一种基于数据处理的废钢破碎料场盘库方法及装置与流程

1.本发明涉及数据处理技术领域，具体涉及一种基于数据处理的废钢破碎料场盘库方法及装置。


背景技术：

2.废钢破碎料是由废钢破碎机加工而成，废钢破碎机通过挤压力与冲击击打的基本原理，在高速大扭矩电机的驱动下，主机转子上的刀片轮流击打进入容腔内的待破碎物，将待破解物撕裂成合乎规格的破碎料，破碎物再经筛选装置处理，彻底分离铁和其他有色金属与杂质，做到物尽其用。其中，废钢破碎料包含自行车破碎料、摩托车破碎料、汽车外壳破碎料、油漆桶破碎料、铁皮破碎料、彩钢瓦和花盒破碎料等。
3.一般对废钢破碎料划分等级时，将其分为特级、一级、二级、三级和四级破碎料五个等级，因此在破碎料场盘库时，需要将废钢破碎料进行分类，从而确定其等级，将归为一类的废钢破碎料，也即是属于一个等级的废钢破碎料进行统一存储，这样方便进行盘点。而当前废钢破碎料盘库主要采用人工根据历史经验估计当前废钢料堆等级，盘库精度低，且对于不同的工人，主观性不一样会导致盘库的一致性差，造成盘库的混乱。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种基于数据处理的废钢破碎料场盘库方法，所采用的技术方案具体如下：第一方面，本发明一个实施例提供了一种基于数据处理的废钢破碎料场盘库方法：将废钢破碎料堆的正俯视图像灰度化获得灰度图；获得灰度图中灰度值在预设范围内的像素点组成的黑洞区域以及黑洞区域的数量和面积；利用灰度图中黑洞区域的数量和黑洞区域的面积的均值获得废钢破碎料堆的颗粒度；基于灰度图的平均灰度值获得废钢破碎料堆的亮度；将灰度图分为预设尺寸的方块，获得每个方块中不同灰度级的数量；根据所有方块灰度级的数量的和以及灰度图中每个像素点与邻域像素点的灰度值的差值的均值得到废钢破碎料堆的清洁度；基于每个废钢破碎料堆的颗粒度、亮度和清洁度对废钢破碎料堆进行多次聚类；根据一次聚类后各类别的废钢破碎料堆中的元素的类内差异和各类别的废钢破碎料堆的类间差异分别获得该次聚类的第一评价值和第二评价值；根据一次聚类中各类别的废钢破碎料堆的颗粒度的均值、亮度的均值和清洁度的均值分别与所有废钢破碎料堆的颗粒度的均值、亮度的均值和清洁度的均值的差值获得第三评价值；根据每次聚类的第一、第二和第三评价值获得每次聚类的评价值，评价值最小对应的聚类结果为最终聚类结果；基于最终聚类结果对废钢破碎料堆进行盘点。
5.优选地，获得灰度图中灰度值在预设范围内的像素点组成的黑洞区域包括：设定预设范围，获得灰度图中一个灰度值在预设范围内的像素点；以所述在预设范围内的像素点为起点利用区域生长算法获得灰度图中的多个黑洞区域。
6.优选地，废钢破碎料堆的颗粒度包括：灰度图中黑洞区域的数量与废钢破碎料堆的颗粒度成负相关关系；灰度图中所有黑洞区域的面积的均值与废钢破碎料堆的颗粒度成正相关关系。
7.优选地，废钢破碎料堆的亮度包括：灰度图的平均灰度值与废钢破碎料堆的亮度成正相关关系。
8.优选地，得到废钢破碎料堆的清洁度包括：将灰度图的灰度级进行量化，获得预设数量的灰度级；基于量化后预设数量的灰度级获得每个方块中的不同灰度级的数量；将灰度图中每个像素点与其8邻域内像素点的灰度值的差值的均值转变成每个像素点新的灰度值获得的灰度差异图像；所述灰度差异图像的像素点的灰度值的均值以及所有方块内不同灰度级的数量的和与废钢破碎料堆的清洁度成负相关关系。
9.优选地，分别获得该次聚类的第一评价值和第二评价值包括：其中，表示一次聚类后的第一评价值；k表示该次聚类后获得的类别数，表示该次聚类后第i个类别中的类内差异，为：其中，m为该次聚类后一个类别的废钢破碎料堆中元素的数量；、、分别为该类别中所有元素的颗粒度、亮度以及清洁度的平均值；、、分别为该类别中第j个元素的颗粒度、亮度以及清洁度；第二评价值t2：其中，表示该次聚类后的第二评价值，、、分别为该次聚类后第a个类别中元素的颗粒度、亮度和清洁度的平均值；、、分别为所有废钢破碎料堆的颗粒度、亮度以及清洁度的平均值。
