【技术实现步骤摘要】
本专利技术属于带钢生产，具体的说是一种基于深度学习技术的带钢废边丝堵塞检测系统。
技术介绍
1、在钢铁行业中，带钢废边丝堵塞使一种十分常见的现象，废边丝堵塞过程是边丝在溜槽内因受力变形而形成严重的波浪状，不能顺利通过溜槽的过程，在溜槽中的任意一点，边丝从钢板边部被剪切后，受到拉应力的作用和溜槽上导板的作用力，随着带钢向前移动，上导板对边丝的作用力逐渐增大，在机组升降速时尤为明显，而合理的方向则逐渐偏离拉应力的方向，指向溜槽底部。带钢在生产过程中生产工艺复杂，环境恶劣，废边丝堵塞主要是由带钢镰刀弯造成溜槽堵边、带钢窄尺造成溜槽堵边、碎边造成槽边、废料溜槽自身原因造成堵边等多种原因造成的。因此，为了避免废边丝堵塞对带钢生产造成重要影响，对带钢废边丝堵塞的检测是带钢生产环节中的重要一环，在传统的带钢废边丝堵塞检测中，主要是由工作人员进行监测，但这种人工检测存在以下几点不足：
2、1、不满足产业升级的要求，人工检测属于比较传统的检测，传统的人工检测判断主要依赖于人工进行检测，这样不满足现代智能化转型的要求，不利于企业的长远发展；
3、2、人工检测容易疲劳，人工检测在长时间的检测过程中，容易产生疲劳，会使人工不能实时检测，这样就会导致检测不及时或者产生漏检，从而可能会产生严重的安全事故；
4、3、人工检测成本高，检测废边丝堵塞需要具备钢铁行业丰富工作经验的工作人员，配备专业的检测人员需要一定的人工费用。
5、近年来，随着人工智能的不断发展，人工智能在钢铁行业的应用越来越广泛，随着硬件的性能不
6、所以急需开发一套高效、灵活、可靠的智能带钢废边丝堵塞检测系统，本文通过以上问题进行分析，确定了系统的功能和性能的需求，将深度学习目标检测算法应用于带钢废边丝堵塞检测系统中，提出了一种深度学习技术的带钢废边丝堵塞检测系统。本系统对于带钢废边丝堵塞的检测更为智能和高效，适用于不同场景检测，检测精度远高于人工与传统机器视觉检测率，同时通过该系统进行智能检测，大大减少了人力相关的检查与管理工作，从而降低企业的人工检测成本。为此，需要设计相应的技术方案给予解决。
技术实现思路
1、为了弥补现有技术的不足，解决
技术介绍
中提出的至少一个问题，提出的一种基于深度学习技术的带钢废边丝堵塞检测系统。
2、本专利技术解决其技术问题所采用的技术方案是：本专利技术所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，优选的，包括摄像机图像采集模块、算法检测识别模块、模型部署模块和报警模块；所述摄像机图像采集模块与算法检测识别模块通过信号连接；所述算法采集识别模块与模型部署模块通过信号连接；所述模型部署模块与报警模块通过信号连接。
3、优选的，所述摄像机图像检测采集模块：前期通过一定的人力，看历史视频数据筛选出符合深度学习训练的堵边丝异常数据量，采用拉框标注方式，训练后得出一个初始版本模型；通过前期得到的初版模型，在其余的异常堵边丝视频进行隔帧抽取，再利用之前的初版模型进行推理，识别出有异常的堵边丝的异常图片和人工再复核筛选，通过此种方式扩增深度学习训练的实际数据量摄像机安装在需要检测的带钢的位置，摄像机每天不停的采集的图片，对采集的图片进行人工筛选，将发生带钢废边丝堵塞的图片筛选出来，将筛选的图片运用深度学习神经网络模型进行训练得到pt模型；对模型训练完成之后得到的pt模型进行部署，部署在服务器端，整个检测系统上线时，在将摄像机采集的图片传送给在服务端部署的模型中进行检测识别；所述算法检测识别模块：本文算法模型主要选用深度学习目标检测网络模型，通过摄像机采集的图片进行模型训练，将训练的pt模型经过转化成onnx后部署到服务端，在通过摄像机采集的图片进行传送给部署的模型，模型检测识别到结果之后，将识别结果发送给hmi客户端；所述模型部署模块：模型部署模块主要是将模型训练生成的pt模型部署到服务器上，本次系统主要是利用c++进行部署，使用tensorrt框架进行模型解析，首先将训练好的pt模型转成onnx文件，利用c++及tensorrt框架对onnx文件进行解析，最终实现onnx文件的服务端部署；所述报警模块；hmi软件系统与现场管理系统的plc进行联锁控制，当plc发送信号，hmi软件系统接受到信号后启动摄像机采集图片，将采集的图片发送给部署的模型，模型进行检测识别，若检测到带钢废边丝堵塞，将异常信号反馈给plc，使机组减速或停机，同时进行语音报警，若全部正常，则继续实时监测。
