焊材回收计数方法与流程

摘要: 本发明涉及智能检测,更具体地说,涉及焊材回收计数方法。背景技术:1、在大型工程、核电工程和装备制造等焊接作业场景中,焊材管理通常遵循一套严格的流程:焊工根据任务...
焊材回收计数方法与流程

本发明涉及智能检测,更具体地说,涉及焊材回收计数方法。

背景技术:

1、在大型工程、核电工程和装备制造等焊接作业场景中,焊材管理通常遵循一套严格的流程:焊工根据任务需求领用焊材,在作业过程中部分消耗,作业结束后需将未使用的完整焊材和使用后剩余的焊材头分别退回库房。退回数量的准确性直接关系到库存数据的可靠性、焊材消耗的精确核算以及焊接过程的质量追溯。

2、目前,焊材回收计数主要依赖以下几种方式,但均存在不同程度的缺陷。第一种是人工目视清点,在集中退料、数量较多时,长时间重复计数容易导致视觉疲劳和人为疏忽,从而产生漏计或重复计数。第二种是机械逐根计数装置,这类设备对焊材的规格和摆放方式要求较高,适应性较差。第三种是直接称重计数,即测量批量焊材的总质量后除以单根参考质量来推算数量,但单根焊材本身存在质量波动,加之药皮脱落、表面污物、秤的零点漂移等因素,都会导致累计误差,使计数结果不准确。

3、近年来,出现了基于视觉的自动计数方案,即设置两个检测区域:完整焊材端部对齐后从横截面方向拍摄,焊材头散开放置后从上方俯视拍摄。这种方法在一定程度上提高了计数效率,但仍然存在诸多局限。例如,当焊材端面密集排列、轻微倾斜或局部反光时,通用目标检测模型容易出现漏检、重复检测或将多个相邻端面误识别为一个大端面;不同规格的焊材尺寸不同,固定的像素阈值无法通用;焊材头细长且方向随机,相邻或交叉时容易被合并;单帧图像在模糊、过曝、有遮挡或目标仍在运动的情况下,系统仍可能强行输出不可靠的计数结果。

技术实现思路

1、本发明要解决的技术问题在于,针对现有技术存在的问题,提供焊材回收计数方法。

2、本发明解决其技术问题所采用的技术方案是:构造焊材回收计数方法,用于焊材回收系统,所述焊材回收系统包括检测区域,包括以下步骤:

3、步骤s1:响应于检测区域内的焊材处于可检测状态,获取所述检测区域的图像数据,并对所述图像数据进行有效性判断,得到有效图像数据;

4、步骤s2:获取当前回收任务中焊材的规格信息以及图像采集的标定信息;根据所述规格信息和所述标定信息确定焊材目标的尺寸允许范围;对所述有效图像数据进行目标检测,得到候选目标;根据所述尺寸允许范围对所述候选目标进行筛选,并对筛选后的候选目标进行去重处理,得到焊材的视觉数量;

5、步骤s3:获取所述检测区域的重量数据;根据所述视觉数量与单根重量参数确定重量允许区间,根据所述重量数据与所述重量允许区间的比对结果,确定所述视觉数量是否有效。

6、优选地,所述检测区域包括第一检测区域和第二检测区域,所述步骤s1包括:

7、步骤s11:响应于所述第一检测区域内的完整焊材和所述第二检测区域内的焊材头均处于可检测状态;

8、步骤s12:采集所述第一检测区域的横截面图像和所述第二检测区域的俯视图像,并对所述横截面图像和所述俯视图像分别进行有效性判断,得到有效横截面图像和有效俯视图像。

9、优选地,步骤s12中,所述对所述横截面图像和所述俯视图像分别进行有效性判断,得到有效横截面图像和有效俯视图像,包括:

10、分别对所述横截面图像和所述俯视图像进行有效性判断,所述有效性判断包括清晰度检测、曝光度检测、区域完整性检测、异物检测和越界检测中的至少一种;

11、当所述横截面图像和所述俯视图像均通过所述有效性判断时,将所述横截面图像作为有效横截面图像,将所述俯视图像作为有效俯视图像;

12、当所述横截面图像或所述俯视图像中存在未通过所述有效性判断的图像时,重新采集图像,直至重新采集的图像通过所述有效性判断,并生成包括未通过判断类型的异常提示信息。

13、优选地,在所述步骤s2中,所述规格信息包括完整焊材的标称直径和焊材头的标称短边宽度,所述标定信息包括第一像素尺度换算系数和第二像素尺度换算系数;

14、所述根据所述规格信息和所述标定信息确定焊材目标的尺寸允许范围,根据所述尺寸允许范围对所述候选目标进行筛选包括:

15、根据所述标称直径与所述第一像素尺度换算系数的乘积确定完整焊材端面的理论像素直径,并根据所述理论像素直径确定完整焊材端面的第一尺寸允许范围;

16、根据所述标称短边宽度与所述第二像素尺度换算系数的乘积确定焊材头短边的理论像素宽度,并根据所述理论像素宽度确定焊材头短边的第二尺寸允许范围;

17、根据所述第一尺寸允许范围对端面候选目标进行筛选,保留尺寸落入所述第一尺寸允许范围内的端面候选目标;