10.优选地，获得第三评价值包括：获得一次聚类后每个类别中废钢破碎料堆的颗粒度的均值与未聚类时所有废钢破碎料堆的颗粒度的均值的均方差，记为第一特征差异；获得一次聚类后每个类别中废钢破碎料堆的亮度的均值与未聚类时所有废钢破碎料堆的亮度的均值的均方差，记为第二特征差异；获得一次聚类后每个类别中废钢破碎料堆的清洁度的均值与未聚类时所有废钢破碎料堆的清洁度的均值的均方差，记为第三特征差异；该次聚类后对应的第一、第二和第三特征差异中的最小值为该次聚类的第三评价值。
11.优选地，每次聚类的评价值包括：每次聚类的第一评价值与每次聚类的评价值成正相关关系；每次聚类的第二和第三评价值与每次聚类的评价值成负相关关系。
12.优选地，基于最终聚类结果对废钢破碎料堆进行盘点包括：基于最终的聚类结果
获得每个废钢破碎料堆对应的类别；对正俯视图像进行边缘检测获得每个废钢塑料堆的底面边缘；对底面边缘进行拟合获得最小拟合圆，获得最小拟合圆的面积；每个废钢破碎料堆对应的最小拟合圆的面积与每个废钢破碎料堆的颗粒度的乘积为每个废钢破碎料堆的质量描述因子；统计属于每个类别的废钢破碎料堆的数量和属于每个类别的废钢破碎料堆的质量描述因子完成盘点。
13.第二方面，本发明另一个实施例提供了一种基于数据处理的废钢破碎料场盘库装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现所述一种基于数据处理的废钢破碎料场盘库方法的步骤。
14.本发明实施例至少具有如下有益效果：本发明通过对废钢破碎料堆的正俯视图像中的数据进行处理和分析获得每个废钢破碎料堆的颗粒度、亮度和清洁度；同时基于废钢破碎料堆之间颗粒度、亮度和清洁度的差异进行聚类，对每次聚类的效果进行评价获得效果最好的聚类结果，根据效果最好的聚类结果获得每个废钢破碎料堆所属的类别，也即是确定了每个废钢破碎料堆所属的等级，同时获得每个废钢破碎料堆的质量描述因子，这样能够使得对废钢破碎料堆的盘点清晰明了，提高废钢破碎料场盘库的精确性和便捷性。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
16.图1为本发明提供的一种基于数据处理的废钢破碎料场盘库方法的方法流程图。
具体实施方式
17.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于数据处理的废钢破碎料场盘库方法及装置，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
19.下面结合附图具体的说明本发明所提供的一种基于数据处理的废钢破碎料场盘库方法及装置的具体方案。
20.实施例1：本发明的主要应用场景为：利用废钢破碎机将废钢进行破碎堆成堆后，需要对废钢破碎料堆成的堆进行分类分级，然后对每个级别，也即是每个类别的废钢破碎料堆成的堆的质量和数量进行统计完成废钢破碎料场的盘点然后根据每个级别，也即是每个类别的废钢破碎料的质量和数量进行统计完成废钢破碎料场的盘点。
21.需要说明的是对于本发明中废钢破碎料堆成的堆，一个废钢破碎料堆成的堆大多出自同一废钢破碎生产线，因此在一个废钢破碎料堆成的堆中废钢破碎料的破碎程度大多
一致，所以这整个破碎料堆可以说是密度均匀的，从一个废钢破碎料堆成的堆的正俯视图获取的信息进行评价获取的质量等级，便可代表整个破碎料堆的质量等级；另外从正俯视图中获得一个废钢破碎料堆成的堆的信息是较为完整的，因此基于正俯视图中的信息进行分类分等级是较为准确的。
