网站建设课程设计总结,一起做彩票网站的人,巴南区网站建设,wordpress连接自建数据库目录
概述
废钢智能检判方案简介
废钢智能检判系统优势及价值
废钢人工检判过程
废钢等级检判标准
废钢检判结果
智能检判方案-废钢智能检判算法
算法一#xff1a;废钢等级识别算法
算法二#xff1a;不合格料的位置识别算法
算法三#xff1a;不合格料的类型识别…目录
概述
废钢智能检判方案简介
废钢智能检判系统优势及价值
废钢人工检判过程
废钢等级检判标准
废钢检判结果
智能检判方案-废钢智能检判算法
算法一废钢等级识别算法
算法二不合格料的位置识别算法
算法三不合格料的类型识别算法
算法四不合格料重量输出算法
算法五密闭件识别算法
算法六油污件识别算法
补充算法
智能检判方案-智能检判算法流程
废钢图像数据采集
废钢图像数据标注
软件功能描述-智能远程操作台
移动APP
硬件配置
硬件示意图硬件布置示意图如下
硬件清单
网络方案-网络拓扑图
关于网络的其他要求 注意后续技术分享第一时间更新以及更多更及时的技术资讯和学习技术资料将在公众号CTO Plus发布请关注公众号CTO Plus 原文基于AI图像识别的智能缺陷检测系统在钢铁行业的应用-技术方案 (qq.com) 在公众号CTO Plus前面的文章《基于AI图像识别的工业缺陷检测应用系统GPUFPGA》中对我的AI图像识别产品在工业领域的缺陷检测应用场景做了大概的描述包括应用场景、实施案例和优势。本篇文章我将进一步介绍下这款产品的技术方案。 如有应用需求和问题咨询欢迎后台联系本文作者联系方式同微信15801030767
概述 当前国内外钢铁企业在废钢检判过程主要依靠人工识别判定由于缺乏高 效、准确、方便的验收工具废钢质检员往往只能依靠个人的专业知识和经验。 废钢厂废钢品种繁多等级细分明确废钢质量的检判最主要是通过人工 肉眼目测的方式对废钢进行判级以及识别杂质等不合格料。传统的质检判定主观性较强判定异议较多系统性的管理与追溯不够完备。 废钢智能检判系统将实现自动化数据采集与精准化数据管理并应用深度 图像识别技术辅助人工进行废钢的判级和不合格料的识别可识别各种不同级别废钢的比例并给出定价和杂质重量以及提供密闭件油污件报警。 根据目前实际情况可以先在炼钢车间的 2 个车位做项目验证验收通过 后再推广或者迁移到其余车位。 废钢智能检判方案简介 自动识别车体通过目标检测算法直接锁定卸货车辆开始检测。 算法满足多种场地和卸货场景。包括航吊车吸盘、抓钢机抓取、直卸车卸货摊平、码头船运场景等。 通过多重维度厚度、形状、大小、颜色、新旧精准识别废钢等级和扣杂重量。 可识别多种不合格料型杂质、密闭件、油污件、超长件、次料、机械生铁等并给出实时的报警。 多路监控视频实时切换并可提供历史回看。系统信息达到可追溯可核查。 支持多个卸料位同时工作即多用户同时工作。 废钢智能检判系统优势及价值 避免人工检判误差导致的损失。人工检测结果难免不稳定低于评判基准时则会造成钢厂成本的增加。 系统可实现 7*24 检判全天可接收废钢车辆有效提高工作效率。 提高公开公正性系统有视频和高清图片存储可审计可追溯实现透明化的管理。 有效规避安全隐患质检员可远离卸货现场远程与系统协同工作。 有效提高识别不合格料的准确率系统算法可精准识别密闭件、油污件等不合格料严格杜绝危险料型进炉危险。 大大降低了相关人员的工作强度有助于提高员工满意度减少人才流失。
废钢人工检判过程 检判流程 废钢货车过磅称重并先自己申报废钢料型。 开入指定卸料检判位用吸盘卸料。一般由 1-2 名检验员进行评判。 检验员观察车厢及吸盘卸下来的料废钢卸完后检验员根据经验直接给出该车等级和扣杂等结果并将结果录入手操器进入公司系统。 空车过磅称重结算。 废钢等级检判标准 项目验证阶段主要实现边角料和重废等散料的智能检判如表 2-1 所示。将来有机会再一起尝试破碎料的智能检判。 废钢检判结果 当前检判结果由质检员输入到手操器包含车牌、公司、类型、扣杂等信息并自动同步到公司计算机系统。
