[发明专利]追钢识别方法、系统、设备及介质

说明书

本申请提供一种追钢识别方法、系统、设备及介质，该方法包括：获取钢条图像；以所述钢条图像为数据集训练深度学习神经网络得到目标检测模型；利用所述目标检测模型识别待测的所述钢条图像中的钢条特征，所述钢条特征至少包括钢条在对应图像中的位置信息；根据所述钢条的位置信息与所述钢条追钢的阈值条件判断所述钢条图像是否发生追钢。本申请利用机器自动学习钢条特征，依靠机器视觉技术判断钢条追钢，整个判断过程无需人工参与，实现机器全自动识别追钢，相比现有技术，一方面，增强了追钢识别效率；另一方面，提高了追钢识别精度，确保在炼钢过程中钢条追钢及时发现、及时报警。

技术领域

本申请涉及钢铁领域内的图像处理技术，特别是涉及一种追钢识别方法、系统、设备及介质，应用于识别钢铁工业场景下钢条追钢的异常情况。

背景技术

在钢铁冶金领域的冶炼过程中，需要对钢材进行传送。在传送钢材的过程中，很容易发生钢条追钢的情况，一旦发生追钢事故(即，钢条之间首尾相追)，必须要及时进行处理，否则影响炼钢质量。

然而，现有钢条追钢一般利用人工判断，往往无法及时有效检测到发生追钢的意外情况，因此，亟需一种能够实时检测到钢条追钢的识别方式，一旦发生异常能够及时报警，提醒操作工人进行处理。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种追钢识别方法、系统、设备及介质，用于解决现有技术中无法智能识别钢条追钢情况，导致识别效率低和精度低的问题。

为实现上述目的及其他相关目的，本申请的第一方面，本申请提供一种追钢识别方法，包括：

获取钢条图像；

以所述钢条图像为数据集训练深度学习神经网络得到目标检测模型；

利用所述目标检测模型识别待测的所述钢条图像中的钢条特征，所述钢条特征至少包括钢条在对应图像中的位置信息；

根据所述钢条的位置信息与所述钢条追钢的阈值条件判断所述钢条图像是否发生追钢。

本申请的第二方面，提供一种追钢识别系统，包括：

图像获取模块，用于获取钢条图像；

模型训练模块，用于以所述钢条图像为数据集训练深度学习神经网络得到目标检测模型；

检测模块，利用所述目标检测模型识别待测的所述钢条图像中的钢条特征，所述钢条特征至少包括钢条在对应图像中的位置信息；

追钢判断模块，用于根据所述钢条的位置信息与所述钢条追钢的阈值条件判断所述钢条图像是否发生追钢。

本申请第三方面提供一种电子设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得所述电子设备执行以执行如第一方面中任一项所述的追钢识别方法。

本申请的第四方面，提供一种计算机可读存储介质，存储至少一种程序，所述至少一个程序在被调用并执行时实现如第一方面中任一项所述的追钢识别方法。

如上所述，本申请的追钢识别方法、系统、设备及介质，具有以下有益效果：

通过机器自动学习钢条特征，依靠机器视觉技术判断钢条追钢，整个判断过程无需人工参与，实现机器全自动识别追钢，相比现有技术，一方面，增强了追钢识别效率；另一方面，提高了追钢识别精度，确保在炼钢过程中钢条追钢及时发现、及时报警。

附图说明

图1显示为本申请实施例提供的一种追钢识别方法流程图；