18、根据所述第二尺寸允许范围对焊材头候选目标进行筛选,保留尺寸落入所述第二尺寸允许范围内的焊材头候选目标。

19、优选地,在步骤s2中,所述去重处理包括:

20、对于同一类型的任意两个候选目标,计算两者的重叠度与中心距离;

21、当所述重叠度大于预设重叠阈值且所述中心距离小于预设距离阈值时,判定该两个候选目标对应同一目标,保留其中置信度较高的候选目标或对两者进行融合;

22、当所述重叠度大于所述预设重叠阈值且所述中心距离大于或等于所述预设距离阈值时,判定该两个候选目标对应相邻的不同目标,两者均予以保留;

23、当所述重叠度小于或等于所述预设重叠阈值时,判定该两个候选目标为彼此独立的不同目标,两者均予以保留;

24、分别对端面候选目标和焊材头候选目标执行上述步骤,获取完整焊材的视觉数量和焊材头的视觉数量。

25、优选地,在步骤s2中,所述对所述有效图像数据进行目标检测,得到候选目标包括:

26、利用目标检测模型对所述有效横截面图像进行端面目标检测,得到若干端面候选目标框;

27、利用目标检测模型对所述有效俯视图像进行焊材头目标检测,得到若干焊材头候选目标框。

28、优选地,所述目标检测模型包括特征提取网络、多尺度特征融合结构、目标检测头和基于transformer的编码器模块;

29、所述特征提取网络用于对输入图像进行特征提取,输出至少包括高分辨率浅层特征在内的多尺度特征图;

30、所述多尺度特征融合结构用于对所述多尺度特征图进行自顶向下和自底向上的特征融合,得到融合后的多尺度特征图;

31、所述编码器模块设置于所述目标检测头之前,用于对所述目标检测头所连接的特征层上的特征进行增强处理;所述编码器模块包括多头注意力子层和前馈神经网络子层,所述多头注意力子层用于获取特征图中不同位置之间的全局上下文关系,所述前馈神经网络子层用于对注意力输出进行非线性变换;所述多头注意力子层和所述前馈神经网络子层分别设有残差连接和层归一化;

32、所述目标检测头设置于所述融合后的多尺度特征图中的高分辨率特征层上,用于对目标进行定位和分类,输出候选目标框及其置信度。

33、优选地,所述焊材头候选目标框为旋转目标框,所述旋转目标框包括中心位置、宽度、高度、方向偏移参数和置信度;所述方向偏移参数包括第一方向偏移量和第二方向偏移量;

34、所述旋转目标框的四个顶点根据所述中心位置、所述宽度、所述高度、所述第一方向偏移量和所述第二方向偏移量确定;

35、根据当前焊材规格对应的短边宽度范围、长宽比、面积、置信度和边界状态中的至少一项,对基于所述四个顶点构成的所述旋转目标框进行过滤,得到过滤后的焊材头候选目标框。

36、优选地,所述旋转目标框的四个顶点根据所述中心位置、所述宽度、所述高度、所述第一方向偏移量和所述第二方向偏移量确定包括:

37、以所述中心位置为原点,根据所述宽度和所述高度确定外接水平矩形的四个顶点坐标;

38、根据所述第一方向偏移量对所述外接水平矩形的顶边两个顶点进行偏移,根据所述第二方向偏移量对所述外接水平矩形的侧边两个顶点进行偏移,得到所述旋转目标框的四个顶点坐标。

39、优选地,所述步骤s3包括:

40、获取所述第一检测区域的第一重量数据和所述第二检测区域的第二重量数据;

41、根据所述完整焊材的视觉数量与完整焊材的单根重量参数确定第一重量允许区间,和/或根据所述焊材头的视觉数量与焊材头的单根重量参数确定第二重量允许区间;

42、将所述第一重量数据与所述第一重量允许区间进行比对,根据比对结果确定所述完整焊材的视觉数量是否有效,和/或将所述第二重量数据与所述第二重量允许区间进行比对,根据比对结果确定所述焊材头的视觉数量是否有效。

43、本发明的有益效果是:本技术提供焊材回收计数方法,用于焊材回收系统,所述焊材回收系统包括检测区域,包括以下步骤:步骤s1:响应于检测区域内的焊材处于可检测状态,获取所述检测区域的图像数据,并对所述图像数据进行有效性判断,得到有效图像数据;步骤s2:获取当前回收任务中焊材的规格信息以及图像采集的标定信息;根据所述规格信息和所述标定信息确定焊材目标的尺寸允许范围;对所述有效图像数据进行目标检测,得到候选目标;根据所述尺寸允许范围对所述候选目标进行筛选,并对筛选后的候选目标进行去重处理,得到焊材的视觉数量;步骤s3:获取所述检测区域的重量数据;根据所述视觉数量与单根重量参数确定重量允许区间,根据所述重量数据与所述重量允许区间的比对结果,确定所述视觉数量是否有效。本技术通过规格信息与标定信息确定尺寸允许范围,提升通用性;通过筛选与去重剔除伪目标和重复目标,提升视觉计数准确性;通过视觉数量与重量区间双重校验,确保计数结果的准确性与可靠性。