一种弯钢识别方法、装置及电子设备与流程

本申请涉及图像处理领域，具体涉及一种弯钢识别方法、装置及电子设备。

背景技术：

1、在钢铁的冶炼环节中，需使用辊道对钢材进行运输，然后送入加热炉进行热处理。但在辊道运输过程中如果出现大幅度弯曲的钢材，不仅会增大钢材表面损伤的可能性，也存在发生碰撞的风险，甚至弯钢可能造成堵塞加热炉的情况，对生产线产生很大的安全隐患，需及时警报并通知相关人员进行处理。

2、在现有技术中，缺少高效、准确的弯钢识别方法以实现自动判别，弯钢出现时主要依靠有经验的工人进行识别。然而，由于产线多，每条产线生产时间长，且运输过程速度较快，人工监控存在效率低、反馈不及时等弊端，为产线运作带来极大的安全隐患。

技术实现思路

1、鉴于以上所述相关技术的缺点，本申请提供一种弯钢识别方法、装置、电子设备及介质，以解决现有技术中存在的问题。

2、本申请提供了一种弯钢识别方法，所述方法包括：获取钢材图像数据，并将所述钢材图像数据输入至预先或实时训练的钢材识别模型中，得到对应的钢材识别结果；基于所述钢材识别结果提取出所述钢材图像数据中的钢材曲线轮廓点，并生成钢材曲线轮廓点集；计算所述钢材曲线轮廓点集中的点到预测函数的距离的平方和，并根据计算出的平方和确定出拟合直线；计算钢材轮廓远端切线与所述拟合直线的夹角，根据所述夹角确定所述钢材图像数据中的钢材是否发生弯钢。

3、于本申请的一实施例中，计算所述钢材曲线轮廓点集中的点到预测函数的距离的平方和，并根据计算出的平方和确定出拟合直线，包括：通过最小化均方误差公式计算所述钢材曲线轮廓点集中的点到预测函数的距离的平方和，所述最小化均方误差公式包括：

4、

5、

6、其中，m为轮廓点集数量；(xi,yi)为轮廓点集中的第i个点；θ0为截距；θ1为斜率；j为误差和；h(xi)为预测函数；对所述最小化均方误差表达式进行求导，得到所述斜率的估计值和所述截距的估计值；基于所述斜率的估计值和所述截距的估计值，得到拟合直线。

7、于本申请的一实施例中，在获取钢材图像数据之前，还包括：获取钢材图像样本数据，并对所述钢材图像样本数据中的钢材轮廓进行标注处理，得到训练数据集；根据所述钢材图像样本数据，通过自编码器构建初始钢材轮廓分割模型，并通过训练数据集对所述初始钢材轮廓分割模型进行训练，得到钢材轮廓分割模型；根据所述钢材图像样本数据，通过分组卷积其参数量构建初始钢材轮廓检测模型，并通过训练数据集对所述初始钢材轮廓检测模型进行训练，得到钢材轮廓检测模型；其中，将所述钢材轮廓分割模型和所述钢材轮廓检测模型进行关联，得到钢材识别模型。

8、于本申请的一实施例中，所述推理结果包括所述检测结果的宽度和长度，在得到筛选结果之前，还包括通过自编码器构建初始钢材轮廓分割模型，包括：

9、所述的自编码器表达式为：

10、y＝e(x)

11、r＝d(y)＝d(e(x))

12、其中，x为输入图像数据；y为编码信息；e为编码函数；r为重构信息；d为解码函数。

13、于本申请的一实施例中，通过分组卷积其参数量构建初始钢材轮廓检测模型，包括：

14、

15、其中，c2为分组卷积层的参数量；k为卷积核的大小；cin为输入通道数；cout表示输出通道数；g为所采用的分组数量；df为输入图像的尺度。

16、于本申请的一实施例中，所述钢材识别结果包括钢材轮廓检测结果和钢材轮廓分割结果，基于所述钢材识别结果提取出所述钢材图像数据中的钢材曲线轮廓点的过程包括：通过预设的扩充系数，对所述钢材轮廓检测模型输出的钢材轮廓检测结果的宽度和高度进行扩充，得到扩充宽度和扩充高度；基于所述扩充宽度和所述钢材轮廓检测结果的中心点，计算扩充后的钢材轮廓检测结果的横坐标，基于所述扩充高度和所述钢材轮廓检测结果的中心点，计算扩充后的钢材轮廓检测结果的纵坐标，以对所述钢材轮廓检测结果的范围进行扩充；根据扩充后的钢材轮廓检测结果，和所述钢材轮廓分割模型输出的钢材轮廓分割结果进行筛选，得到筛选结果；提取所述筛选结果的钢材曲线轮廓点，并生成钢材曲线轮廓点集。

17、于本申请的一实施例中，根据扩充后的钢材轮廓检测结果和所述钢材轮廓分割结果进行筛选，得到筛选结果，包括：通过以下公式对扩充后的钢材轮廓检测结果和所述钢材轮廓分割结果进行筛选：

18、rsave＝rseg∩rdet

19、其中，rseg为钢材轮廓分割结果；rdet为扩充后的钢材轮廓检测结果；rsave为筛选结果。

20、于本申请的一实施例中，计算钢材轮廓远端切线与所述拟合直线的夹角，根据所述夹角确定所述钢材图像数据中的钢材是否发生弯钢，包括：通过以下公式计算钢材轮廓远端切线与所述拟合直线的夹角：

21、

22、其中，a1、a2、b1、b2均为直线参数，β为弯曲角度；若所述弯曲角度大于预设的报警阈值，则确定发生弯钢，并发出报警信号；若所述均值小于或等于预设的报警阈值，则确定未发生弯钢。

23、本申请提供了一种弯钢识别装置，所述装置包括：获取模块，用于获取飞剪图像数据，将所述飞剪图像数据输入至弯钢识别模型，获得推理结果，所述推理结果包括钢料分割结果和钢料检测结果；筛选模块，用于对所述推理结果进行筛选，得到筛选结果；拟合模块，用于根据所述筛选结果进行直线拟合，得到拟合直线；判定模块，用于计算每个筛选结果的质心与所述拟合直线的距离和，根据所述距离和判定飞剪图像数据是否发生堆钢。

24、有益效果：本申请提供的一种弯钢识别方法、装置及电子设备，通过获取钢材图像数据，并将钢材图像数据输入至预先或实时训练的钢材识别模型中，得到对应的钢材识别结果；基于钢材识别结果提取出钢材图像数据中的钢材曲线轮廓点，并生成钢材曲线轮廓点集；计算钢材曲线轮廓点集中的点到预测函数的距离的平方和，并根据计算出的平方和确定出拟合直线；基于深度学习的弯钢识别网络，能够实时监控生产线上弯钢情况，保证了判断结果准确性，并且通过计算钢材轮廓远端切线与拟合直线的夹角，根据夹角判定是否发生弯钢，计算量小、适应性强，能够快速并且准确地判定出是否发生弯钢，实现对各个生产线钢材的实时监控，在出现弯钢时能够及时报警，不仅能够提高监控的效率，还能够将减小产线运作的安全隐患。

25、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

技术特征：

1.一种弯钢识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的弯钢识别方法，其特征在于，计算所述钢材曲线轮廓点集中的点到预测函数的距离的平方和，并根据计算出的平方和确定出拟合直线，包括：

3.根据权利要求1所述的弯钢识别方法，其特征在于，在获取钢材图像数据之前，还包括：

4.根据权利要求3所述的弯钢识别方法，其特征在于，通过自编码器构建初始钢材轮廓分割模型，包括：

5.根据权利要求3所述的弯钢识别方法，其特征在于，通过分组卷积其参数量构建初始钢材轮廓检测模型，包括：

6.根据权利要求1或3所述的弯钢识别方法，其特征在于，所述钢材识别结果包括钢材轮廓检测结果和钢材轮廓分割结果，基于所述钢材识别结果提取出所述钢材图像数据中的钢材曲线轮廓点的过程包括：

7.根据权利要求6所述的弯钢识别方法，其特征在于，根据扩充后的钢材轮廓检测结果和所述钢材轮廓分割结果进行筛选，得到筛选结果，包括：

8.根据权利要求1所述的弯钢识别方法，其特征在于，计算钢材轮廓远端切线与所述拟合直线的夹角，根据所述夹角确定所述钢材图像数据中的钢材是否发生弯钢，包括：

9.一种弯钢识别装置，其特征在于，所述弯钢识别装置包括：

10.一种电子设备，其特征在于，所述电子设备包括：

技术总结
本申请提供一种弯钢识别方法、装置及电子设备，该方法包括：通过获取钢材图像数据，基于深度学习的弯钢识别网络得到钢材识别结果；基于钢材识别结果提取出钢材图像数据中的钢材曲线轮廓点，并生成钢材曲线轮廓点集；计算钢材曲线轮廓点集中的点到预测函数的距离的平方和，并根据计算出的平方和确定出拟合直线；能够实时监控生产线上弯钢情况，保证了判断结果准确性，并且通过计算钢材轮廓远端切线与拟合直线的夹角，根据夹角判定是否发生弯钢，计算量小、适应性强，能够快速并且准确地判定出是否发生弯钢，实现对各个生产线钢材的实时监控，在出现弯钢时能够及时报警，不仅能够提高监控的效率，还能够将减小产线运作的安全隐患。

技术研发人员：罗世勇,刘竞升,张晓辉,庞殊杨,陶涛,郭邦趋,李强
受保护的技术使用者：中冶赛迪信息技术（重庆）有限公司
技术研发日：
技术公布日：2024/4/24