本申请涉及图像处理技术领域，特别是涉及一种基于机器视觉的钢卷号识别方法、系统、设备及存储介质。
背景技术：
随着人工成本的上升，钢铁制造的自动化、智能化、少人化的趋势越来越明显。钢卷号识别是热轧平整线生产中的一个重要步骤，传统的识别方法是在钢卷传送过程中停顿一会儿，操作人员根据监视画面或现场流程确认钢卷号，但人工识别对操作人员的体力和精力负担极大，另外，人工识别始终会存在疲劳问题，即使是配置两名操作人员，仍然有误识别的风险同时，也造成了人工成本上升。
申请内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于机器视觉的钢卷号识别方法、系统、设备及存储介质，用于解决现有技术中使用人工识别钢卷号费时费力，无法确保识别准确率的问题。
为实现上述目的及其他相关目的，本申请的第一方面，本申请提供一种基于机器视觉的钢卷号识别方法，包括：
在光源照射下采集钢卷的端面图像；
提取所述端面图像包含钢卷号的弧形区域；
对所述弧形区域进行弧形拉直得到平直的钢卷号图像；
分割所述钢卷号图像得到字符图像；
识别每个所述字符图像并按序排列得到钢卷号。
本申请的第二方面，提供一种基于机器视觉的钢卷号识别系统，包括：
图像采集模块，安装于钢卷的圆形端面的正对方，用于采集钢卷的端面图像；
光源模块，安装于所述钢卷的圆形端面的侧上方，用于图像采集模块采集图像时补光；
计算机终端，连接所述图像采集模块与光源模块，用于提取所述端面图像包含钢卷号的弧形区域；对所述弧形区域进行弧形拉直得到平直的钢卷号图像；分割所述钢卷号图像得到字符图像；识别每个所述字符图像并按序排列得到钢卷号。
本申请第三方面提供一种基于机器视觉的钢卷号识别的电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得所述电子设备执行如第一方面中任一项所述的基于机器视觉的钢卷号识别方法。
本申请的第四方面，提供一种计算机可读存储介质，存储至少一种程序，所述至少一个程序在被调用并执行时实现如第一方面中任一项所述的基于机器视觉的钢卷号识别方法。
如上所述，本申请的基于机器视觉的钢卷号识别方法、系统、设备及存储介质，具有以下有益效果：
本申请在光源照射下采集钢卷的端面图像，获取端面图像内包含钢卷号的弧形区域，拉直弧形区域得到平直的钢卷号图像，通过分割字符、识别字符、组合字符的方式识别出钢卷号，能够清晰的获取端面的原始图像以及拉直后的钢卷号图像，有利于更准确的识别钢卷号，避免了误识别的风险，提高了识别的效率与准确率。
附图说明
图1显示为本申请实施例提供的一种基于机器视觉的钢卷号识别方法流程图；
图2显示为本申请实施例提供的一种基于机器视觉的钢卷号识别系统框架图；
图3显示为本申请实施例提供的一种基于机器视觉的钢卷号识别系统示意图；
图4显示为本申请实施例提供的一种基于机器视觉的钢卷号识别的电子设备结构框图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一预设阈值可以被称作第二预设阈值，并且类似地，第二预设阈值可以被称作第一预设阈值，而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值，但是除非上下文以其他方式明确指出，否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示.应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加.此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合.因此，“a、b或c”或者“a、b和/或c”意味着“以下任一个：a；b；c；a和b；a和c；b和c；a、b和c”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
请参阅图1，为本申请实施例提供的一种基于机器视觉的钢卷号识别方法流程图，包括：
步骤s1，在光源照射下采集钢卷的端面图像；其中，该端面图像可为钢卷的侧面的圆形端面，也可为钢卷的上端，本申请以圆形端面为例。
在此，利用光源与相机配合采集所述钢卷的圆形端面图像；其中，所述光源为投光灯(如，白色投光灯)，安装于钢卷圆形端面的侧上方，所述相机为面阵相机且正对所述钢卷的圆形端面，通过上述安装位置的配合能够有效防止带钢生产过程中抖动从而导致相机获取照片不精确的问题。
