-
公开(公告)号:CN111985406B
公开(公告)日:2023-05-23
申请号:CN202010847123.4
申请日:2020-08-21
申请人: 武汉科技大学
IPC分类号: G06V20/10 , G06V10/25 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
摘要: 本发明公开了一种锌渣图像识别及分类方法,属于图像处理及捞渣技术领域,包括如下步骤:锌锅图片数据集的预处理;将预处理后的图片切割成小块图片,并标号;将切割后的小块图片制作为训练集、验证集和测试集;采用卷积神经网络对训练集进行训练并测试性能;利用调试好的网络进行锌渣图像的识别与分类。本发明为现有的捞渣机器人提供了一套视觉识别锌渣的方案,相比于全覆盖捞渣和盲捞的方式,提高了作业效率,并且降低了捞渣成本。
-
公开(公告)号:CN111985406A
公开(公告)日:2020-11-24
申请号:CN202010847123.4
申请日:2020-08-21
申请人: 武汉科技大学
摘要: 本发明公开了一种锌渣图像识别及分类方法,属于图像处理及捞渣技术领域,包括如下步骤:锌锅图片数据集的预处理;将预处理后的图片切割成小块图片,并标号;将切割后的小块图片制作为训练集、验证集和测试集;采用卷积神经网络对训练集进行训练并测试性能;利用调试好的网络进行锌渣图像的识别与分类。本发明为现有的捞渣机器人提供了一套视觉识别锌渣的方案,相比于全覆盖捞渣和盲捞的方式,提高了作业效率,并且降低了捞渣成本。
-
公开(公告)号:CN110796046A
公开(公告)日:2020-02-14
申请号:CN201910990000.3
申请日:2019-10-17
申请人: 武汉科技大学
摘要: 本发明公开了一种基于卷积神经神经网络的智能钢渣检测方法和系统,包括钢渣图像识别、钢流目标检测、彩色钢渣图像分割步骤:以视频帧图像中的彩色钢渣图像为对象,采用基于改进的AlexNet卷积神经网络的图像识别方法识别出彩色钢渣图像;对彩色钢渣图像中的钢流信息进行检测,通过基于YOLOv3卷积神经网络的目标检测方法,将钢流从复杂的背景中检测出来,从而准确检测出钢流夹渣情况;基于Lab颜色空间的K均值聚类算法对彩色图像进行预处理并采用改进的Otsu图像分割算法,将钢渣从钢水中完全分离。利用可视化用户界面系统,进行钢渣可视化检测。本发明简便易行成本低,能够将钢渣和钢水进行区分,避免误检,提高钢渣图像的实时识别精度,提高钢水的纯净度。
-
公开(公告)号:CN112011750B
公开(公告)日:2023-02-17
申请号:CN202010847127.2
申请日:2020-08-21
申请人: 武汉科技大学
摘要: 本发明公开了一种基于机器视觉的捞渣方法及机器人系统,通过视觉技术识别并定位出影响镀锌板质量的厚渣区域,然后根据捞渣区域优先度规则得到捞渣顺序,最后控制捞渣机器人将所有厚渣捞起并倒入附近的渣斗中。相对于传统的机器人捞渣系统,本发明提出了机器视觉的捞渣方案,根据锌渣分布特征及捞渣策略优化确定最优的捞渣顺序,减少了不必要的捞渣次数引起的锌耗及电力损耗,显著提升了捞渣机器人的自主性,提高了作业效率。
-
公开(公告)号:CN110796046B
公开(公告)日:2023-10-10
申请号:CN201910990000.3
申请日:2019-10-17
申请人: 武汉科技大学
IPC分类号: G06V20/50 , G06V10/82 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/56 , G06N3/0464 , G06N3/048 , G06N3/084
摘要: 本发明公开了一种基于卷积神经神经网络的智能钢渣检测方法和系统,包括钢渣图像识别、钢流目标检测、彩色钢渣图像分割步骤:以视频帧图像中的彩色钢渣图像为对象,采用基于改进的AlexNet卷积神经网络的图像识别方法识别出彩色钢渣图像;对彩色钢渣图像中的钢流信息进行检测,通过基于YOLOv3卷积神经网络的目标检测方法,将钢流从复杂的背景中检测出来,从而准确检测出钢流夹渣情况;基于Lab颜色空间的K均值聚类算法对彩色图像进行预处理并采用改进的Otsu图像分割算法,将钢渣从钢水中完全分离。利用可视化用户界面系统,进行钢渣可视化检测。本发明简便易行成本低,能够将钢渣和钢水进行区分,避免误检,提高钢渣图像的实时识别精度,提高钢水的纯净度。
-
公开(公告)号:CN112011750A
公开(公告)日:2020-12-01
申请号:CN202010847127.2
申请日:2020-08-21
申请人: 武汉科技大学
摘要: 本发明公开了一种基于机器视觉的捞渣方法及机器人系统,通过视觉技术识别并定位出影响镀锌板质量的厚渣区域,然后根据捞渣区域优先度规则得到捞渣顺序,最后控制捞渣机器人将所有厚渣捞起并倒入附近的渣斗中。相对于传统的机器人捞渣系统,本发明提出了机器视觉的捞渣方案,根据锌渣分布特征及捞渣策略优化确定最优的捞渣顺序,减少了不必要的捞渣次数引起的锌耗及电力损耗,显著提升了捞渣机器人的自主性,提高了作业效率。
-
-
-
-
-