4、优选的，所述摄像机图像采集模块包括检测工作台；所述检测工作台的端部安装有安装架；所述检测工作台的顶部固接有固定台；所述固定台的端部安装有电机；所述电机的输出端固接有丝杆，且丝杆的另一端固接在固定台的内侧壁上；所述丝杆与滑块通过丝杠螺母副连接；所述固定台的内侧壁固接有限位柱，且贯穿滑块；所述滑块的底部固接有摄像机图像采集检测装置；所述固定台的内部开设有滑槽；所述滑槽的内部滑动连接有支撑杆；所述支撑杆的顶部固接有清洁块。
5、优选的，所述支撑杆的顶部固接有水箱；所述清洁块的顶部固接有清洁棉；所述清洁块的内部开设有导流管；且位于清洁棉的底部；所述水箱的顶部固接有水管，且水管的另一端固接在清洁块的底部，且和导流管相互连通；所述水管的内部开设有开关单元。
6、优选的，所述开关单元包括堵塞板；所述水管的内部滑动连接有堵塞板；所述堵塞板的侧端固接有导板；所述导板的顶部固接有第二弹簧，且位于清洁块的侧端。
7、优选的，所述堵塞板的端部固接有限位密封板，且限位密封板贴合在水管的内侧壁上。
8、优选的，所述支撑杆的侧端固接有连接板；所述连接板的内部滑动连接有滑柱；所述滑柱的顶部固接有干燥棉，且位于清洁块的侧端；所述滑柱的底部固接有弹力板；所述弹力板的顶部固接有第三弹簧，且第三弹簧的另一端固接在连接板的底部。
9、优选的，所述支撑杆的底部固接有第一弹簧，且第一弹簧的另一端固接在滑槽的内侧壁上；所述导板的侧端固接有第二弹簧，且第二弹簧的另一端固接在固定台的内侧壁上。
10、优选的，所述检测工作台的底部固接有支撑腿，且设有若干个。
11、本专利技术的有益效果如下：
12、1.本专利技术所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，通过深度学习与硬件的结合，实现实时无人的带钢废边丝堵塞的检测，实现了智能化的监管。
13、2.本专利技术所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，通过实时检测，对是否发生带钢废边丝堵塞进行实时报警，从而为钢铁生产的整个环节提供安全保障；提高了工业生产的效率，解放了人工监管，降低了企业人工成本。
本文档来自技高网...【技术保护点】
1.一种基于深度学习技术的带钢废边丝堵塞检测系统，包括摄像机图像采集模块、算法检测识别模块、模型部署模块和报警模块；其特征在于：所述摄像机图像采集模块与算法检测识别模块通过信号连接；所述算法采集识别模块与模型部署模块通过信号连接；所述模型部署模块与报警模块通过信号连接。
2.根据权利要求1所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述摄像机图像检测采集模块：前期通过一定的人力，看历史视频数据筛选出符合深度学习训练的堵边丝异常数据量，采用拉框标注方式，训练后得出一个初始版本模型；通过前期得到的初版模型，在其余的异常堵边丝视频进行隔帧抽取，再利用之前的初版模型进行推理，识别出有异常的堵边丝的异常图片和人工再复核筛选，通过此种方式扩增深度学习训练的实际数据量摄像机安装在需要检测的带钢的位置，摄像机每天不停的采集的图片，对采集的图片进行人工筛选，将发生带钢废边丝堵塞的图片筛选出来，将筛选的图片运用深度学习神经网络模型进行训练得到pt模型；对模型训练完成之后得到的pt模型进行部署，部署在服务器端，整个检测系统上线时，在将摄像机采集的图片传送给在服务端部署的
3.根据权利要求2所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述摄像机图像采集模块包括检测工作台(1)；所述检测工作台(1)的端部安装有安装架(21)；所述检测工作台(1)的顶部固接有固定台(23)；所述固定台(23)的端部安装有电机(24)；所述电机(24)的输出端固接有丝杆(25)，且丝杆(25)的另一端固接在固定台(23)的内侧壁上；所述丝杆(25)与滑块(26)通过丝杠螺母副连接；所述固定台(23)的内侧壁固接有限位柱(28)，且贯穿滑块(26)；所述滑块(26)的底部固接有摄像机图像采集检测装置(27)；所述固定台(23)的内部开设有滑槽(29)；所述滑槽(29)的内部滑动连接有支撑杆(31)；所述支撑杆(31)的顶部固接有清洁块(32)。
