[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

本公開公開了一種基于機器視覺的熱軋鋼軌物料跟蹤方法及系統，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；本公開對熱軋鋼軌精整區難以跟蹤的區域增加工業相機，通過機器視覺識別鋼印號的方式實現對鋼軌物料的跟蹤；根據采集的鋼軌鋼印的特點，結合傳統算法和深度學習算法研發了快速、準確的鋼軌鋼印的識別模型。

技術領域

本公開屬于機器視覺技術領域，尤其涉及一種基于機器視覺的熱軋鋼軌物料跟蹤方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

隨著鐵路建設的發展和鋼軌生產技術的不斷提高，鋼軌的需求量越來越大；軋鋼廠為提高鋼軌的產量和質量需要追溯鋼軌生產的每一個環節，同時物料跟蹤對于軋鋼區的生產調度非常關鍵，能夠極大的提高鋼軌的產量；鋼軌軋制的工藝特點是生產線長度長，所需生產設備數量多，生產路徑復雜；因此在軋鋼生產線上，進行制造執行過程的物料跟蹤，以及事后生產過程分析、生產管理對整個鋼軌軋制生產具有至關重要的作用；通過物料跟蹤，實現生產過程工藝數據的全程動態的顯示和加工過程的自動記錄。

制造技術正逐步從自動化、數字化和網絡化向智能化方向發展。目前，鋼鐵工業正處于發展戰略的轉型期，智能制造是實現鋼鐵行業轉型的重要抓手；傳統的軋鋼線物料跟蹤主要采用邏輯跟蹤的方式，當某一環節出現問題時，邏輯開始混亂，難以追溯。

鋼軌鋼印號識別的難點在于其與傳統光學字符識別中的字符質量相差較大，發明人發現，現有機器視覺算法很難滿足鋼鐵企業識別精度的要求，經測試現有的開源高精度ocr模型應用在鋼軌鋼印識別上的準確率低于10％。

發明內容

本公開為了解決上述問題，提出了一種基于機器視覺的熱軋鋼軌物料跟蹤方法及系統；本公開對熱軋鋼軌精整區難以跟蹤的區域增加工業相機，通過機器視覺識別鋼印號的方式實現對鋼軌物料的跟蹤；根據采集的鋼軌鋼印的特點，結合傳統算法和深度學習算法研發了快速、準確的鋼軌鋼印的識別模型。

為了實現上述目的，第一方面本公開提供了一種基于機器視覺的熱軋鋼軌物料跟蹤方法，采用如下技術方案：

一種基于機器視覺的熱軋鋼軌物料跟蹤方法，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。

進一步的，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。

進一步的，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。

進一步的，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；