[发明专利]连铸坯质量检测方法、装置、电子设备及存储介质在审
| 申请号: | 201810710556.8 | 申请日: | 2018-07-02 |
| 公开(公告)号: | CN108961239A | 公开(公告)日: | 2018-12-07 |
| 发明(设计)人: | 文亚伟;冷家冰;刘明浩;徐玉林;郭江亮;李旭 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06K9/62 |
| 代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 荣甜甜;刘芳 |
| 地址: | 100085 北京市*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 连铸坯 质量检测 缺陷检测 连铸坯生产线 缺陷检测结果 存储介质 电子设备 图像 图像采集设备 控制台 历史缺陷 算法训练 图像输入 系统性能 业务扩展 语义分割 质量好坏 准确度 采集 发送 申请 部署 | ||
1.一种连铸坯质量检测方法,其特征在于,包括:
接收部署在连铸坯生产线上的控制台发送的质量检测请求,所述质量检测请求中包含所述连铸坯生产线上的图像采集设备采集的连铸坯图像;
将所述连铸坯图像输入到缺陷检测模型中得到缺陷检测结果,其中,所述缺陷检测模型是对历史缺陷连铸坯图像进行语义分割算法训练得到的;
根据所述缺陷检测结果确定所述连铸坯图像对应的连铸坯的质量好坏。
2.根据权利要求1所述的方法,其特征在于,所述缺陷检测模型是对历史缺陷连铸坯图像进行语义分割算法训练得到的,包括:
所述缺陷检测模型是对所述历史缺陷连铸坯图像的预测像素类别进行训练,以使所述预测像素类别与实际像素类别之间的损失值满足预设损失阈值的结果。
3.根据权利要求1所述的方法,其特征在于,所述将所述显示图像输入到缺陷检测模型中得到缺陷检测结果之前,还包括:
对所述连铸坯图像进行图像预处理,其中,所述图像预处理包括下述处理中的一项或多项:
光照补偿、除雾、锐化、裁边、剪切、旋转、缩小、放大。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述连铸坯图像输入到缺陷检测模型中得到缺陷检测结果,包括:
根据负载均衡策略,确定承载处理资源的检测模型服务器;
将所述连铸坯图像输入到运行在所述检测模型服务器上的所述缺陷检测模型中得到缺陷检测结果。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述缺陷检测结果,包括:缺陷类别,和/或,缺陷位置;
所述根据所述缺陷检测结果确定所述连铸坯图像对应的连铸坯的质量好坏,包括:
根据生产阶段信息以及所述缺陷检测结果,确定所述连铸坯图像对应的连铸坯的质量好坏。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述缺陷检测结果确定所述连铸坯图像对应的连铸坯的质量好坏之后,还包括:
若确定所述连铸坯存在缺陷,则执行以下一项或多项操作:
通过控制器向生产管理者发送报警信息;
通过控制器将所述缺陷检测结果作为日志存储到生产数据库中;
通过控制器向所述控制台发送生产控制指令以便消除缺陷;
将所述连铸坯图像和所述缺陷检测结果输入到所述缺陷检测模型中以便优化所述缺陷检测模型。
7.一种连铸坯质量检测装置,其特征在于,包括:
接收模块,用于接收部署在连铸坯生产线上的控制台发送的质量检测请求,所述质量检测请求中包含所述连铸坯生产线上的图像采集设备采集的连铸坯图像;
处理模块,用于将所述连铸坯图像输入到缺陷检测模型中得到缺陷检测结果,其中,所述缺陷检测模型是对历史缺陷连铸坯图像进行语义分割算法训练得到的;
确定模块,用于根据所述缺陷检测结果确定所述连铸坯图像对应的连铸坯的质量好坏。
8.根据权利要求7所述的装置,其特征在于,所述缺陷检测模型是对历史缺陷连铸坯图像进行语义分割算法训练得到的,包括:
所述缺陷检测模型是对所述历史缺陷连铸坯图像的预测像素类别进行训练,以使所述预测像素类别与实际像素类别之间的损失值满足预设损失阈值的结果。
9.根据权利要求7所述的装置,其特征在于,
所述处理模块,还用于在将所述显示图像输入到缺陷检测模型中得到缺陷检测结果之前,对所述连铸坯图像进行图像预处理;
其中,所述图像预处理包括下述处理中的一项或多项:
光照补偿、除雾、锐化、裁边、剪切、旋转、缩小、放大。
10.根据权利要求7-9任一项所述的装置,其特征在于,
所述处理模块,具体用于根据负载均衡策略,确定承载处理资源的检测模型服务器,将所述连铸坯图像输入到运行在所述检测模型服务器上的所述缺陷检测模型中得到缺陷检测结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810710556.8/1.html,转载请声明来源钻瓜专利网。