22.请参阅图1，其示出了本发明一个实施例提供的一种基于数据处理的废钢破碎料场盘库方法的方法流程图，该方法包括以下步骤：步骤一，将废钢破碎料堆的正俯视图像灰度化获得灰度图；获得灰度图中灰度值在预设范围内的像素点组成的黑洞区域以及黑洞区域的数量和面积；利用灰度图中黑洞区域的数量和黑洞区域的面积的均值获得废钢破碎料堆的颗粒度。
23.首先，废钢经过破碎机粉碎后得到废钢破碎料，废钢破碎料会被堆积成一个一个的类似于圆锥形的堆，一个堆记为一个废钢破碎料堆，利用相机拍摄每个废钢破碎料堆的正俯视图像，每次拍摄图像时，无人机在废钢破碎料堆的正上方向下进行拍摄得到废钢破碎料堆的正俯视图像，同时将得到的废钢破碎料堆的正俯视图像进行预处理，包括去除噪声，将预处理后的图像灰度化获得灰度图。
24.进一步的，一般对废钢破碎料进行分级的方法有三种：根据破碎原料及厚度，根据破碎原料的材质及破碎料的质量来进行判断分级，由于破碎料堆的成分复杂，不能准确的识别废钢破碎料的原料材质及质量，所以并不适用；根据破碎料堆的堆比重进行判断分级，堆比重就是物质堆积时，一立方米所含有的物质的质量，由于破碎料堆的体积以及质量都难以估算，所以也并不适用；通过废钢破碎料堆的颗粒度、亮度和清洁度进行判断分级，废钢破碎料堆的颗粒度越小、亮度越高、清洁度越好，那么该破碎料的等级越高。即其中废钢破碎料堆的颗粒度越小，说明该废料在破碎时破碎的越好，亮度越高，说明废料堆整体亮度接近金属钢的亮度，说明该废料堆所含钢越多，清洁度即废料中的杂质越少，那么清洁度越高，那么废料的质量就越好，这些指标都可以通过图像识别出来。
25.最后获取废钢破碎料堆的颗粒度，废钢破碎料堆的颗粒度即废料堆破碎程度，废钢破碎料堆的破碎程度越大，那么废钢破碎料堆的颗粒度就越小，废钢破碎料堆的质量就越好。
26.通过对灰度图的分析可知，废钢破碎料堆中废料相互堆叠形成阴影，进而使得得到的灰度图可以观测到许多小黑洞，故而本发明通过计算一定范围内小黑洞的数量及大小，进而得到废钢破碎料堆的颗粒度，即在相同范围内的黑洞的数量越少，面积越大，说明该废钢破碎料堆对应的颗粒度越大，即对应的废料破碎程度越不好；反之，相同范围内，黑洞数量越多，面积越小，说明废钢破碎料堆对应的颗粒度越小，即对应的废料破碎程度越好。
27.设定一个灰度图中的像素点的灰度值的预设范围，优选地，本实施例中灰度值的预设范围为[0，20]，将该预设范围作为一个生长范围，随机在灰度图中找到一个灰度值在上述预设范围内的像素点，利用区域生长算法寻找处在生长范围内的像素点从而进行生长，直至灰度图中所有在上述灰度值范围内像素点都被分配，获得多个黑洞区域；同时获得灰度图中黑洞区域的数量s和面积s得到废钢破碎料堆的颗粒度p：
其中，表示黑洞区域面积的平均值；为黑洞区域的数量；黑洞区域的数量越多，黑洞区域的平均面积越小，废钢破碎料堆的颗粒度p越小。
[0028]
步骤二，基于灰度图的平均灰度值获得废钢破碎料堆的亮度；将灰度图分为预设尺寸的方块，获得每个方块中不同灰度级的数量；根据所有方块灰度级的数量的和以及灰度图中每个像素点与邻域像素点的灰度值的差值的均值得到废钢破碎料堆的清洁度。
[0029]
首先，废钢破碎料堆的亮度与废钢破碎料堆的灰度图的亮度相关，根据图像灰度信息得到图像亮度，灰度图的亮度越亮，说明对应的废钢破碎料堆包含的金属越多，质量越好。
[0030]
其中，灰度图的平均灰度值为r，获得废钢破碎料堆的亮度e：灰度图的灰度值越大，废钢破碎料堆的亮度越大。
[0031]
进一步的，废钢破碎料堆的清洁度的获取也是对废钢破碎料堆进行分类分级的一个很重要的因素，清洁度可以通过废钢破碎料堆的灰度图的像素点的灰度变化情况来表示，从另一个角度来看可以看作灰度变化的复杂程度，也即是灰度图的复杂程度，灰度图的复杂程度越高，废钢破碎料堆的清洁度越低。
[0032]
