基于深度学习的真空自耗炉冶炼图像处理方法和系统

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于深度学习的真空自耗炉冶炼图像处理方法和系统。

背景技术

真空自耗炉是一种用于冶炼和热处理金属的设备，通常用于冶炼金属和合金等材料。在冶炼过程中，需要对冶炼过程进行实时监测，以确保冶炼质量和设备安全。因此，摄像头成为了真空自耗炉中不可或缺的设备。但是，由于真空自耗炉环境的特殊性和复杂性，冶炼一段时间摄像机镜头的对焦和角度容易发生变化，造成冶炼图像的质量受到很大的影响，出现图像模糊、电弧不在图像中心等问题，影响了图像处理的效率和准确性。目前，在真空自耗炉冶炼过程中，常常需要人工操作对摄像头进行对焦和角度调整，以确保电弧区域清晰、完整地展现在图像中心。然而，这种人工操作耗时耗力，且往往不能保证冶炼过程的连续性和稳定性，影响了生产效率。

发明内容

本发明的目的在于提供一种基于深度学习的真空自耗炉冶炼图像处理方法，实现稳定的识别冶炼图像。

为了实现上述目的，本发明提供如下技术方案：一种基于深度学习的真空自耗炉冶炼图像处理方法，包括：通过摄像头拍摄真空自耗炉炉内冶炼图像；建立图像清晰度判断模型，通过图像清晰度判断模型对所述冶炼图像的清晰度进行识别；设置预设清晰度，调整冶炼图像的清晰度直到冶炼图像的清晰度达到所述预设清晰度；建立冶炼图像识别模型，通过冶炼图像识别模型对所述冶炼图像中电弧位置进行识别；设置所述冶炼图像的目标区域，控制所述摄像头的角度直到拍摄到的所述电弧位于所述冶炼图像的目标区域内。

进一步地，所述调整冶炼图像的清晰度直到所述冶炼图像的清晰度达到所述预设清晰度包括：调整所述摄像头的焦距，直到所述冶炼图像的清晰度达到所述预设清晰度。

进一步地，所述通过图像清晰度判断模型判断所述冶炼图像的清晰度包括：将所述冶炼图像缩放至设定大小并进行归一化处理得到预处理图像；通过图像清晰度判断模型对预处理图像的清晰度进行判断。进一步地，所述控制所述摄像头的位置直到拍摄到的所述电弧位于所述冶炼图像的目标区域内包括：判断所述电弧在所述冶炼图像中的位置；获取所述电弧相对于所述目标区域的偏离程度；控制所述摄像头的水平方向的角度和垂直方向的角度从而使所述电弧位于所述目标区域中。

另一方面，一种基于深度学习的真空自耗炉冶炼图像处理系统，包括：摄像头，所述摄像头用于拍摄真空自耗炉炉内冶炼图像；位移机构，所述位移机构用于控制所述摄像头转动；焦距调整机构，所述焦距调整机构能够调整所述摄像头的焦距；模糊度判断模块，所述模糊度判断模块用于对所述冶炼图像的清晰度进行判断；电弧位置判断模块，所述电弧位置判断模块能够判断电弧在所述冶炼图像中的位置；计算机，所述计算机能够根据所述模糊度判断模块和所述电弧位置判断模块的判断结构控制所述位移机构和所述焦距调整机构。

进一步地，所述焦距调整机构包括焦距调整电机，所述焦距调整电机与所述摄像头连接，所述焦距调整电机能够调整所述摄像头的焦距。

进一步地，所述位移机构包括水平调整电机和竖直调整电机，所述水平调整电机和所述竖直调整电机均与所述摄像头连接，所述水平调整电机能够控制所述摄像头水平方向的角度，所述竖直调整电机能够控制所述摄像头竖直方向的角度。

进一步地，还包括图像预处理模块，所述图像预处理模块能够对所述冶炼图像进行预处理。

分析可知，本发明公开一种基于深度学习的真空自耗炉冶炼图像处理方法和系统，本发明通过深度学习算法，自动判断真空自耗炉冶炼图像的模糊度和电弧位置，并通过电机控制调整摄像头对焦和角度，使电弧区域清晰、完整地展现在图像中心，提高了图像处理的自动化水平，节省了人力资源。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。其中：

