[发明专利]一种锌渣图像识别及分类方法

说明书

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。

技术领域

本发明属于捞渣技术领域，具体而言，涉及一种锌渣图像的识别及分类方法。

背景技术

热镀锌也叫热浸锌和热浸镀锌，是一种有效的金属防腐方式，主要用于各行业的金属结构设施上，是将除锈后的钢件浸入460℃左右融化的锌液中，使钢构件表面附着锌层，从而起到防腐的目的。在镀锌过程时，由于铁不断熔入锌液、锌锅成份和温度的不均以及气刀喷吹造成的氧化，锌渣的产生是不可避免的。热镀锌带钢表面的锌渣缺陷成为热镀锌产品的主要质量缺陷之一，它严重地影响了热镀锌产品的外观质量。热镀锌的浮渣产生比较频繁，若要减少锌渣缺陷，必须要保证及时的捞渣，加大捞渣频率，改善捞渣工具，减少捞渣时导致的浮渣卷入锌液。

国际上对捞渣机器人进行研究并投入工业化应用的捞渣机器人，主要采用6轴6自由度机器人，结构相对简单，缺少相应的传感器，无法获得锌池液面的图像信息，通过简单编程完成定时定路径的捞渣作业，无法依据现场环境做出改变，现场适应性极差。由于无法有效识别锌渣种类，很多时候还需要人工临时介入，仅在一定程度上解决了人工捞渣劳动强度大的问题，却无法有选择性的捞取锌渣，导致捞渣效率低下。

而对上述捞渣机器人进行适应性开发是目前各企业和研究机构的一个常规研究。也即，仅进行捞渣路径或者方法的局部优化，或提供特定产线复杂工况环境下(每个企业锌锅的布局各不相同)的解决方案。这类产品只是对机器人结构做了局部的改进和替代性研究，大多数捞渣机器人仍然采用主流的“盲捞”作业方式，即在设定的目标区域进行捞渣动作，由于缺少视觉传感器，无法识别现场锌渣图片，对目标区域不加选择，自动化程度低，作业效率低、和最佳捞渣频次难于确定等核心问题并没有给予解决。

因此，如何采用视觉传感器采集捞渣现场图片并且实现锌渣图片的分类，提高捞渣作业的效率成为亟待解决的技术问题。

发明内容

本发明要解决的技术问题是：提供一种锌渣图像识别与分类方法，将图像处理技术应用于捞渣机器人中，可以在复杂的捞渣现场图片中快速提取出锌锅区域，并快速识别和分类锌渣，将其应用在机器人系统中，可以减少捕捞频次，提高捕捞效率，减少锌的损耗，并提高镀锌板的质量。

为了解决上述技术问题，本发明提供如下技术方案：

一种锌渣图像识别与分类方法，其特征在于，拍摄锌锅现场图片，通过视觉技术识别锌渣图片的锌渣特征，并对锌渣图片进行分类；具体包括以下操作步骤：

步骤1：锌锅现场图片的采集和预处理，对图片进行去噪，并提取感兴趣区域；

步骤2：将预处理后的图片切割成小块图片，并标上序号；

步骤3：将切割后的小块图片制作为训练集、验证集和测试集，采用灰度共生矩阵方法将图片分为厚渣和薄渣两类，制作训练集、验证集和测试集；

步骤4：采用卷积神经网络对训练集进行训练并测试卷积神经网络性能；

步骤5：利用训练好的卷积神经网络对锌锅现场捞渣区进行锌渣的实时识别与分类。

进一步的，所述步骤1中对锌渣图片的预处理包括以下步骤：

取锌锅现场捞渣区域的彩色图片数千张并保存，每张图片像素为X×Y；

若图像内存在噪点，首先对图片进行高斯平滑去噪；

采用设置掩膜的方法对图片进行感兴趣区域ROI提取，减少捞渣区域以外的干扰。