所述物料输送设备的识别结果。
40、在一些实施例中，所述第三获取模块包括：
41、分割单元，用于将所述图像分割为网格；所述网格的格点内若存在所述物料输送设备的检测目标，则以所述检测目标为中心拟合生成边界框；
42、第一获取单元，被配置为利用卷积神经网络获取所述格点的目标特征；
43、第二获取单元，基于所述目标特征，利用全连接层获取所述边界框的置信度；
44、生成单元，被配置为基于所述置信度，得到所述图像的目标边界框。
45、本申请提供一种高线钢材生产过程物料识别方法及系统，所述方法包括：获取物料输送设备的图像；根据所述图像，获取所述物料输送设备的编号；基于所述图像，利用yolo算法，得到所述图像的目标边界框；基于所述目标边界框，利用k-means聚类算法，得到所述图像的目标簇；基于所述目标簇，利用模型库，获取所述物料输送设备的挂料状态；所述模型库包括：若干个不同挂料状态的所述物料输送设备的图像；根据所述物料输送设备的编号和挂料状态，得到所述物料输送设备的识别结果，以解决目前因pf线工况较复杂，设置于c型钩上的rfid标签存在脱落的风险，rfid标签处于高温环境下还存在信号波动的影响，造成rfid标签识别错误的问题，且负责感知料卷状态的光电传感器会因为温度的变化导致感应结果不准确的的问题。
1.一种高线钢材生产过程物料识别方法，其特征在于，包括：
2.根据权利要求1所述的一种高线钢材生产过程物料识别方法，其特征在于，所述根据所述图像，获取所述物料输送设备的编号的步骤，包括：
3.根据权利要求1所述的一种高线钢材生产过程物料识别方法，其特征在于，所述根据所述图像，获取所述物料输送设备的编号的步骤，包括：
4.根据权利要求1所述的一种高线钢材生产过程物料识别方法，其特征在于，所述获取物料输送设备的图像的步骤之后，包括：
5.根据权利要求1所述的一种高线钢材生产过程物料识别方法，其特征在于，所述基于所述图像，利用yolo算法，得到所述图像的目标边界框的步骤包括：
6.根据权利要求5所述的一种高线钢材生产过程物料识别方法，其特征在于，所述基于所述置信度，得到所述图像的目标边界框的步骤，包括：
7.根据权利要求1所述的一种高线钢材生产过程物料识别方法，其特征在于，所述基于所述目标特征，利用k-means聚类算法，得到所述图像的目标簇的步骤，包括：
8.根据权利要求1所述的一种高线钢材生产过程物料识别方法，其特征在于，所述挂料状态包括：冷却、检查、切头尾、修整、取样、压紧打捆、称重挂牌。
9.一种高线钢材生产过程物料识别系统，其特征在于，包括：
10.根据权利要求9所述的一种高线钢材生产过程物料识别系统，其特征在于，所述第三获取模块包括：