图1本发明一实施例的流程图。

图2本发明一实施例的冶炼图像清晰度达到目标清晰度时的示意图。

图3本发明一实施例的冶炼图像清晰度未达到目标清晰度时的示意图。

图4本发明一实施例的冶炼图像位置偏左时的示意图。

图5本发明一实施例的冶炼图像位置偏右时的示意图。

图6本发明一实施例的冶炼图像位置偏下时的示意图。

图7本发明一实施例的冶炼图像位置偏上时的示意图。

图8本发明一实施例的冶炼图像位置正常时的示意图。

具体实施方式

下面将参考附图并结合实施例来详细说明本发明。各个示例通过本发明的解释的方式提供而非限制本发明。实际上，本领域的技术人员将清楚，在不脱离本发明的范围或精神的情况下，可在本发明中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本发明包含归入所附权利要求及其等同物的范围内的此类修改和变型。

在本发明的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。本发明中使用的术语“相连”、“连接”、“设置”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间部件间接相连；可以是有线电连接、无线电连接，也可以是无线通信信号连接，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

所附附图中示出了本发明的一个或多个示例。详细描述使用了数字和字母标记来指代附图中的特征。附图和描述中的相似或类似标记的已经用于指代本发明的相似或类似的部分。如本文所用的那样，用语“第一”、“第二”、“第三”以及“第四”等可互换地使用，以将一个构件与另一个区分开，且不旨在表示单独构件的位置或重要性。

如图1所示，根据本发明的实施例，提供了一种基于深度学习的真空自耗炉冶炼图像处理方法，包括：通过摄像头拍摄冶炼图像(真空自耗炉中冶炼过程中的图像)；设置预设清晰度，建立图像清晰度判断模型；通过图像清晰度判断模型判断冶炼图像的清晰度，调整冶炼图像的清晰度直到冶炼图像的清晰度达到预设清晰度，调整冶炼图像的清晰度直到冶炼图像的清晰度达到预设清晰度包括：通过图像清晰度判断模型判断冶炼图像的清晰度包括：将冶炼图像缩放至设定大小并进行归一化处理得到预处理图像；通过图像清晰度判断模型对预处理图像的清晰度进行判断；调整摄像头的焦距，直到冶炼图像的清晰度达到预设清晰度；建立冶炼图像识别模型；通过冶炼图像识别模型对冶炼图像中电弧位置进行识别；设置冶炼图像的目标区域；控制摄像头的角度直到拍摄到的电弧位于冶炼图像的目标区域内，控制摄像头的位置直到拍摄到的电弧位于冶炼图像的目标区域内包括：判断电弧在冶炼图像中的位置；获取电弧相对于目标区域的偏离程度；控制摄像头的水平方向的角度和垂直方向的角度从而使电弧位于目标区域中。

如图2-图8所示，当摄像头拍摄到冶炼图像后，该冶炼图像将通过深度学习模型进行分析，判断图像的清晰度和电弧位置。如果图像清晰，则不做任何调整；如果图像不清晰，则根据反馈信号调整摄像头的对焦，直到图像清晰为止。如果电弧不在图像中心，则根据反馈信号调整摄像头的水平方向角度和竖直方向角度，以使电弧位于图像中心。整个过程通过深度学习模型的实时反馈进行控制，使得调整过程自动化，准确性高。

本方法的具体实施流程如下：通过深度学习算法训练一个模型，用于判断图像是否模糊。在训练阶段，收集一组清晰和模糊的图像，标记它们的清晰度，然后使用卷积神经网络对图像进行特征提取和分类；在摄像头使用过程中，实时获取图像，并将其输入到训练好的模型中；如果模型判断该图像模糊，则通过电机控制调整摄像头焦距，直到图像清晰为止。通过深度学习算法训练一个模型，用于判断电弧是否完整出现在镜头内。在训练阶段，收集电弧在目标区域偏左、偏右、偏下、偏上和正常的电弧图像，标记它们的完整度，然后使用卷积神经网络对图像进行特征提取和分类；在摄像头使用过程中，实时获取图像，并将其输入到训练好的模型中，如果模型判断为偏左、偏右、偏下、偏上，则根据模型输出结果通过水平电机和竖直电机控制调整摄像头水平和竖直方向，直到电弧居于图像中心为止。

