[發明專利]基于深度學習的投料校準方法與系統

在審

• 申請號: 202310322842.8
• 申請日: 2023-03-30
• 公開（公告）號: CN116469108A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 鄭裕盛
• 申請（專利權）人: 廣東瓴仕數字科技有限公司
• 主分類號: G06V30/19
• 分類號: G06V30/19;G06V30/148;G06V10/82;G06N3/08
• 代理公司: 廣東穗科知識產權代理事務所(普通合伙) 44834
• 代理人: 黃啟文

本發明涉及一種基于深度學習的投料校準方法，包括以下步驟：S1.在投料口安裝圖像拍攝模塊；S2.下載投料單，獲取投料的批次信息；S3.進行投料操作時，利用所述圖像拍攝模塊對料包包裝袋上的文字信息進行拍攝，獲取拍攝圖像；S4.利用深度學習技術對所述拍攝圖像進行處理，獲取所述料包上的批次信息；S5.將所述獲取的批次信息與投料單中的批次信息進行匹配，若成功匹配則提示校準成功，否則提示校準錯誤。

技術領域

本發明涉及管材技術領域，更具體地，涉及一種基于深度學習的投料校準方法與系統。

背景技術

目前，在管材生產領域，在進行投料操作時，一般采取的是人工校準的方式，即通過人工審閱、登記PE原料包裝袋上的生產批次等信息，從而確保不會出現錯投料或投料重量不對的問題。顯然，這種方式容易出錯，且智能化、自動化的程度較低。

發明內容

本發明的發明目的在于提供一種基于深度學習的投料校準方法，該方法能夠實現對投料的自動校準，無需人工協助，提高校準的效率及準確率。

為實現以上發明目的，采用的技術方案是：

基于深度學習的投料校準方法，包括以下步驟：

S1.在投料口安裝圖像拍攝模塊；

S2.下載投料單，獲取投料的批次信息；

S3.進行投料操作時，利用所述圖像拍攝模塊對料包包裝袋上的文字信息進行拍攝，獲取拍攝圖像；

S4.利用深度學習技術對所述拍攝圖像進行處理，獲取所述料包上的批次信息；

S5.將所述獲取的批次信息與投料單中的批次信息進行匹配，若成功匹配則提示校準成功，否則提示校準錯誤。

優選地，所述利用深度學習技術對所述拍攝圖像進行處理，具體包括：

利用已訓練好的模型對拍攝圖像進行處理。

優選地，所述模型的訓練過程包括：

構建樣本圖像，對所述樣本圖像進行標注后，將所述樣本圖像輸入至模型中，模型輸出識別結果；

基于所述識別結果更新模型的參數信息。

優選地，預設單個字符的寬度與間距；所述利用深度學習技術對所述拍攝圖像進行處理的過程中，若出現字符的分割區域形成粘連的情況，則利用所述單個字符的寬度與間距對字符進行切分。

優選地，預設面積閾值；所述利用深度學習技術對所述拍攝圖像進行處理的過程中，忽略小于面積閾值的連通區域。

同時，本發明還提供了一種基于深度學習的投料校準系統，其具體的方案如下：

基于深度學習的投料校準系統，包括圖像拍攝模塊、數據處理模塊；其中，圖像拍攝模塊用于對料包包裝袋上的文字信息進行拍攝，獲取拍攝圖像；數據處理模塊用于下載投料單，獲取投料的批次信息；利用深度學習技術對所述拍攝圖像進行處理，獲取所述料包上的批次信息；將所述獲取的批次信息與投料單中的批次信息進行匹配，若成功匹配則提示校準成功，否則提示校準錯誤。

與現有技術相比，本發明的有益效果是：

本發明提供的基于深度學習的投料校準方法通過深度學習的方法實現對批次信息的自動識別，后續基于識別的批次信息實現自動的投料校準，與現有技術相比，提高了校準的效率及準確率。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其它的附圖。

圖1為基于深度學習的投料校準方法的流程示意圖。

圖2為基于深度學習的投料校準系統的結構示意圖。

實施方式