智能检判方案-废钢智能检判算法 算法一废钢等级识别算法 【采用深度学习、目标检测等算法首先对图像进行预处理直方图均衡化以及图像形态学处理。再对图像质量进行检测。最终得出废钢等级的输出结果】 算法二不合格料的位置识别算法 【采用 YOLO with Darknet对输入的每张图片可以识别并标记出杂质等不合格料的位置。】 算法三不合格料的类型识别算法 【采用 Fast R-CNN对照片中潜在的杂质目标进行搜索划定位置范围然后识别出其所属的类别】 算法四不合格料重量输出算法 【从 ResNetInceptionVGG 等算法模型中选取并训练一个深度卷积神经网络以照片作为输入并直接以杂质等不合格料作为输出实现端到端的含量估算】 算法五密闭件识别算法 【使用直方图均衡化和伽马矫正等算法优化成像效果突出照片目标。使用平滑处理降低图片中的噪声使用边缘增强突出密闭件轮廓并给出预警。】 算法六油污件识别算法 【使用直方图均衡化和伽马矫正等算法优化成像效果突出照片目标特征。使用平滑处理降低图片中的噪声使用边缘增强突出油污件轮廓并给出预警。】 补充算法 【数据增强】 针对系统上线初期数据量较少的情况可采用数据增强的方法扩充训练数据集。对已收集到的图片进行随机旋转、随机剪裁、色彩抖动、噪声扰动、水平翻转、竖直翻转中的一种或多种操作人工增加训练集的大小丰富数据多样性避免过拟合。 【迁移学习】 利用公开数据集比如 ImageNet 对 YOLO 等神经网络模型进行预训练在其基础上进行参数与知识迁移从而在更少的计算资源开销与训练时间内实现对废钢检测任务的支持。
智能检判方案-智能检判算法流程 训练和推理流程 废钢图像数据采集 在废钢车间内布点架设摄像头采集卸料过程中的废钢图像数据。采集出来的图像有两个用途抽取部分样本做图像标注用于算法模型训练实际生产过程中作为数据源传递给废钢智能检测算法数据推理系统用于数据推理。 现场使用摄像头进行 7*24 小时全程监控以录像的形式保存以截图的方式进行截选图片进行图片的采集工作。 截图原则: 每车的一次卸料车辆停靠好位置后吸盘对钢料有若干次吸取动作原则上首先截选车辆停靠后的初始图片以及截选每一次卸料动作结束后的一张图。即截选第一次卸料动作之前的图以及每一次动作结束后的图。 摄像头角度的调整:卸料相对来说比较固定为了获得高质量的图片不太需要调整摄像头的角度、焦距等设置确保摄像头能拍摄到车辆的完整卸货过程即可。 拍摄内容: 以当前卸料的货车为主体内容能够看到大部分的车头、大部分的车轮、完整的车厢。
废钢图像数据标注 由废钢厂质检员和专家对收集到的图片数据进行标注和指导此过程我司会派遣专业标注工程师进行驻场协助根据具体情况来安排驻场时间。数据标注为算法重要实现的前提需要废钢厂质检员和专家的经验指导。 标注举例说明质检员可通过看卸货图像圈出不合格料的边界和位置以及写出目测的重量数值质检员可通过看卸货图像写出该图片中废钢的等级。
软件功能描述-智能远程操作台 基于大数据和人工智能技术对钢厂内的各类信息源进行整合与分析形成了一套操作简单、功能齐全的可视化信息平台。平台通过角色和权限管理帮助提升管理者的工作效率辅助一线作业工人进行科学决策同时降低运维人员的操作负担。 1智能监控底层 AI 技术加持实现关键环节作业监控 智能检判基于卸货过程中的图像数据通过 AI 算法进行智能分析实现对废料重量的实时分析及卸货状态预警 智能分析作业行为在有人员作业的场景调用 AI 算法进行作业行为和护具佩戴的智能分析并对发现的违规操作进行提示可选 监控屏幕自由组合可根据业务需求自由调取摄像头列表中的监控画面 2控制台场内数据实时更新帮助企业掌握作业动态 智能化流程管理利用摄像头和识别算法将入场审查、称重、卸货、结算离场等关键环节的数据进行信息化整合实现对场内全流程业务数据的统一管理 场内业务实时统计自动整合当日入场车辆数、废料重量、报警信息等关键业务信息并进行实时动态更新 智能检判算法表现直观展示关键业务环节中使用的智能检判算法的资料和模型表现 摄像头状态一览展示⼚区内所有摄像头的信息和监控状态