本发明的硬件组成可以为：图像采集设备(包括摄像头和电机)，深度学习处理器，控制器。软件组成：深度学习算法库，图像处理和分析程序，控制程序。以上述硬件和软件为基础的实施步骤如下：初始化硬件设备和软件程序，开启图像采集设备的图像采集功能，采集真空自耗炉中冶炼过程中的图像。将采集的图像输入深度学习处理器，使用深度学习模型进行图像处理和分析，判断图像质量和电弧位置，得出调整结果。根据深度学习模型的输出结果，控制电机调整摄像头的对焦和角度位置，使图像质量更清晰，电弧位置居于图像中心。经过实验和测试，本发明可以实现对真空自耗炉中冶炼图像质量和电弧位置的自动识别和调整，准确率达到95％以上，有效提高冶炼效率和稳定性，节约成本和降低风险。

本发明提供了一种基于深度学习的真空自耗炉冶炼图像质量和电弧位置的自动识别和调整的装置和方法，实现了冶炼过程中图像质量和电弧位置的自动监测和控制，提高了冶炼的质量和效率。与传统的手动调整相比，本发明具有调整速度快、效率高、准确性高等优点，可大大降低人工干预的成本和风险。因此，本发明具有广泛的应用前景，适用于各种真空自耗炉中的冶炼过程。

本发明还公开了一种基于深度学习的真空自耗炉冶炼图像处理系统，包括：摄像头，摄像头用于拍摄冶炼图像；位移机构，位移机构用于控制摄像头转动；焦距调整机构，焦距调整机构能够调整摄像头的焦距；模糊度判断模块，模糊度判断模块用于对冶炼图像的清晰度进行判断；电弧位置判断模块，电弧位置判断模块能够判断电弧在冶炼图像中的位置；计算机，计算机能够根据模糊度判断模块和电弧位置判断模块的判断结构控制位移机构和焦距调整机构。位移机构包括水平调整电机和竖直调整电机，水平调整电机和竖直调整电机均与摄像头连接，水平调整电机能够控制摄像头水平方向的角度，竖直调整电机能够控制摄像头竖直方向的角度。焦距调整机构包括焦距调整电机，焦距调整电机与摄像头连接，焦距调整电机能够调整摄像头的焦距。焦距调整电机：用于调整摄像头的焦距，实现自动对焦功能。水平调整电机和竖直调整电机：用于调整摄像头的水平和竖直方向角度，实现自动调整摄像头角度的功能，还包括图像预处理模块，图像预处理模块能够对冶炼图像进行预处理，图像预处理模块：对摄像头获取的图像进行预处理和归一化，以便后续的深度学习算法处理。模糊度判断模块：通过深度学习算法对预处理好的图像数据进行判断，判断图像是否模糊。电弧位置判断模块：通过深度学习算法对预处理好的图像数据进行判断，判断电弧的位置是否在图像中心。

该系统通过以下步骤实现自动对焦和自动调整摄像头角度：获取摄像机当前画面帧，将数据缩放指定的大小后进行归一化处理得到预处理图像；利用训练好的模糊度判断模块判断预处理图像的模糊度，如果图像为模糊，通过电机调整摄像头的焦距，直至图像清晰；利用电弧位置判断模块判断电弧在图像中的位置，如果电弧不在图像中心，分别通过水平电机和竖直电机调整摄像头的水平和竖直方向角度，直至电弧区域居于图像中心，完整展现电弧区域。

本发明通过深度学习算法，自动判断真空自耗炉冶炼图像的模糊度和电弧位置，并通过电机控制调整摄像头对焦和角度，使电弧区域清晰、完整地展现在图像中心，提高了图像处理的自动化水平，节省了人力资源。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。