CN117351243B - 一种铸件冷铁种类数量识别方法及系统 - Google Patents
一种铸件冷铁种类数量识别方法及系统 Download PDFInfo
- Publication number
- CN117351243B CN117351243B CN202311654492.1A CN202311654492A CN117351243B CN 117351243 B CN117351243 B CN 117351243B CN 202311654492 A CN202311654492 A CN 202311654492A CN 117351243 B CN117351243 B CN 117351243B
- Authority
- CN
- China
- Prior art keywords
- chill
- chiller
- types
- total weight
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005266 casting Methods 0.000 title claims abstract description 25
- 238000012795 verification Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 114
- 229910052742 iron Inorganic materials 0.000 description 57
- 238000003860 storage Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 238000005303 weighing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 235000000396 iron Nutrition 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 229910001018 Cast iron Inorganic materials 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910001209 Low-carbon steel Inorganic materials 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D15/00—Casting using a mould or core of which a part significant to the process is of high thermal conductivity, e.g. chill casting; Moulds or accessories specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/40—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight
- G01G19/42—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight for counting by weighing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种铸件冷铁种类数量识别方法及系统,方法包括:获取目标冷铁集合平铺状态下的冷铁图像和目标冷铁集合的第一总重量;根据冷铁外形特征与数据库中存储的冷铁样品特征进行比对,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,计算得到第一理论总重量M,将第一理论总重量M与获得的第一总重量进行比对,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中冷铁的确定冷铁类型和对应的确定冷铁数量。本发明实现对冷铁的使用数量和种类高效识别;通过图像识别和重量验证,提高识别效率和准确度;首次特征比对时,采用部分特征进行比对,快速得出比对结果。
Description
技术领域
本发明涉及铸造冷铁识别技术领域,具体涉及一种铸件冷铁种类数量识别方法及系统。
背景技术
铸件铸造制作过程中,为了控制冷却快慢,减少铸件冷却缺陷,一般在铸件模具中设置冷铁来加快局部冷却速度。冷铁由镀锡或涂敷防粘膜稀浆的低碳钢或线材加工而成,冷铁是在型腔内部,型腔表面及铸型内部安放的激冷物,用来控制铸件收缩和获得定向凝固。
铸件制作过程中,需要根据所铸产品选择不同大小以及不同数量的冷铁,传统方式采用人工肉眼进行识别和点数确定数量,人员肉眼识别方式存在低效、误差大等问题,出错后导致频繁补换冷铁物料,降低了生产效率,无法满足大规模、高要求的生产需求。
发明内容
本发明的目的是解决上述的技术问题,提供一种铸件冷铁种类数量识别方法及系统。
本发明提供了一种铸件冷铁种类数量识别方法,包括如下步骤:
获取目标冷铁集合平铺状态下的冷铁图像和目标冷铁集合的第一总重量;
对获取的冷铁图像进行预处理,将获取的冷铁图像转为灰度图像,提取灰度图像中的冷铁外形特征,根据冷铁外形特征与数据库中存储的冷铁样品特征进行比对,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,根据冷铁类型、冷铁数量和冷铁对应的重量信息,计算得到第一理论总重量M,将第一理论总重量M与获得的第一总重量进行比对,第一当理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中冷铁的确定冷铁类型和对应的确定冷铁数量。
