一种基于神经网络模型融合的废钢评级方法及装置

    公开(公告)号:CN111292026A

    公开(公告)日:2020-06-16

    申请号:CN202010340992.8

    申请日:2020-04-27

    Abstract: 本申请涉及废钢评级技术领域,公开了一种基于神经网络模型融合的废钢评级方法及装置,该方法中,首先采集废钢的图片,进行数据预处理,获取待评级废钢图片;然后将待评级废钢图片输入至预先建立的神经网络融合模型中,神经网络融合模型基于VGG网络模型、ResNet网络模型及Inception网络模型建立,使用已标注类型的废钢图片完成训练及验证,VGG网络模型、ResNet网络模型及Inception网络模型均通过ImageNet数据集进行参数初始化;最后根据所述神经网络融合模型的输出结果,获取所述废钢的类型。上述方法中,利用融合了三种神经网络的模型对废钢图片进行评级,能够有效提高评级结果的准确率。

    一种钢铁行业的物料编码识别系统

    公开(公告)号:CN119888710A

    公开(公告)日:2025-04-25

    申请号:CN202510001986.2

    申请日:2025-01-02

    Abstract: 本申请提供一种钢铁行业的物料编码识别系统,系统包括数据获取模块,数据获取模块被配置为获取物料表面的物料编码原始数据集,并对物料编码原始数据集进行预处理,得到物料编码目标数据集;预处理包括图像旋转扩充处理;数据定位模块,数据定位模块被配置为根据物料编码目标数据集进行有效定位处理,得到编码字符区域图像;字符矫正模块,字符矫正模块被配置为对编码字符区域图像进行矫正处理,得到矫正字符区域图像;字符识别模块,字符识别模块被配置为根据矫正字符区域图像进行字符识别,得到至少一个编码字符。本申请通过上述方案解决了现有钢铁行业物料识别技术无法高效的识别任意角度的编码字符的问题。

    一种基于深度学习的容器编号识别方法及装置

    公开(公告)号:CN115909351A

    公开(公告)日:2023-04-04

    申请号:CN202310079036.2

    申请日:2023-02-08

    Abstract: 本申请提供一种基于深度学习的容器编号识别方法及装置,所述方法包括:控制图像采集模块采集待识别容器的灰度图片;标注采集到的灰度图片并选取包含识别标签的有效图片;将有效图片输入目标检测模型和文本识别模型;利用目标检测模型获得有效图片的数字孔区域,利用文本识别模型识别数字孔数值,利用目标检测模型识别有效图片中的校验码孔数值;若数字孔数值和校验码孔数值一致,则根据数字孔数值和校验码孔数值获得待识别容器编号。所述装置包括红外热成像相机、控制器和电控箱,该装置采用上述基于深度学习的容器编号识别方法对容器编号进行识别,可及时发现识别错误并进行追踪和纠正,能够对识别的编号进行校验,提高对容器编号识别的成功率。

Patent Agency Ranking