接着，通过对灰度图进行分块处理，分析整体灰度图的清洁度，考虑到由于拍摄环境等因素，在进行拍摄时，即使同一颜色拍摄到灰度图中可能显示为相近的灰度值，为减少这种情况带来的误差，需要将灰度图的灰度级进行量化，获得预设数量的灰度级，也即是将灰度级平均分为8个灰度级，其中量化后的灰度级分别记为g1，g2
…
g8；对灰度图进行分块，将灰度图平均划分为预设尺寸的方块，每个方块的预设尺寸为10*10，获得每个方块中不同灰度级的数量。
[0033]
灰度图的清洁度越高，说明图像中所有像素点灰度值偏离图像整体平均灰度值越小，即图像中相近像素点的灰度值也相近，而对于一幅图像，如果仅从整体计算这种差异，那么会造成很大偏差，故而需要考虑局部部分的灰度差异，进而可以更好的反应整体图像的灰度差异情况，故本发明需要通过计算像素点周围像素与中心像素点的灰度值差异，来反映这种差异。获得灰度图中每个像素点与其8邻域内像素点的灰度值的差值的均值，将每个像素点的灰度值转变为每个像素点与其8邻域内像素点的灰度值的差值的均值获得灰度差异图像，获得灰度差异图像的灰度平均值。
[0034]
最后，利用灰度图中所有方块中不同灰度级的数量的总和以及灰度差异图像的像素点的灰度值的平均值获得废钢破碎料堆的清洁度q：其中，表示废钢破碎料堆的清洁度， 表示灰度差异图像的像素点的灰度值的平均值；表示灰度图中所有方块中不同灰度级的数量的总和。
[0035]
步骤三，基于每个废钢破碎料堆的颗粒度、亮度和清洁度对废钢破碎料堆进行多次聚类；根据一次聚类后各类别的废钢破碎料堆中的元素的类内差异和各类别的废钢破碎料堆的类间差异分别获得该次聚类的第一评价值和第二评价值；根据一次聚类中各类别的废钢破碎料堆的颗粒度的均值、亮度的均值和清洁度的均值分别与所有废钢破碎料堆的颗
粒度的均值、亮度的均值和清洁度的均值的差值获得第三评价值。
[0036]
首先，虽然一般来说会按照品质将废钢破碎料分为5个等级，但是实际情况可能是工厂得到的废料堆全是特等、一等、二等这三种品质的废料堆，如果强行将工厂里的废料堆划分为5类，会出现将一些质量原本较高的品质划分为低品质的情况，进而导致废料堆处理流程及其使用用途发生改变，造成不必要的损失。
[0037]
而常见算法k-means聚类算法对于异常值十分敏感，因为具有极大值的对象可能会产生严重扭曲的数据分布。因此本发明使用k-medoids聚类算法，它是集群中位于最中心的对象，而不是将集群中的平均值作为参考点。在使用k-medoids聚类算法进行聚类的时候需要聚类很多次选择合适的k值，获得聚类效果最好的一次作为最终的聚类结果。
[0038]
进一步的，基于废钢破碎料堆的颗粒度、亮度和清洁度进行多次聚类，使用k-medoids算法进行聚类时的聚类距离d为：其中 、、 和 、 、 分别代表聚类过程中进行比较的两个元素的颗粒度、亮度以及清洁度。
[0039]
同时，需要对每次的聚类结果进行评价。选择一次聚类后的聚类结果，根据类内差异最小原则获取第一评价值t1：其中，k表示该次聚类后获得的类别数，表示第i个类别中的类内差异，为：其中，m为一个类别的废钢破碎料堆中元素的数量；、、 分别为该类别中所有元素的颗粒度、亮度以及清洁度的平均值；、、分别为该类别中第j个元素的颗粒度、亮度以及清洁度。通过比较每个类内元素之间的差异，描述聚类效果，且此差异越小，说明聚类效果越好。
[0040]
接着，根据类间差异最大原则获得第二评价值t2：其中， 表示该次聚类后的第二评价值， 、、分别为该次聚类后第a个类别中元素的颗粒度、亮度和清洁度的平均值；、、 分别为所有废钢破碎料堆的颗粒度、亮度以及清洁度的平均值。即通过比较类与类之间的差异，此差异越大，说明聚类效果越好。
[0041]
最后，基于本发明所针对的场景，不仅需要每个类别里面整体差异小，每个类别之间的整体差异较大，也需要分好类后，每个分类的依据的差异也尽可能的大。通过计算颗粒度、亮度和清洁度三个特征值在聚类过程中，在每个类别中的差异，选取其中差异最小的，那么这个值越大，说明聚类效果越好。
[0042]
获得该次聚类后每个类别中废钢破碎料堆的颗粒度的均值与未聚类时所有废钢
破碎料堆的颗粒度的均值的均方差，记为第一特征差异 ：其中， 表示第一差异特征； 为该次聚类后第a个类别中元素的颗粒度的均值； 为所有废钢破碎料堆的颗粒度的均值。
[0043]
获得该次聚类后每个类别中废钢破碎料堆的亮度的均值与未聚类时所有废钢破碎料堆的亮度的均值的均方差，记为第二特征差异：其中，表示第二特征差异； 为该次聚类后第a个类别中元素的亮度的均值； 为所有废钢破碎料堆的亮度的均值。
[0044]
获得该次聚类后每个类别中废钢破碎料堆的清洁度的均值与未聚类时所有废钢破碎料堆的清洁度的均值的均方差，记为第三特征差异：其中，表示第三特征差异； 为该次聚类后第a个类别中元素的清洁度的均值； 为所有废钢破碎料堆的清洁度的均值。
[0045]
最后，基于第一、第二和第三特征差异获得第三评价值t3：t3表示在每次聚类过程中每个类别之间差异最小的特征之间的差异，t3越大说明聚类的效果越好。
[0046]
步骤四，根据每次聚类的第一、第二和第三评价值获得每次聚类的评价值，评价值最小对应的聚类结果为最终聚类结果；基于最终聚类结果对废钢破碎料堆进行盘点。
[0047]
首先，根据第一、第二和第三评价值获得该次聚类的评价值t：至此可以获得每次聚类的评价值，对于每次聚类来说，在每次聚类后，第一评价值越小，第二评价值和第三评价值越大时每次聚类的评价值越小，聚类的效果越好。
[0048]
获得评价值最小对应的聚类，此时的聚类效果是最好的，获得此时的聚类结果，该聚类结果为最终的聚类结果。
[0049]
接着，在最终的聚类结果的基础上，很容易可以获得每个类别的品质的高低，同时，需要对每个类别中每个废钢破碎料堆的质量进行描述，因为直接测量每个废钢破碎料堆的质量会很麻烦，所以要用其他的量描述废钢破碎料堆的质量；根据废钢破碎料的堆叠过程可知，堆叠体呈现圆锥体状，当堆叠体在持续堆叠状态时，堆叠体的边缘在持续向四周扩散，由堆叠过程中废钢破碎料的扩散规律可知，堆叠体体积越大，那么堆叠体底面所占面积就越大，圆锥体的体积计算公式为v=1/3sh，在堆叠过程中，圆锥体的底面半径与高度成正比例增长、变化，故而本发明通过分析圆锥体的可以仅仅通过底面面积描述废钢破碎料堆的体积。
[0050]
通过对得到的正俯视图像进行边缘检测，得到图像的最外边缘，将边缘轮廓进行拟合，得到最小拟合圆，进而得到最小拟合圆的半径r。
[0051]
因为半径r与面积以及高度都有一定的关系，一次可以通过废钢破碎料堆拟合出来的圆的底面积和废钢破碎料堆的颗粒度描述废钢破碎料堆的质量，获得废钢破碎料堆的质量描述因子l：即废钢破碎料堆的底面半径越大，此时可以表征出废钢破碎料堆的体积越大，对应颗粒度越小，那么该废钢破碎料堆的质量就越大。
[0052]
最后，基于每个废钢破碎料堆所属的类别，也即是所属的级别，以及每个废钢破碎料堆的质量描述因子，统计属于每个类别的废钢破碎料堆的数量和属于每个类别的废钢破碎料堆的质量描述因子完成废钢破碎料场中废钢破碎料堆的盘点。
[0053]
实施例2：本实施例提供了实施例，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于数据处理的废钢破碎料场盘库方法的步骤。由于实施例1已经对一种基于数据处理的废钢破碎料场盘库方法进行了详细的介绍，此处不再过多介绍。
[0054]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0055]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0056]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。