一种废钢识别系统和方法与流程

本发明涉及机电一体化、废钢识别、图像处理，尤其是一种废钢识别系统和方法。

背景技术：

1、废钢材分类处理在有效利用资源、提高再利用率、改善废钢利用和再加工方面起着重要作用，同时钢材厚度是质量和性能的关键参数之一。船舶废钢按厚度分为轻废和重废，其中包括船体结构钢、船板钢、船桥钢等，每种废钢都具有独特的特点和用途。分类处理有利于提高企业经济效益，同时使回收过程更加精准，减少浪费。不同种类的废钢在冶炼和再利用中需要不同的处理方法。

2、目前，船舶钢材厚度的检测和识别主要依赖于传统的人工测量方法，但该方法效率低、精度不高且成本高。此外，当前船体废钢数据库的建立还未完善，单体废钢场地废钢样本结构复杂，缺乏系统化、专业化的硬件设施。因此，为了融入大数据时代的潮流，提升废钢识别效率，降低人工参与度，工业生产需要一种高效、准确、自动化的船舶钢材识别系统及其方法。同时，为单体废钢场地废钢样本数据库的建立，完成相应设备的布置。近年来，随着机电一体化技术、深度学习技术的快速发展，为图像处理和计算机视觉领域带来了新的机遇，一种废钢识别系统及其工作方法应运而生。

3、该废钢识别系统适用于对船舶废钢的检测和识别，可以根据船厂的实际要求区分不同种类的废钢，以厚度为依据，6mm以上为重废，6mm以下为轻废；以来源为依据，船体切割料为新废，拆船料为旧废。在钢材检测识别领域，目前已有一些相关研究。

4、例如公开号为cn115829988a，专利名称为《一种基于segformer的废钢识别分割方法》的公开文献，公开了废钢识别技术，主要包含基于segformer深度学习的废钢识别方法和步骤，该发明结合k折交叉验证的方式对识别算法模型进行训练，使得该废钢识别分割算法具备一定优势。

5、例如公开号为cn114037987a，专利名称为《一种废钢智能识别方法、装置、介质及设备》的公开文献，公开了的废钢识别技术是对废钢识别中的像素定位和数据采集进行描述。

6、上述公开的系统和相应的控制方法存在着一些局限性，如缺少具体工作设备、算法不稳定等。因此，需要一种新的废钢识别方法来解决这些问题。

技术实现思路

1、本发明所要解决的技术问题是实现一种废钢识别系统和方法，需要能够有效解决现有废钢处理中废钢等级分拣不精准的问题，辅助实现废钢分级分拣作业，增加整体经济效益。完成废钢识别的实时监控、废钢识别数据的存储和共享，以及完成单体废钢场地废钢数据库的建立。该系统和方法适用于识别船厂内不同厚度的船舶轻废和船舶重废。

2、为了实现上述目的，本发明采用的技术方案为：一种废钢识别系统，包括视觉检测模块和后台监控模块，所述视觉检测模块设有用于获取废钢图像信息的主视觉摄像头和辅助视觉摄像头，所述主视觉摄像头和辅助视觉摄像头连接并输出图像信号至数据传输装置，所述数据传输装置包括多块视频显示器、服务器、交换机，所述交换机内设有与视觉检测模块中数据传输装置通信的通信模块，所述交换机将获取的信号发送至服务器，所述服务器内设有用于识别废钢的算法模块，所述服务器连接并输出识别结果至多块视频显示器显示。

3、所述视觉检测模块布置于废钢卸料现场，所述主视觉摄像头、辅助视觉摄像头安装在连杆顶部的横杆上，所述数据传输装置固定在连杆上，所述主视觉摄像头和辅助视觉摄像头并排设置，所述主视觉摄像头用于拍摄废钢的外观整体图像，所述辅助视觉摄像头用于拍摄废钢的表面细节图像。

4、所述视觉检测模块设有用于转运的车身主体，所述车身主体上固定有升降机构，所述升降机构的顶部固定有载重平台，所述连杆的底部固定在载重平台上。

5、所述后台监控模块根据实际情况安装在大型集装箱内并布置于废钢场地相应位置，所述服务器和交换机布置在视频显示器的后方，所述服务器用于提供较大的数据存储空间，进行存储和管理不同类型、厚度、尺寸的废钢数据，完成废钢数据资源的共享，所述交换机在废钢识别系统中用于连接设备、传输数据和管理网络，所述视频显示器用于实时显示现场的工作画面，进行废钢识别相应参数的展示，实现废钢识别系统的操控。