具体地，该相机选择面阵相机，例如、面阵ccd，一方面，该相机应用面广，通过该相机可获取二维图像信息，能够较好地抓取带钢表面的细节，直观测量图像；另一方面，在确保分辨率与像素的前提下，相对于线阵ccd来讲，像元尺寸较灵活，帧幅数高，适用于动态目标的测量，例如，运动的钢卷图像。
步骤s2，提取所述端面图像包含钢卷号的弧形区域；
在此，利用深度学习算法提取所述端面图像包含钢卷号的弧形区域，其中，基于深度学习训练样本数据(端面图像与弧形区域)得到分割模型，需要说明的是，该深度学习网络包括输入层、卷积层、全连接层以及输出层，所述输入层接收所述端面图像，所述卷积层有多层，每一层所述卷积层均包括多个特征图，每一所述特征图均通过一种卷积滤波器提取所述图像的一种所述弧形特征，所述全连接层有多层，每一层所述全连接层均包括多个神经元，所述输出层包括多个径向基函数单元，所述输出层输出所述端面图像的弧形区域。
还需要说明的是，采用分割模型提取端面图像中的弧形区域，利用深度学习算法能够提高提取效率和抗干扰能力。
步骤s3，对所述弧形区域进行弧形拉直得到平直的钢卷号图像；
其中，利用仿射变换拉伸所述弧形区域得到平直的钢卷号图像，仿射变换包括图像的拉伸、收缩、旋转、扭曲等变换，从而得到平直的钢卷号图像。
步骤s4，分割所述钢卷号图像得到字符图像；
其中，二值化所述钢卷号图像，将钢卷号图像中单行或多行的字符图像中每个字符分割出来，使其成为单个字符图像(例如，二值图表示的字符图像点阵)，将字符大小归一化，有利于后续单个字符图像的识别，其中，字符分割方式包括投影分割、聚类分析字符分割、模板匹配字符分割等，在此不一一例举。
步骤s5，识别每个所述字符图像并按序排列得到钢卷号。
其中，识别每个字符图像得到相应的文字识别结果(汉字、数字、字母等)，将所述文字识别结果按顺序进行组合得到钢卷号，所述钢卷号包括钢的规格、长度、重量、生产年份以及生产厂商。
在本实施例中，在光源照射下采集钢卷的端面图像，获取端面图像内包含钢卷号的弧形区域，拉直弧形区域得到平直的钢卷号图像，通过分割字符、识别字符、组合字符的方式方式识别出钢卷号，能够清晰的获取端面的原始图像以及拉直后的钢卷号图像，有利于更准确的识别钢卷号，避免了误识别的风险，提高了识别的效率与准确率。
在另一些实施例中，在步骤s2之前，钢卷号识别方法还包括：
预处理所述端面图像得到符合预设标准的端面图像，通过滤波(高斯平滑即“低通滤波”)、增强(直方图均衡使得感兴趣区域突出)、或边缘检测(灰度变化剧烈)等方式预处理端面图像，使其到达预设标准，便于后续准确提取弧形区域。
请参阅图2，为本申请实施例提供的一种基于机器视觉的钢卷号识别系统框架图，图3为基于机器视觉的钢卷号识别系统的安装示意图，详述如下：
图像采集模块1，安装于钢卷4的圆形端面的正对方，用于采集钢卷的端面图像；例如，面阵ccd。
光源模块2，安装于所述钢卷的圆形端面的侧上方，用于图像采集模块采集图像时补光；例如，投光灯。
计算机终端3，连接所述图像采集模块与光源模块，用于提取所述端面图像包含钢卷号的弧形区域；对所述弧形区域进行弧形拉直得到平直的钢卷号图像；分割所述钢卷号图像得到字符图像；识别每个所述字符图像并按序排列得到钢卷号。
在此，需要说明的是，由于基于机器视觉的钢卷号识别系统与基于机器视觉的钢卷号识别方法为一一对应关系，其对应的技术细节、技术效果请参照上述实施例，在此不予赘述。
请参阅图4，其显示为本申请的计算机设备一实施例的结构示意图。如图4所示，本实施例提供的电子设备5主要包括存储器51、一个或多个处理器52、以及存储于所述存储器51中的一个或多个程序，其中，存储器51存储执行指令，当电子设备5运行时，处理器52与存储器51之间通信。
其中，所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得所述电子设备执行上述的网络功能的开发方法，即所述处理器52执行执行指令使得电子设备5执行如图1所示的方法，藉此可以通过模块化开发的方式来灵活配置复杂的网络功能和提高开发效率。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请的部分或全部可借助软件并结合必需的通用硬件平台来实现。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，还可以存储在一个计算机可读取存储介质中基于这样的理解，本申请还提供一种计算机可读存储介质，所述存储介质存储有至少一个程序，所述程序在被执行时实现前述的任一所述的电力资源管理方法，比如实现前述对应图1所描述的基于机器视觉的钢卷号识别方法。
