投稿人:未来有你
某钢厂中厚板厂生产线加热炉上料需要两名操作人员完成,其中一人负责手动控制上料辊道运行,将板坯输送到摄像头视野内后,将看到的板坯号告知板坯识别人员,再由板坯识别人员在二级画面人工输入得到的板坯号。该操作流程不但浪费工时,而且容易出现传达错误,导致板柸信息匹配、跟踪错误等情况。
通常情况下,该工序平均每天辨识板坯数量约250支,完成每支板坯号信息匹配过程约需要2分钟,每天共计耗时约 8.3小时。
目前存在以下几个问题:
1、人工确认需要24 小时不间断人工值守,劳动强度大。
2、现场环境恶劣(高温、嘈杂),人工确认存在不安全隐患。
3、人工确认后录入,板坯号的准确性难以保证,容易出错。
板坯字符识别因为板坯自身特性,其字符识别是相比较车牌识别、包装识别等字符识别类中难度最大的,板坯号识别背景复杂,白天及晚上背景光亮不一致,不同温度板坯及不同喷号机造成各板坯字符背景区别较大。由于钢坯氧化、会造成表层小块氧化铁皮脱落,会造成字符不完整,也会给图像造成噪声。另外由于机器人喷号时抖动等原因,也会造成字符扭曲。
板坯氧化铁皮较多时,在经过辊道运输过程中的不断震动过程中,字符可能有边角脱落情况,这种情况下就要收集大量的字符库进行训练,并且进行深度学习。
中厚板厂板坯号识别上料系统主要由硬件及软件两部分组成,硬件部分包含高清工业相机等图像采集模块,交换机、监控一体机、光电转换等网络传输模块、高性能算法服务器等分析模块及PLC和光源等辅助模块。软件部分主要为识别算法及设备控制平台,实现视频数据分析、现场设备管控及现场产线系统的交互确认等。
搭建与调试:
首先创建VM项目,第一步设置获取图像源方式,第二部是将深度学习训练过的字符定位模型放入到DL字符定位模块中,第三步是将深度学习训练过的字符识别模型放入到DL字符识别模块中,模块可以设定一些基本的过滤条件,当OK或NG后,都会进入条件检测模块来判断合格率,同时会进入脚本,脚本内容是自定义的一些字符规则,当满足字符规则时判断字符串识别正确或错误,将对应图片输出到相应的文件夹。
运行界面采用了VM算法平台的二次开发,在VM算法平台做好识别方案侯生成sol文件,利用二次开发调用现场摄像头,在通过采集的图像SDK方式输入到VM平台算法中,将VM平台控件与Winform相融合,最终实现多系统融合。
最终达到识别率>99%