进一步的,所述冷铁图像中包括目标冷铁集合中所有冷铁的外形轮廓;所述第一总重量为称量的目标冷铁集合的整体重量;目标冷铁集合为待识别的多个冷铁。
进一步的,冷铁外形特征与数据库中存储的冷铁样品特征进行比对时,按如下步骤:
采用冷铁外形特征中的灰度图像内间隔选取的部分像素点特征值与样品中的特征值进行比对,冷铁外形特征与冷铁样品特征相似度大于第一阈值时,判断该冷铁外形特征对应的冷铁类型为冷铁样品对应的冷铁类型,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,根据数据库中存储的样本信息中提取对应第一冷铁类型的重量信息,计算得到第一理论总重量M;
将第一理论总重量M与获得的第一总重量进行比对,第一当理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中包括的确定冷铁类型和对应的确定冷铁数量。
进一步的,当理论总重量M与第一总重量的绝对差值大于等于重量误差阈值时,根据冷铁外形特征与数据库中存储的冷铁样品特征进行重新比对,将灰度图像所有像素点的冷铁外形特征值与样品中的特征值进行完全比对,冷铁外形特征与冷铁样品特征相似度大于第一阈值时,判断该冷铁外形特征对应的冷铁类型为冷铁样品对应的冷铁类型,逐一比对得到冷铁图像中包含的所有冷铁的第二冷铁类型和不同冷铁类型对应的第二冷铁数量,根据数据库中存储的样本信息中提取对应第二冷铁类型的重量信息,计算得到第二理论总重量M’;
将第二理论总重量M’与获得的第一总重量进行比对,当第二理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第二冷铁类型和不同冷铁类型对应的第二冷铁数量为目标冷铁集合中包括的确定冷铁类型和对应的确定冷铁数量。
进一步的,当第二理论总重量M与第一总重量的绝对差值大于等于重量误差阈值时,发送报警信号进行报警,提示操作人员进行核对。
进一步的,冷铁外形特征按如下步骤确定:
计算灰度图像中每个像素点的LBP值,LBP值的计算公式按如下公式:
其中是中心像素点的坐标,/>是中心像素点的亮度,/>是相邻像素点的亮度,/>是相邻像素点的数量;
其中按如下方式确定:
根据得到的值计算像素点的LBP直方图,作为该像素点的特征向量。
进一步的,冷铁外形特征的确定方式与样品外形特征确定方式一致,以使得特征数据能够相互匹配。
本发明另一方面提供了一种铸件冷铁种类数量识别系统,包括:
信息采集模块,所述信息采集模块用于采集目标冷铁集合平铺状态下的冷铁图像和目标冷铁集合的第一总重量;
数据识别分析模块,所述数据识别分析模块用于对获取的冷铁图像进行预处理,将获取的冷铁图像转为灰度图像,提取灰度图像中的冷铁外形特征,根据冷铁外形特征与数据库中存储的冷铁样品特征进行比对,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,根据冷铁类型、冷铁数量和冷铁对应的重量信息,计算得到第一理论总重量M,将第一理论总重量M与获得的第一总重量进行比对,第一当理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中冷铁的确定冷铁类型和对应的确定冷铁数量;
数据存储模块,所述数据存储模块用于存储数据识别分析模块、信息采集模块产生的数据。
其中,所述信息采集模块包括冷铁放置平台,所述冷铁放置平台上设置有称重平台,所述冷铁放置平台上设置有对称重平台上的冷铁进行图像采集的摄像头,所述称重平台用于对放置在其上面的冷铁进行称重。
本发明另一方面提供了一种电子设备,其包括显示装置、存储器和处理器,
所述处理器用于执行上述一种铸件冷铁种类数量识别方法;
所述存储器用于存储所述处理器可执行指令;
所述显示装置用于显示处理器处理后的信息。
本发明另一方面提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时用于实施上述一种铸件冷铁种类数量识别方法。
本发明公开了一种铸件冷铁种类数量识别方法及系统,具有如下的有益效果:通过图像比对,识别冷铁类型和数量,并根据识别的类型和数量计算重量,计算重量与测量值第一总重量进行比对,从而对识别结果进行验证,当计算重量与测量重量误差小于重量误差阈值时,判断识别准确,采用该识别结果作为确定的冷铁类型和冷铁数量的识别结果,实现对冷铁的使用数量和种类高效识别。通过图像识别和重量验证,提高识别效率和准确度;在首次特征比对时,采用部分特征进行比对,根据部分特征比对得出识别结果,从而使得分析数据少,快速得出比对结果,比对后通过重量核验结果,保障比对后识别结果正确;当重量核验与识别结果有误差时,再进行特征全部比对,得出准确的识别数据,保障识别结果准确。
附图说明
图1为本发明公开的一种铸件冷铁种类数量识别方法的流程示意图。
图2为本发明公开的一实施例中一种铸件冷铁种类数量识别系统的结构示意图。
图3为本发明公开的一种铸件冷铁种类数量识别系统中信息采集模块的结构示意图。
图4为本发明公开的一实施例提供的电子设备的结构图。
图3中标号说明:1、冷铁放置平台;2、称重平台;3、摄像头。
具体实施方式
下面通过实施例对本发明进一步的说明,本发明的实施例在以本发明的技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述实施例:
实例性方法:
本申请提供一种一种铸件冷铁种类数量识别方法,如图1所示,包括如下步骤:
获取目标冷铁集合在平铺状态下的冷铁图像和目标冷铁集合的第一总重量;冷铁平铺状态下,冷铁无堆叠交叉,采集的图像中冷铁展示全面,方便识别;