基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质，这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本申请的实施例来执行操作。例如电力资源管理方法中的各步骤等。机器可读介质可包括，但不限于，软盘、光盘、cd-rom(紧致盘-只读存储器)、磁光盘、rom(只读存储器)、ram(随机存取存储器)、eprom(可擦除可编程只读存储器)、eeprom(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。其中，所述存储介质可位于本地服务器也可位于第三方服务器中，如位于第三方云服务平台中。在此对具体云服务平台不做限制，如阿里云、腾讯云等。本申请可用于众多通用或专用的计算系统环境或配置中。例如：被配置为分布式系统中一个节点的个人计算机、专用服务器计算机、大型计算机等。
另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(dsl)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、dsl或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(cd)、激光光盘、光盘、数字多功能光盘(dvd)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
综上所述，本申请在光源照射下采集钢卷的端面图像，获取端面图像内包含钢卷号的弧形区域，拉直弧形区域得到平直的钢卷号图像，通过分割字符、识别字符、组合字符的方式方式识别出钢卷号，能够清晰的获取端面的原始图像以及拉直后的钢卷号图像，有利于更准确的识别钢卷号，避免了误识别的风险，提高了识别的效率与准确率。所以，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。
1.一种基于机器视觉的钢卷号识别方法，其特征在于，所述方法包括以下步骤：
在光源照射下采集钢卷的端面图像；
提取所述端面图像包含钢卷号的弧形区域；
对所述弧形区域进行弧形拉直得到平直的钢卷号图像；
分割所述钢卷号图像得到字符图像；
识别每个所述字符图像并按序排列得到钢卷号。
2.根据权利要求1所述的基于机器视觉的钢卷号识别方法，其特征在于，所述在光源照射下采集钢卷的端面图像的步骤，包括：
利用光源与相机配合采集所述钢卷的端面图像；其中，所述光源为投光灯，安装于钢卷端面的侧上方，所述相机为面阵相机且正对所述钢卷的端面。
3.根据权利要求1所述的基于机器视觉的钢卷号识别方法，其特征在于，所述提取所述端面图像包含钢卷号的弧形区域的步骤之前，还包括：预处理所述端面图像得到符合预设标准的端面图像。
4.根据权利要求1所述的基于机器视觉的钢卷号识别方法，其特征在于，所述提取所述端面图像包含钢卷号的弧形区域的步骤，包括：利用深度学习算法提取所述端面图像包含钢卷号的弧形区域。
5.根据权利要求1所述的基于机器视觉的钢卷号识别方法，其特征在于，所述对所述弧形区域进行弧形拉直得到平直的钢卷号图像的步骤，包括：利用仿射变换拉伸所述弧形区域得到平直的钢卷号图像。
6.根据权利要求1所述的基于机器视觉的钢卷号识别方法，其特征在于，所述识别每个所述字符图像并按序排列得到钢卷号的步骤，包括：识别每个字符图像得到相应的文字识别结果，将所述文字识别结果按顺序进行组合得到钢卷号。
7.根据权利要求1或6所述的基于机器视觉的钢卷号识别方法，其特征在于，所述钢卷号包括钢的规格、长度、重量、生产年份及生产厂商。
8.一种基于机器视觉的钢卷号识别系统，其特征在于，包括：
图像采集模块，安装于钢卷的圆形端面的正对方，用于采集钢卷的端面图像；
光源模块，安装于所述钢卷的圆形端面的侧上方，用于图像采集模块采集图像时补光；
计算机终端，连接所述图像采集模块与光源模块，用于提取所述端面图像包含钢卷号的弧形区域；对所述弧形区域进行弧形拉直得到平直的钢卷号图像；分割所述钢卷号图像得到字符图像；识别每个所述字符图像并按序排列得到钢卷号。
9.一种基于机器视觉的钢卷号识别的电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得所述电子设备执行权利要求1～7任一项所述的基于机器视觉的钢卷号识别方法。
10.一种计算机可读存储介质，其特征在于，存储至少一种程序，所述至少一个程序在被调用并执行时实现权利要求1-7中任一项所述的基于机器视觉的钢卷号识别方法。
技术总结