摘要
本发明涉及冶金领域和图像识别领域,尤其涉及一种基于机器视觉的AI废钢卸车状态检测方法,通过图像采集设备获取图像帧数据;对图像帧的视频流里带有废钢料的数据进行预处理,按比例划分后形成数据集;获取训练后的检测模型;将视频流图像帧数据输入至训练后的检测模型,返回其类别和检测框的坐标;将训练后的检测模型输出结果发送给卸车状态分析系统,通过卸车状态分析系统给出当前卸车事件状态。本发明的优点是:实现吸盘卸料位置的自动定位等功能;改进的网络模型基于yolov5网络,提高定位精准性以及识别准确率,降低了员工的劳动强度,提高了检验和卸车速度,做到废钢卸车过程的智能化、精准化、高效化,具有较高的可靠性。
技术关键词
状态检测方法
状态分析系统
网络模块
视频流图像帧
检测网络模型
车厢
视觉
图像采集设备
训练集
注意力机制
数据
坐标
输入模块
计算机
可读存储介质
检测头
处理器
系统为您推荐了相关专利信息
电力杆塔
状态检测方法
状态检测系统
训练神经网络
构建训练集
硅光芯片
光纤通信装置
光纤通信方法
网关
网络模块
空气质量预测方法
条件生成对抗网络
动态邻接矩阵
站点
空气质量指数
配煤优化方法
深度神经网络模型
焦炭
智能算法
深度神经网络模块