该冷铁图像中包括目标冷铁集合中所有冷铁的外形轮廓;所述第一总重量为称量的目标冷铁集合的整体重量;目标冷铁集合为待识别的多个冷铁;
对获取的冷铁图像进行预处理,将获取的冷铁图像转为灰度图像,提取灰度图像中的冷铁外形特征,根据冷铁外形特征与数据库中存储的冷铁样品特征进行比对,采用冷铁外形特征中的灰度图像内间隔选取的部分像素点特征值与样品中的特征值进行比对,冷铁外形特征与冷铁样品特征相似度大于第一阈值时,判断该冷铁外形特征对应的冷铁类型为冷铁样品对应的冷铁类型,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,如A型冷铁的数量为s01件,B型冷铁的数量为s02件,C型冷铁的数量为s03件……,根据数据库中存储的样本信息中提取对应第一冷铁类型的重量信息,如A型冷铁的重量为m1,B型冷铁的重量为m2,C型冷铁的重量为m3……,计算得到第一理论总重量M,M=s01×m1+s02×m2+s03×m3+……;
将第一理论总重量M与获得的第一总重量进行比对,第一当理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中冷铁的确定冷铁类型和对应的确定冷铁数量;即识别得出的冷铁类型数量为如上所述的A型冷铁的数量为s01件,B型冷铁的数量为s02件,C型冷铁的数量为s03件……。
当理论总重量M’与第一总重量的绝对差值大于等于重量误差阈值时,根据冷铁外形特征与数据库中存储的冷铁样品特征进行重新比对,将灰度图像所有像素点的冷铁外形特征值与样品中的特征值进行完全比对,冷铁外形特征与冷铁样品特征相似度大于第一阈值时,判断该冷铁外形特征对应的冷铁类型为冷铁样品对应的冷铁类型,逐一比对得到冷铁图像中包含的所有冷铁的第二冷铁类型和不同冷铁类型对应的第二冷铁数量,如A型冷铁的数量为s11件,B型冷铁的数量为s12件,C型冷铁的数量为s13件……,根据数据库中存储的样本信息中提取对应第二冷铁类型的重量信息,如A型冷铁的重量为m1,B型冷铁的重量为m2,C型冷铁的重量为m3……,计算得到第二理论总重量M’,M’=s11×m1+s12×m2+s13×m3+……;
将第二理论总重量M与获得的第一总重量进行比对,当第二理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第二冷铁类型和不同冷铁类型对应的第二冷铁数量为目标冷铁集合中包括的确定冷铁类型和对应的确定冷铁数量;即识别得出的冷铁类型数量为如上所述的A型冷铁的数量为s11件,B型冷铁的数量为s12件,C型冷铁的数量为s13件……。
当第二理论总重量M与第一总重量的绝对差值大于等于重量误差阈值时,发送报警信号进行报警,提示操作人员进行核对。
特征比对时,采用部分特征进行比对,从而使得分析数据少,快速得出比对结果,比对后通过重量核验结果,保障比对后识别结果正确;当重量核验与识别结果有误差时,再进行特征全部比对,得出准确的识别数据,保障识别结果准确。
具体的,冷铁外形特征按如下步骤确定:
计算灰度图像中每个像素点的LBP值,LBP值的计算公式按如下公式:
其中是中心像素点的坐标,/>是中心像素点的亮度,/>是相邻像素点的亮度,/>是相邻像素点的数量;
上述公式中按如下方式确定:
根据得到的值计算像素点的LBP直方图,作为该像素点的特征向量。冷铁外形特征的确定方式与样品外形特征确定方式一致,以使得特征数据能够相互匹配。
通过图像比对,识别冷铁类型和数量,并根据识别的类型和数量计算重量,计算重量与测量值第一总重量进行比对,从而对识别结果进行验证,当计算重量与测量重量误差小于重量误差阈值时,判断识别准确,采用该识别结果作为确定的冷铁类型和冷铁数量的识别结果,实现对冷铁的使用数量和种类高效识别。通过图像识别和重量验证,提高识别效率和准确度。
冷铁外形特征与数据库中存储的冷铁样品特征进行首次特征比对时,采用部分特征进行比对,从而使得分析数据少,快速得出比对结果,比对后通过重量核验结果,保障比对后识别结果正确;当重量核验与识别结果有误差时,再进行特征全部比对,得出准确的识别数据,保障识别结果准确。
实例性系统:
一种铸件冷铁种类数量识别系统,如图2所示,包括:
信息采集模块,所述信息采集模块用于采集目标冷铁集合平铺状态下的冷铁图像和目标冷铁集合的第一总重量;
数据识别分析模块,所述数据识别分析模块用于对获取的冷铁图像进行预处理,将获取的冷铁图像转为灰度图像,提取灰度图像中的冷铁外形特征,根据冷铁外形特征与数据库中存储的冷铁样品特征进行比对,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,根据冷铁类型、冷铁数量和冷铁对应的重量信息,计算得到第一理论总重量M,将第一理论总重量M与获得的第一总重量进行比对,第一当理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中冷铁的确定冷铁类型和对应的确定冷铁数量;
数据存储模块,所述数据存储模块用于存储数据识别分析模块、信息采集模块产生的数据。
其中,如图3所示,信息采集模块包括冷铁放置平台,所述冷铁放置平台上设置有称重平台,所述冷铁放置平台上设置有对称重平台上的冷铁进行图像采集的摄像头,所述称重平台用于对放置在其上面的冷铁进行称重。
实例性装置:
一种电子设备,如图4所示,其包括显示装置、存储器和处理器,
所述处理器用于执行上述一种铸件冷铁种类数量识别方法;所述处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能;
