[發(fā)明專利]基于深度學(xué)習(xí)的板坯空洞識別方法、系統(tǒng)、介質(zhì)及終端

有效

• 申請?zhí)枺?/td>: 202010488519.4
• 申請日: 2020-06-02
• 公開（公告）號: CN111652869B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 龐殊楊;王嘉駿;賈鴻盛;毛尚偉;李語桐
• 申請（專利權(quán)）人: 中冶賽迪信息技術(shù)（重慶）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/194;G06N3/0464;G06N3/08
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 代玲

1.一種基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，包括：

采集板坯圖像數(shù)據(jù)，并對所述板坯圖像數(shù)據(jù)中板坯的位置進(jìn)行標(biāo)注，形成圖像數(shù)據(jù)集；

根據(jù)所述圖像數(shù)據(jù)集建立板坯位置識別網(wǎng)絡(luò)模型，并對其進(jìn)行訓(xùn)練；

實(shí)時檢測板坯，并將檢測的板坯圖像信息輸入至板坯位置識別網(wǎng)絡(luò)模型，獲取輸出結(jié)果；

根據(jù)輸出結(jié)果中的板坯的位置信息，判斷板坯中是否存在空洞；

根據(jù)板坯位置識別網(wǎng)絡(luò)模型的輸出結(jié)果中板坯的位置信息，對圖像進(jìn)行切割處理，獲取板坯部分圖像；

預(yù)先設(shè)置灰度閾值，并根據(jù)所述灰度閾值對所述板坯部分圖像進(jìn)行二值化處理；

將二值化處理結(jié)果中的黑色部分的面積與預(yù)先設(shè)置的面積閾值進(jìn)行比較，判斷是否存在空洞。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，所述板坯位置識別網(wǎng)絡(luò)模型包括：

卷積神經(jīng)網(wǎng)絡(luò)，用于提取圖像特征；

多尺度特征檢測網(wǎng)絡(luò)，用于對所述卷積神經(jīng)網(wǎng)絡(luò)提取出的特征圖進(jìn)行池化操作，通過不同卷積層的多個特征圖對物體分類并回歸目標(biāo)框的偏移，獲取輸出結(jié)果。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)通過如下方式進(jìn)行：

D×D×C×H×W+C×N×H×W

其中，H為輸入數(shù)據(jù)的高，W為輸入數(shù)據(jù)的寬，C為輸入的通道數(shù)，D為卷積核的寬和高，N為卷積核數(shù)量，所述卷積神經(jīng)網(wǎng)絡(luò)使用與通道數(shù)相同的卷積核進(jìn)行卷積操作。

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，將所述板坯部分圖像中的像素點(diǎn)的灰度與所述灰度閾值進(jìn)行比較，

當(dāng)像素點(diǎn)的灰度大于等于灰度閾值時，判定其為特定物體，并將其灰度值置為255；

當(dāng)像素點(diǎn)的灰度小于灰度閾值時，判定其為背景，并將其灰度值置為0。

5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，將板坯部分圖像分為兩個部分：第一部分為C₀(0,1,…,t)，第二部分為C₁＝(t+1,t+2,…,L-1)，

其中，t為灰度閾值，L為圖像灰度級，

分別計(jì)算第一部分和第二部分的樣本方差，根據(jù)最大類間方差選取所述灰度閾值。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，第一部分和第二部分之間的類間方差通過如下公式獲取：

其中，ω₀為第一部分發(fā)生的概率，ω₁為第二部分發(fā)生的概率，μ₀為第一部分的樣本統(tǒng)計(jì)平均值，μ₁為第二部分的樣本統(tǒng)計(jì)平均值。

7.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，所述板坯位置識別網(wǎng)絡(luò)模型根據(jù)分類置信度和目標(biāo)框回歸的損失值計(jì)算總損失函數(shù)，所述總損失函數(shù)通過如下公式獲取：

其中，N為匹配的默認(rèn)邊框的個數(shù)，∝為平衡因子，x為匹配的框是否屬于某一類別的置信度，c為類別置信度預(yù)測值，l為預(yù)測框，g為真實(shí)框，L_conf為置信損失，L_loc為預(yù)測框與真實(shí)框的損失函數(shù)。

8.根據(jù)權(quán)利要求7所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，通過矩形目標(biāo)框?qū)Σ杉陌迮鲌D像數(shù)據(jù)中板坯位置進(jìn)行框選，獲取板坯的位置信息，并通過如下格式進(jìn)行記錄標(biāo)注的標(biāo)簽：

[xmin,ymin,xmax,ymax]

其中，xmin、ymin分別為板坯矩形目標(biāo)框在圖像中的左上角x、y坐標(biāo)值，xmax、ymax分別為板坯矩形目標(biāo)框在圖像中的右下角x、y坐標(biāo)值。

9.根據(jù)權(quán)利要求8所述的基于深度學(xué)習(xí)的板坯空洞識別方法，其特征在于，對標(biāo)注后的板坯圖像數(shù)據(jù)進(jìn)行監(jiān)督式訓(xùn)練，根據(jù)所述標(biāo)簽和預(yù)測框判斷最終識別準(zhǔn)確率，通過多次迭代使板坯位置識別網(wǎng)絡(luò)模型的預(yù)測值向標(biāo)簽和預(yù)測框誤差方向進(jìn)行收斂。