4.根据权利要求3所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述支撑杆(31)的顶部固接有水箱(42)；所述清洁块(32)的顶部固接有清洁棉(41)；所述清洁块(32)的内部开设有导流管(44)；且位于清洁棉(41)的底部；所述水箱(42)的顶部固接有水管(43)，且水管(43)的另一端固接在清洁块(32)的底部，且和导流管(44)相互连通；所述水管(43)的内部开设有开关单元。
5.根据权利要求4所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述开关单元包括堵塞板(52)；所述水管(43)的内部滑动连接有堵塞板(52)；所述堵塞板(52)的侧端固接有导板(53)；所述导板(53)的顶部固接有第二弹簧(54)，且位于清洁块(32)的侧端。
6.根据权利要求5所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述堵塞板(52)的端部固接有限位密封板(51)，且限位密封板(51)贴合在水管(43)的内侧壁上。
7.根据权利要求3所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述支撑杆(31)的侧端固接有连接板(61)；所述连接板(61)的内部滑动连接有滑柱(62)；所述滑柱(62)的顶部固接有干燥棉(63)，且位于清洁块(32)的侧端；所述滑柱(62)的底部固接有弹力板(64)；所述弹力板(64)的顶部固接有第三弹簧(65)，且第三弹簧(65)的另一端固接在连接板(61)的底部。
8.根据权利要求5所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述支撑杆(31)的底部固接有第一弹簧(3)，且第一弹簧(3)的另一端固接在滑槽(29)的内侧壁上；所述导板(53)的侧端固接有第二弹簧(54)，且第二弹簧(54)的另一端固接在固定台(23)的内侧壁上。
9.根据权利要求3所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述检测工作台(1)的底部固接有支撑腿(22)，且设有若干个。
...【技术特征摘要】
1.一种基于深度学习技术的带钢废边丝堵塞检测系统，包括摄像机图像采集模块、算法检测识别模块、模型部署模块和报警模块；其特征在于：所述摄像机图像采集模块与算法检测识别模块通过信号连接；所述算法采集识别模块与模型部署模块通过信号连接；所述模型部署模块与报警模块通过信号连接。
2.根据权利要求1所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述摄像机图像检测采集模块：前期通过一定的人力，看历史视频数据筛选出符合深度学习训练的堵边丝异常数据量，采用拉框标注方式，训练后得出一个初始版本模型；通过前期得到的初版模型，在其余的异常堵边丝视频进行隔帧抽取，再利用之前的初版模型进行推理，识别出有异常的堵边丝的异常图片和人工再复核筛选，通过此种方式扩增深度学习训练的实际数据量摄像机安装在需要检测的带钢的位置，摄像机每天不停的采集的图片，对采集的图片进行人工筛选，将发生带钢废边丝堵塞的图片筛选出来，将筛选的图片运用深度学习神经网络模型进行训练得到pt模型；对模型训练完成之后得到的pt模型进行部署，部署在服务器端，整个检测系统上线时，在将摄像机采集的图片传送给在服务端部署的模型中进行检测识别；
3.根据权利要求2所述的一种基于深度学习技术的带钢废边丝堵塞检测系统，其特征在于：所述摄像机图像采集模块包括检测工作台(1)；所述检测工作台(1)的端部安装有安装架(21)；所述检测工作台(1)的顶部固接有固定台(23)；所述固定台(23)的端部安装有电机(24)；所述电机(24)的输出端固接有丝杆(25)，且丝杆(25)的另一端固接在固定台(23)的内侧壁上；所述丝杆(25)与滑块(26)通过丝杠螺母副连接；所述固定台(23)的内侧壁固接有限位柱(28)，且贯穿滑块(26)；所述滑块(26)的底部固接有摄像机图像采集检测装置(27)；所述固定台(23)的内部开设有滑槽(29)；所述滑槽(29)的内部滑动连接有支撑杆(31)；所述支撑杆(31)的顶部固接有清洁块(32)。
4.根据权利要求3所...
【专利技术属性】
技术研发人员：宋俊，崔超，邢云生，潘岩，易凡，陈鹏宇，李传远，杨亮，
申请(专利权)人：上海研视信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。