所述存储器用于存储所述处理器可执行指令;所述存储器可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器可以运行所述程序指令,以实现上文所述的本申请的各个实施例的运动方案智能推荐方法以及/或者其他期望的功能;
所述显示装置用于显示处理器处理后的信息;所述显示装置可以为液晶显示屏。上述电子设备的这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
示例性计算机程序产品和计算机可读存储介质:
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的一种铸件冷铁种类数量识别方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的一种铸件冷铁种类数量识别方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (1)
1.一种铸件冷铁种类数量识别方法,其特征在于:获取目标冷铁集合平铺状态下的冷铁图像和目标冷铁集合的第一总重量;
对获取的冷铁图像进行预处理,将获取的冷铁图像转为灰度图像,提取灰度图像中的冷铁外形特征,根据冷铁外形特征与数据库中存储的冷铁样品特征进行比对,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,根据冷铁类型、冷铁数量和冷铁对应的重量信息,计算得到第一理论总重量M,将第一理论总重量M与获得的第一总重量进行比对,第一当理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中冷铁的确定冷铁类型和对应的确定冷铁数量,
所述冷铁图像中包括目标冷铁集合中所有冷铁的外形轮廓;所述第一总重量为称量的目标冷铁集合的整体重量;目标冷铁集合为待识别的多个冷铁,
冷铁外形特征与数据库中存储的冷铁样品特征进行比对时,按如下步骤:
采用冷铁外形特征中的灰度图像内间隔选取的部分像素点特征值与样品中的特征值进行比对,冷铁外形特征与冷铁样品特征相似度大于第一阈值时,判断该冷铁外形特征对应的冷铁类型为冷铁样品对应的冷铁类型,得到冷铁图像中包含的所有冷铁的第一冷铁类型和不同冷铁类型对应的第一冷铁数量,根据数据库中存储的样本信息中提取对应第一冷铁类型的重量信息,计算得到第一理论总重量M;
将第一理论总重量M与获得的第一总重量进行比对,第一当理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第一冷铁类型和不同冷铁类型对应的第一冷铁数量为目标冷铁集合中包括的确定冷铁类型和对应的确定冷铁数量,
当理论总重量M与第一总重量的绝对差值大于等于重量误差阈值时,根据冷铁外形特征与数据库中存储的冷铁样品特征进行重新比对,将灰度图像所有像素点的冷铁外形特征值与样品中的特征值进行完全比对,冷铁外形特征与冷铁样品特征相似度大于第一阈值时,判断该冷铁外形特征对应的冷铁类型为冷铁样品对应的冷铁类型,逐一比对得到冷铁图像中包含的所有冷铁的第二冷铁类型和不同冷铁类型对应的第二冷铁数量,根据数据库中存储的样本信息中提取对应第二冷铁类型的重量信息,计算得到第二理论总重量M’;
将第二理论总重量M’与获得的第一总重量进行比对,当第二理论总重量M与第一总重量的绝对差值小于重量误差阈值时,确定识别的第二冷铁类型和不同冷铁类型对应的第二冷铁数量为目标冷铁集合中包括的确定冷铁类型和对应的确定冷铁数量,
当第二理论总重量M与第一总重量的绝对差值大于等于重量误差阈值时,发送报警信号进行报警,提示操作人员进行核对,
冷铁外形特征按如下步骤确定:
计算灰度图像中每个像素点的LBP值,LBP值的计算公式按如下公式:
;
其中(xc,yc)是中心像素点的坐标,ic是中心像素点的亮度,ip是相邻像素点的亮度,p是相邻像素点的数量;
其中是s(ip-ic)按如下方式确定:
;
根据得到的值计算像素点的LBP(xc,yc)直方图,作为该像素点的特征向量,
冷铁外形特征与数据库中存储的冷铁样品特征进行首次特征比对时,采用部分特征进行比对,从而使得分析数据少,快速得出比对结果,比对后通过重量核验结果,保障比对后识别结果正确;当重量核验与识别结果有误差时,再进行特征全部比对,得出准确的识别数据,保障识别结果准确。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311654492.1A CN117351243B (zh) | 2023-12-05 | 2023-12-05 | 一种铸件冷铁种类数量识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311654492.1A CN117351243B (zh) | 2023-12-05 | 2023-12-05 | 一种铸件冷铁种类数量识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117351243A CN117351243A (zh) | 2024-01-05 |
CN117351243B true CN117351243B (zh) | 2024-04-02 |
Family
ID=89367122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311654492.1A Active CN117351243B (zh) | 2023-12-05 | 2023-12-05 | 一种铸件冷铁种类数量识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117351243B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537994A (zh) * | 2018-03-12 | 2018-09-14 | 深兰科技(上海)有限公司 | 基于视觉识别及重量感应技术的智能商品结算系统及方法 |
