【技术实现步骤摘要】
本专利技术涉及工业用鱼雷罐罐号识别，特别是涉及一种铁水鱼雷罐罐号视觉识别方法及其装置。
技术介绍
1、二维码是一种存储大量信息的矩阵式图形码，由于其高密度编码、易读取和易生成的特点，已在民用和工业领域中得到广泛应用。在商品物流领域，二维码可以用于追溯产品来源、验证真伪以及提供产品信息。在移动支付领域，二维码可以作为支付码使用，使得用户可以通过扫描二维码进行便捷的支付操作。在工业制造领域，二维码用于标识产品和零部件，记录生产信息、质量检测结果、供应链信息等。然而，工业领域中二维码识别的可靠性和鲁棒性是一个重要的研究问题。由于工业环境、图像污损、光照变化等因素的干扰，会导致二维码图像质量下降，无法被准确识别。因此，研究鲁棒二维码的识别方法具有重要的意义。
2、二维码技术可以应用于铁水鱼雷罐罐号识别这一工业场景中，实现铁水鱼雷罐的自动化识别和解析。然而，铁水鱼雷罐是用于容纳高温液态铁的特殊容器，其表面的二维码极易受到液态金属的腐蚀，使二维码的边界和信息码块变形，这对二维码的鲁棒性和识别算法的可靠性提出了更高的要求。现有的普通二维码识别方法的缺点如下：
3、(1)基于传统机器视觉的二维码识别方法(如hough变换)提取图像特征的能力较差，导致其对图像的噪声干扰较为敏感，无法实现准确识别。
4、(2)基于深度网络的检测方法，例如r-cnn算法，其检测效率较低，在进行二维码检测识别时实时性不足。
5、(3)现有二维码识别技术不适用于复杂环境的二维码识别任务，对环境变化的鲁棒性较差，无法达到工业
技术实现思路
1、为了克服现有技术的不足，本专利技术的目标是提供一种铁水鱼雷罐罐号视觉识别方法及其装置。
2、为实现上述目标，本专利技术提供了如下方案：
3、一种铁水鱼雷罐罐号视觉识别方法，包括：
4、步骤1：根据铁水鱼雷罐的编号生成二维码；
5、步骤2：将所述二维码固定在相应铁水鱼雷罐的预设位置上；
6、步骤3：使用相机拍摄二维码形成二维码图像；
7、步骤4：对所述二维码图像进行预处理得到预处理后的二维码图像；
8、步骤5：为预处理后的二维码图像设置相应的标签，形成数据集；
9、步骤6：将所述数据集输入到深度识别模型中进行训练得到铁水鱼雷罐编号视觉识别模型；
10、步骤7：利用所述铁水鱼雷罐编号视觉识别模型完成目标铁水鱼雷罐编号的识别。
11、优选的，在所述步骤1中，所述二维码为鲁棒二维码；鲁棒二维码的代码区分为四个部分，每个部分的形状为正方形，每个正方形内均匀划分有4个区块，每个区块中使用镂空的圆表示二进制编码中的“1”，空白表示二进制编码中的“0”，且每个区块转换后的二进制编码以“z”字形顺序排列的方式，用来标识不同铁水鱼雷罐的4位二进制编号。
12、优选的，在所述步骤6中，深度识别模型是yolov5lite网络；yolov5lite网络是通过使用mobilenet网络替换yolov5网络中的darknet53网络构建的。
13、优选的，所述步骤4：对所述二维码图像进行预处理得到预处理后的二维码图像，包括：
14、将所述二维码图像转换到rgb颜色空间，形成第一图像；
15、基于第一图像中各个颜色通道的值对所述第一图像进行特征增强处理，形成特征增强后的第一图像；
16、向特征增强后的第一图像和原始的二维码图像中添加高斯噪声以扩充数据样本，形成预处理后的二维码图像。
17、优选的，基于第一图像中各个颜色通道的值对所述第一图像进行特征增强处理，形成特征增强后的第一图像，包括：
18、计算第一图像中各个颜色通道的均值；
19、根据各个颜色通道的均值计算第一图像的像素均值；
20、其中，第一图像的像素均值计算公式为：
21、
22、其中，rave表示红颜色通道的均值，gave表示绿颜色通道的均值，bave表示蓝颜色通道的均值，m表示第一图像的长度，n表示第一图像的宽度，fr(i,j)表示在红颜色通道在点(i,j)处的值，fg(i,j)表示绿颜色通道在点(i,j)处的值，fb(i,j)表示在蓝颜色通道在点(i,j)处的值，k表示第一图像的像素均值；
23、根据第一图像的像素均值计算增强系数；
24、利用所述增强系数对所述第一图像进行特征增强形成特征增强后的第一图像。
25、优选的，利用所述增强系数对所述第一图像进行特征增强形成特征增强后的第一图像，包括：
26、采用公式：
27、
