[发明专利]基于卷积神经网络的智能钢渣检测方法和系统有效
| 申请号： | 201910990000.3 | 申请日： | 2019-10-17 |
| 公开（公告）号： | CN110796046B | 公开（公告）日： | 2023-10-10 |
| 发明（设计）人： | 熊凌;严晨曦;吴怀宇;陈洋;彭飞;黄禹康;张振洲;但斌斌 | 申请（专利权）人： | 武汉科技大学 |
| 主分类号： | G06V20/50 | 分类号： | G06V20/50;G06V10/82;G06V10/26;G06V10/762;G06V10/764;G06V10/56;G06N3/0464;G06N3/048;G06N3/084 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司 42102 | 代理人： | 胡琳萍 |
| 地址： | 430081 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经神经网络的智能钢渣检测方法和系统，包括钢渣图像识别、钢流目标检测、彩色钢渣图像分割步骤：以视频帧图像中的彩色钢渣图像为对象，采用基于改进的AlexNet卷积神经网络的图像识别方法识别出彩色钢渣图像；对彩色钢渣图像中的钢流信息进行检测，通过基于YOLOv3卷积神经网络的目标检测方法，将钢流从复杂的背景中检测出来，从而准确检测出钢流夹渣情况；基于Lab颜色空间的K均值聚类算法对彩色图像进行预处理并采用改进的Otsu图像分割算法，将钢渣从钢水中完全分离。利用可视化用户界面系统，进行钢渣可视化检测。本发明简便易行成本低，能够将钢渣和钢水进行区分，避免误检，提高钢渣图像的实时识别精度，提高钢水的纯净度。 | ||
| 搜索关键词： | 基于 卷积 神经网络 智能 钢渣 检测 方法 系统 | ||
【主权项】：
1.一种基于卷积神经神经网络的智能钢渣检测方法，其特征在于包括如下顺次执行的步骤：/n钢渣图像识别：利用红外探测器和摄像机，获取包含钢流和钢渣亮度信息的钢渣视频帧图像；以视频帧图像中的彩色钢渣图像为对象，采用基于改进的AlexNet卷积神经网络的图像识别方法识别出彩色钢渣图像；/n钢流目标检测：对彩色钢渣图像中的钢流信息进行检测，通过基于YOLOv3卷积神经网络的目标检测方法，将钢流从复杂的背景中检测出来，从而准确检测出钢流夹渣情况；/n彩色钢渣图像分割步骤：针对彩色钢渣图像目标与背景区域颜色存在较大差异以及钢渣亮光被误分割为钢渣的问题，基于Lab颜色空间的K均值聚类算法对彩色图像进行预处理并采用改进的Otsu图像分割算法，将钢渣从钢水中完全分离。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉科技大学，未经武汉科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910990000.3/，转载请声明来源钻瓜专利网。