CN115240262A (zh) * | 2022-08-02 | 2022-10-25 | 深圳市捷顺科技实业股份有限公司 | 基于端侧协同人脸识别方法、系统、计算机设备及介质 |
CN116453200A (zh) * | 2023-06-13 | 2023-07-18 | 苏州浪潮智能科技有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760884B (zh) * | 2016-02-22 | 2019-09-10 | 北京小米移动软件有限公司 | 图片类型的识别方法及装置 |
-
2023
- 2023-12-05 CN CN202311654492.1A patent/CN117351243B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537994A (zh) * | 2018-03-12 | 2018-09-14 | 深兰科技(上海)有限公司 | 基于视觉识别及重量感应技术的智能商品结算系统及方法 |
CN115240262A (zh) * | 2022-08-02 | 2022-10-25 | 深圳市捷顺科技实业股份有限公司 | 基于端侧协同人脸识别方法、系统、计算机设备及介质 |
CN116453200A (zh) * | 2023-06-13 | 2023-07-18 | 苏州浪潮智能科技有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Average and maximum weights in weighted rotation- and scale-invariant LBP for classification of mango leaves;Prasetyo, E et al;《Journal of Theoretical and Applied Information Technology 》;20171115(第21期);第5756-5764页 * |
基于深度残差网络的番茄细粒度病症识别;胡伟健 等;《内蒙古科技大学学报》;20200915(第3期);第51-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117351243A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090470B (zh) | 一种人脸对齐方法及装置 | |
CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
CN107944020A (zh) | 人脸图像查找方法及装置、计算机装置和存储介质 | |
CN110889399B (zh) | 基于深度学习的高分辨率遥感影像弱小目标检测方法 | |
CN110672189A (zh) | 体重估计方法、装置、系统和存储介质 | |
CN112100425B (zh) | 基于人工智能的标签标注方法、装置、电子设备及介质 | |
CN112990115B (zh) | 一种用于冰柜陈列识别的拍摄方法及系统 | |
CN111161346A (zh) | 将商品在货架中进行分层的方法、装置和电子设备 | |
CN118967690B (zh) | 一种基于深度对比学习的缺陷检测方法 | |
CN111561906A (zh) | 机器人单目测距方法、系统、电子设备和计算机存储介质 | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
CN112307971B (zh) | 基于三维点云数据的球体目标识别方法及识别装置 | |
CN117351243B (zh) | 一种铸件冷铁种类数量识别方法及系统 | |
CN114742145B (zh) | 目标检测模型的性能测试方法、装置、设备及存储介质 | |
CN112150529A (zh) | 一种图像特征点的深度信息确定方法及装置 | |
CN113887523B (zh) | 数据集更新方法、装置、电子设备和存储介质 | |
CN119290885A (zh) | 一种聚乙烯醇溶解率测量方法 | |
CN113033578B (zh) | 基于多尺度特征匹配的图像校准方法、系统、终端及介质 | |
CN113112512B (zh) | Ai识别晶粒度的方法、装置、计算机设备及存储介质 | |
WO2006110399A2 (en) | Estimation of solitary pulmonary nodule diameters with reaction-diffusion segmentation | |
CN117746189A (zh) | 一种动脉瘤识别模型训练方法、装置、设备及介质 | |
CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN117576395A (zh) | 点云语义分割方法、装置、电子设备及存储介质 | |
JP2010097341A (ja) | 入力画像から検出対象物の像を検出する画像処理装置 | |
CN115331223B (zh) | 基于相似图像匹配的弱监督染色体核型分类方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |