[發明專利]一種基于機器視覺的熱軋鋼軌物料跟蹤方法及系統

在審

• 申請號: 202110938197.3
• 申請日: 2021-08-16
• 公開（公告）號: CN113643340A
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 陳兆文;張涌泉;孫曉衛
• 申請（專利權）人: 中冶東方工程技術有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06N3/04;G06N3/08;G06K9/34;G06N5/02;G06Q50/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.一種基于機器視覺的熱軋鋼軌物料跟蹤方法，其特征在于，包括：

獲取熱軋鋼軌的表面圖像數據；

對所述表面圖像數據進行特征提取，得到鋼軌鋼印字符的位置信息和字符間的中心線信息；

將鋼軌鋼印字符的位置信息和字符間的中心線信息輸入到預設的跟蹤模型中，得到熱軋鋼軌物料的跟蹤結果；

其中，所述跟蹤模型通過知識蒸餾進行壓縮。

2.如權利要求1所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法，其特征在于，

將鋼軌鋼印字符的位置信息和字符間的中心線信息分為訓練集，測試集和驗證集；對所述訓練集進行數據增強處理；

將增強處理后訓的練集輸入神經網絡進行訓練，得到預設的跟蹤模型；

將所述測試集和所述驗證集輸入壓縮后的熱軋鋼軌物料跟蹤模型，對所述跟蹤模型進行測試和驗證。

3.如權利要求2所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法，其特征在于，所述神經網絡為輕量級的神經網絡結構，根據鋼印采集圖像特點修改網絡部分節點。

4.如權利要求2所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法，其特征在于，知識蒸餾壓縮內容包括：

在所述訓練集上采用resnet101的大型網絡架構訓練一個教師模型，用于指導學生模型在數據集上的訓練；

使用學生模型在訓練集上訓練一個初始模型，將學生模型與教師模型組合成一個新的網絡，分別輸出學生模型和教師模型的預測分布；新的網絡分別輸出學生模型和教師模型的預測分布；

固定教師模型整個網絡的梯度，學生模型做正常的反向傳播，開始蒸餾模型訓練。

5.如權利要求1所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法，其特征在于，根據鋼軌軋鋼生產工藝確定所述表面圖像數據的獲取位置，采用線掃描方式獲取所述表面圖像。

6.如權利要求1所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法，其特征在于，根據字符位置以及預設的跟蹤模型輸入大小，裁剪圖像為統一大小。

7.如權利要求1所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法，其特征在于，通過字符間中心線和中心線間距作為標注框，通過人工標注形成鋼印字符數據集。

8.一種基于機器視覺的熱軋鋼軌物料跟蹤系統，其特征在于，包括數據獲取模塊、特征提取模塊和物料跟蹤模塊；

所述數據獲取模塊，被配置為：獲取熱軋鋼軌的表面圖像數據；

所述特征提取模塊，被配置為：對所述表面圖像數據進行特征提取，得到鋼軌鋼印字符的位置信息和字符間的中心線信息；

所述物料跟蹤模塊，被配置為：將鋼軌鋼印字符的位置信息和字符間的中心線信息輸入到預設的跟蹤模型中，得到熱軋鋼軌物料的跟蹤結果；

其中，所述跟蹤模型通過知識蒸餾進行壓縮。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，用于指紋圖譜相似度計算，其特征在于，該程序被處理器執行時實現如權利要求1-7任一項所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法。

10.一種邊緣計算設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7任一項所述的一種基于機器視覺的熱軋鋼軌物料跟蹤方法。