28、对所述第一图像进行特征增强形成特征增强后的第一图像；其中，第一增强系数第二增强系数第三增强系数表示第一图像，表示特征增强后的第一图像。
29、本专利技术还提供了一种铁水鱼雷罐罐号视觉识别装置，包括：
30、铁水鱼雷罐，所述铁水鱼雷罐上固定有二维码；
31、相机，用于拍摄所述二维码，并将二维码图像上传到上位机；
32、上位机，用于根据二维码图像识别出铁水鱼雷罐的编号。
33、优选的，还包括：
34、蓝牙模块，与所述上位机通信连接，用于接收相机发送的二维码图像，并将所述二维码图像上传到上位机。
35、优选的，还包括：目标铁水鱼雷罐提醒模块，所述目标铁水鱼雷罐提醒模块，包括：
36、限流电阻r1，所述限流电阻r1的一端与上位机连接；
37、三极管q，所述三极管q的基极与所述限流电阻r1的另一端连接，所述三极管q的发射极接地；
38、分流电阻r2，所述分流电阻r2的一端与三极管的基极连接，所述分流电阻r2的另一端接地；
39、稳压管d，所述稳压管d的阳极与所述三极管q的集电极连接，所述稳压管d的阴极与蜂鸣器的正极连接，所述蜂鸣器的负极与所述三极管q的集电极连接。
40、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
41、本专利技术提供了一种铁水鱼雷罐罐号视觉识别方法及其装置，与现有技术相比，本专利技术采用深度学习模型，使得铁水鱼雷罐的编号识别过程自动化，提高了工作效率，减少了人工识别的错误率。
本文档来自技高网...【技术保护点】
1.一种铁水鱼雷罐罐号视觉识别方法，其特征在于，包括：
2.如权利要求1所述的一种铁水鱼雷罐罐号视觉识别方法，其特征在于，在所述步骤1中，所述二维码为鲁棒二维码；鲁棒二维码的代码区分为四个部分，每个部分的形状为正方形，每个正方形内均匀划分有4个区块，每个区块中使用镂空的圆表示二进制编码中的“1”，空白表示二进制编码中的“0”，且每个区块转换后的二进制编码以“Z”字形顺序排列的方式，用来标识不同铁水鱼雷罐的4位二进制编号。
3.如权利要求2所述的一种铁水鱼雷罐罐号视觉识别方法，其特征在于，在所述步骤6中，深度识别模型是YOLOv5lite网络；YOLOv5lite网络是通过使用MobileNet网络替换YOLOv5网络中的DarkNet53网络构建的。
4.如权利要求1所述的一种铁水鱼雷罐罐号视觉识别方法，其特征在于，所述步骤4：对所述二维码图像进行预处理得到预处理后的二维码图像，包括：
5.如权利要求4所述的一种铁水鱼雷罐罐号视觉识别方法，其特征在于，基于第一图像中各个颜色通道的值对所述第一图像进行特征增强处理，形成特征增强后的第一
6.如权利要求5所述的一种铁水鱼雷罐罐号视觉识别方法，其特征在于，利用所述增强系数对所述第一图像进行特征增强形成特征增强后的第一图像，包括：
7.一种铁水鱼雷罐罐号视觉识别装置，其特征在于，包括：
8.如权利要求7所述的一种铁水鱼雷罐罐号视觉识别装置，其特征在于，还包括：
9.如权利要求8所述一种铁水鱼雷罐罐号视觉识别装置，其特征在于，还包括：目标铁水鱼雷罐提醒模块，所述目标铁水鱼雷罐提醒模块，包括：
...【技术特征摘要】
1.一种铁水鱼雷罐罐号视觉识别方法，其特征在于，包括：
2.如权利要求1所述的一种铁水鱼雷罐罐号视觉识别方法，其特征在于，在所述步骤1中，所述二维码为鲁棒二维码；鲁棒二维码的代码区分为四个部分，每个部分的形状为正方形，每个正方形内均匀划分有4个区块，每个区块中使用镂空的圆表示二进制编码中的“1”，空白表示二进制编码中的“0”，且每个区块转换后的二进制编码以“z”字形顺序排列的方式，用来标识不同铁水鱼雷罐的4位二进制编号。
3.如权利要求2所述的一种铁水鱼雷罐罐号视觉识别方法，其特征在于，在所述步骤6中，深度识别模型是yolov5lite网络；yolov5lite网络是通过使用mobilenet网络替换yolov5网络中的darknet53网络构建的。
4.如权利要求1所述的一种铁水鱼雷...
【专利技术属性】
技术研发人员：高士臣，于长志，王桂海，邢峥嵘，文蒙生，岳彩芹，邵致君，康杰，黄宏志，李丽，丁弘敏，涂智辉，张晶，赵小光，张浩，李小民，温晔，袁向丹，臧晗，裴雪琳，
申请(专利权)人：包头钢铁集团有限责任公司，
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。