3数据⾯板 数据面板将历史业务数据可视化帮助企业透析运营状况 订单总量、分布及趋势对企业历史订单数量进行定制化的统计分析包括同比环比、增量存量等 智能检判算法的历史表现将智能检判算法模型的历史表现可视化轻松追溯预测记录 卸货报警消息统计对关键业务的报警信息进行可视化掌握订单质量 回收钢材种类的分布及趋势将各类钢材重量比值和趋势可视化直观了解业务状态 智能分析支持标注、训练及服务更新赋能算法持续迭代 数据标注使用定制化图像标注工具对卸货场景的图片数据进行标注系统自动将标注后的图片文件转化为标准模型输入结构可选 模型训练系统内置 AutoML 模块用户只需要简单的选择数据集与模型种类即可快速训练出新的模型及测试结果可选 服务更新自动汇总所有已上线及未上线过的 服务及其模型表现轻松对服务进行更新可选
移动APP 为实现工厂作业全流程的信息化、智能化目标,“卸货智能助手”APP 辅助卸货现场的质检员完成卸货区车辆定位、预测服务调用、卸货报警等多项工作。 硬件配置 硬件示意图 硬件布置示意图如下 每个车位上方安装高清网络摄像头尽量满足无遮挡正面俯视车厢的角度可以安装到车间两侧的墙上与行车吸盘互不干扰。 硬件清单 硬件配置清单如下 网络方案-网络拓扑图 各服务器均考虑负载均衡、互为备份不仅保证系统可以平滑升级也保证单点服务器出现故障以后不会导致系统出现致命错误而停止服务中心与移动信息中心通讯链路采用移动专线接入方式保证数据采集设备通讯的安全性、稳定性及速度。 系统各主机之间均采用千兆链路连接可以保证系统在扩容后内部网络依然能够满足各主机间数据传输需要。 关于网络的其他要求 工厂网络工作人员可以协助开通公网网络端口可允许我司实施人员远程操控现场摄像头的角度和其他参数。 本产品的应用可以扩展到教育、医疗、金融、精密制造等行业后面有时间再做这几个行业的应用场景分享如有需求请在公众号CTO Plus后台联系本作者联系方式同微信15801030767
更多关于Go的相关技术点敬请关注公众号CTO Plus后续的发文有问题欢迎后台留言交流。 推荐阅读 基于AI图像识别的工业缺陷检测应用系统GPUFPGA FPGA在工业缺陷检测上的应用实践 FPGA图像处理的一些方法、原理和算法优缺点介绍 SteveRocket的博客_CSDN博客-Python进阶,Django进阶,C进阶领域博主SteveRocket擅长Python进阶,Django进阶,C进阶,等方面的知识https://blog.csdn.net/zhouruifu2015/ 更多资料 · 微信公众号搜索【CTO Plus】关注后获取更多我们一起学习交流。 关于公众号的描述访问如下链接 关于Articulate“做一个知识和技术的搬运工。做一个终身学习的爱好者。做一个有深度和广度的技术圈。”一直以来都想把专业领域的技https://mp.weixin.qq.com/s/0yqGBPbOI6QxHqK17WxU8Q
推荐阅读 FPGA在工业缺陷检测上的应用实践 FPGA设计Verilog基础之Verilog全局变量和局部变量定义 FPGA设计Verilog基础之Verilog中clk为什么要用posedge而不用negedge 初学者必须弄懂的一些基本FPGA设计概念1 工作总结之全网最全的103个Verilog关键字总结上 工作总结之全网最全的103个Verilog关键字总结下 5G时代的FPGA发展趋势和应用分析 FPGA结合chatgpt的应用开发实践 FPGA | FPGA设计流程指南 v2.0 设计规范 | 总结开发过程中DDR3和FPGA部分的设计规范 术语一览 | 总结开发过程中关于FPGA的专业术语 用AI帮我写一篇关于FPGA的文章并推荐最热门的FPGA开源项目
