[發(fā)明專利]一種機器視覺油氣管線支架生產(chǎn)序號提取方法

在審

• 申請?zhí)枺?/td>: 202211284141.1
• 申請日: 2022-10-20
• 公開（公告）號: CN115620301A
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 李朋飛;章青;王亞澤;趙天任;張子峰;黎時宇
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06V30/18
• 分類號: G06V30/18;G06V10/82
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種機器視覺油氣管線支架生產(chǎn)序號提取方法，其特征在于包括以下步驟：

步驟一、使用CCD相機對管線支架表面的生產(chǎn)序號進行拍攝，拍攝時使生產(chǎn)序號位于圖片中心位置，將管線支架生產(chǎn)序號圖片通過數(shù)據(jù)線上傳至計算機中。

步驟二、使用CCD相機對管線支架截面進行拍照，拍攝時使相機鏡頭正對管線支架截面，且使得管線支架截面位于圖片中心位置，將管線支架截面圖片通過數(shù)據(jù)線上傳至計算機中。

步驟三、利用MLP神經(jīng)網(wǎng)絡(luò)算法進行管線支架截面外徑預(yù)測模型的訓(xùn)練，具體過程如下：

第一步，多次重復(fù)得到大量的管線支架截面外徑圖片，作為訓(xùn)練集，同時由人工測量每張圖像樣本對應(yīng)的管線支架截面外徑尺寸。

第二步，在python中導(dǎo)入神經(jīng)網(wǎng)絡(luò)模塊，提取一個第一步得到的圖像樣本利用MPL神經(jīng)網(wǎng)絡(luò)算法進行管線支架截面外徑尺寸識別，得到識別管線支架截面外徑尺寸結(jié)果；

第三步，判斷識別結(jié)果是否與人工測量的管線支架截面外徑尺寸結(jié)果相匹配，如果匹配失敗，則返回第二步重新利用MPL神經(jīng)網(wǎng)絡(luò)算法對該圖像樣本進行管線支架截面外徑尺寸識別。如果匹配成功則返回第二步提取下一個圖像樣本進行識別，直到所有圖像樣本都能成功識別，得到管線支架截面外徑預(yù)測模型。

步驟四、在Python中導(dǎo)入一張待預(yù)測截面外徑的管線支架截面圖片，通過預(yù)測模型得到管線支架截面外徑D；

步驟五、在Python中導(dǎo)入一張待預(yù)測生產(chǎn)序號的管線支架生產(chǎn)序號圖片，對圖片進行像素點RGB值變化處理，得到預(yù)檢測生產(chǎn)序號圖片。

步驟六、利用MLP神經(jīng)網(wǎng)絡(luò)算法進行生產(chǎn)序號預(yù)測模型的訓(xùn)練。

步驟七，在實際作業(yè)中，選取一個管線支架，依次經(jīng)過步驟一至步驟五過程，在python中對步驟五得到的預(yù)檢測生產(chǎn)序號圖片利用步驟六得到的生產(chǎn)序號預(yù)測模型進行計算，得到該管線支架的生產(chǎn)序號。

步驟八，計算機通過網(wǎng)絡(luò)向服務(wù)端發(fā)送請求，在服務(wù)器的數(shù)據(jù)庫中找到與步驟七的生產(chǎn)序列相對應(yīng)的油氣管線支架并將該油氣管線支架的基本信息通過網(wǎng)絡(luò)傳輸展示在作業(yè)現(xiàn)場的展示屏上，方便現(xiàn)場作業(yè)。

2.根據(jù)權(quán)利要求1所述的一種機器視覺油氣管線支架生產(chǎn)序號提取方法，其特征在于：所述的步驟五的具體過程如下：

第一步，在Python中導(dǎo)入一張待預(yù)測生產(chǎn)序號的管線支架生產(chǎn)序號圖片，定義坐標原點位于管線支架生產(chǎn)序號圖片中心，定義管線支架的軸線方向為x軸方向，豎直方向為y軸方向。

第二步，將圖片中所有像素點的RGB值按照x坐標從小到大、y坐標的絕對值從大到小的順序進行變化，得到預(yù)檢測生產(chǎn)序號圖片。設(shè)某像素點坐標為(x,y)，若y≠0，則其RGB值變化為(x,y′)的RGB值，否則不變。y′的定義如下。

其中，D為管線支架截面外徑。

3.根據(jù)權(quán)利要求1所述的一種機器視覺油氣管線支架生產(chǎn)序號提取方法，其特征在于：所述的步驟六的具體過程如下：

第一步，多次重復(fù)步驟四、步驟五得到大量的預(yù)檢測生產(chǎn)序號圖片，作為訓(xùn)練集，同時由人工確定每張圖像樣本對應(yīng)的生產(chǎn)序號信息。

第二步，在python中導(dǎo)入神經(jīng)網(wǎng)絡(luò)模塊，提取一個第一步得到的預(yù)檢測生產(chǎn)序號圖片樣本，并利用MPL神經(jīng)網(wǎng)絡(luò)算法對其進行生產(chǎn)序號識別，得到管線支架生產(chǎn)序號識別結(jié)果；

第三步，判斷識別結(jié)果是否與人工識別的管線支架生產(chǎn)序號結(jié)果相匹配，如果匹配失敗，則返回第二步重新利用MPL神經(jīng)網(wǎng)絡(luò)算法對該圖像樣本進行管線支架生產(chǎn)序號識別。如果匹配成功則返回第二步提取下一個圖像樣本進行識別，直到所有圖像樣本都能成功識別，得到生產(chǎn)序號預(yù)測模型。