6、一种基于所述废钢识别系统的废钢识别方法，包括以下步骤：

7、步骤s1、主视觉摄像头、辅助视觉摄像头拍摄并收集废钢类型、尺寸和厚度检测图像；

8、步骤s2、废钢图像数据拍摄、收集完成后传送至数据传输装置，完成视觉检测模块的任务；

9、步骤s3、废钢图像数据传输装置将数据发送给汇集交换机，完成传输数据和网络管理任务；

10、步骤s4、交换机将数据分别发送给服务器和视频显示器；

11、步骤s5、服务器实现废钢数据的存储、共享和进一步处理；视频显示器实时显示废钢识别相应参数和信号，完成后台监控模块的任务；

12、步骤s6、交换机接收数据，进一步完成数据管理；

13、步骤s7、交换机将数据发送至企业机房服务器，完成废钢识别数据的存储和共享，以及完成单体废钢场地废钢数据库设备的布置。

14、所述s1中，废钢运输至废钢识别场地，升降车车身主体移动至废钢卸料处附近，控制升降机构使主视觉摄像头、辅助视觉摄像头升高至指定高度，主视觉摄像头、辅助视觉摄像头开始拍照记录数据；主视觉摄像头拍摄记录废钢的整体图像，以获取废钢的外观特征和整体形状，辅助视觉摄像头拍摄记录废钢的细节图像，以获取废钢的表面缺陷、裂纹、锈蚀细节信息。

15、所述s5中，所述服务器内的算法模块，采用canny算子、susan边缘检测算法以及多个语义分割的深度学习算法，对样本数据进行处理，结合人工依据材料、厚度、大小等尺寸对采集图像进行标记，区分轻废和重废，建立数据集

16、所述算法模型预先对大量结合人工标注完的图像进行训练；

17、首先使用canny算子、susan边缘检测算法对废钢数据图像进行边缘检测；

18、再使用多个语义分割的深度学习算法模型将原有的图像分割成若干小块图像；

19、算法模型会来预测每张小图当中的废钢位置及相对应的废钢形状；

20、最后将所有小块图像的检测结果进行整合，得到原始大图的废钢位置及形状，实现废钢分类与识别。

21、所述canny算子、susan边缘检测算法相互配合，先由canny算子完成废钢图像整体的粗略检测，再由susan边缘检测算法对图像中废钢的精细化轮廓进行检测；

22、canny算子包括以下步骤：

23、1)所述canny算子检测的废钢图像是灰度图，使用如下公式进行灰度化：

24、

25、2)消除噪声，进行高斯模糊平滑操作，使用高斯滤波器与图像进行卷积，使用的大小为(2k+1)×(2k+1)的高斯滤波器核的生成方程式由下式所示：

26、

27、3)计算像素梯度，令水平方向的梯度强度为gx，令垂直方向的梯度强度为gy，公式如下所示：

28、

29、边缘像素点的梯度幅值g为：

30、

31、梯度方向θ为：

32、

33、所述susan边缘检测算法包括以下步骤：

34、1)计算核的相似性，表示：

35、

36、usan区域面积的计算公式如下：

37、

38、2)计算角点响应值，表示：

39、

40、非极大值抑制后，进行剔除伪角点这一步骤，核心与重心间的距离小于0.6的判断为伪角点，令水平方向的距离为dx，令垂直方向的距离为dy，计算公式如下：

41、

42、

43、

44、本发明采用了机电一体化技术，具有较高的灵活性和机动性，具有较强的适应性，可以根据现场废钢分拣需求可增加视觉检测模块、后台监控模块等硬件设备的数量。可以协助完成单体废钢场地废钢数据库的建立，具备广泛的应用前景。

45、此外，该方法实现了将计算机视觉技术、语义分割算法等相关技术结合，在相似领域适用性好，在保证实时性的前提下，提供了准确检测识别钢材厚度检测厚度的方法与系统。