一种基于机器学习的钢格板产品智能识别检测方法

技术领域

本发明涉及钢格板技术领域，尤其涉及一种基于机器学习的钢格板产品智能识别检测方法。

背景技术

钢格板是用扁钢按照一定的间距和横杆进行交叉排列，并且焊接成中间带有方形格子的一种钢铁制品，钢格板主要用来做水沟盖板，钢结构平台板，钢梯的踏步板等.横杆一般采用经过扭绞的方钢.钢格板一般采用碳钢制作，外表热镀锌，可以起到防止氧化的作用。也可以采用不锈钢制作.钢格板具有通风，采光，散热，防滑，防爆等性能。

由于钢格板具有开敞特性，不同的钢格板都具有网格结构，但网格大小不一，且钢格板还可能包括踢脚板、包边、防滑条等附加零件，因此钢格板产品构件多样性与不规则性，现有技术中目前只能依靠人工测量的方式对钢格板进行产品质量检测，效率低下，且容易发生漏检、错检的现象。除此之外，在钢格板的实际生产中，钢格板成品构件大多数都要表面镀锌，镀锌后构建编码被镀锌层被覆盖丢失，不易辨认，难以区分，需要人工逐渐测量重新标识，需要耗费极高的人力成本。

发明内容

针对上述技术问题，本发明提供一种基于机器学习的钢格板产品智能识别检测方法，需人工测量，具有智能化、准确率高、检测效率高的优点，能为企业节约了大量人力成本与时间成本，为企业创造更多收益。

为实现上述目的，本发明采取的技术方案为：

本发明提供的一种基于机器学习的钢格板产品智能识别检测方法，该方法包括以下步骤：采集目标钢格板的几何信息；将采集到的目标钢格板的几何信息转化为目标钢格板构件图；将目标钢格板构件图与后台数据库预存的设计图纸进行比对，分析得到目标钢格板型号及质量检测结果。

优选地，所述步骤“采集目标钢格板的几何信息”具体为：采集目标钢格板的外轮廓信息、零件轮廓信息、网格轮廓信息。

优选地，所述步骤“采集目标钢格板的零件轮廓信息”包括：识别目标钢格板平行于橫杆的边缘是否连续；若目标钢格板平行于橫杆的边缘连续，则目标钢格板包括包边或防滑条，进行进一步识别；若目标钢格板平行于橫杆的边缘不连续，则目标钢格板不包括包边和防滑条，无包边和防滑条信息。

优选地，所述步骤“若目标钢格板平行于橫杆的边缘连续，则目标钢格板包括包边或防滑条，进行进一步识别”具体为：识别连续边缘部分的宽度是否大于等于20mm；若识别到目标钢格板平行于橫杆的连续边缘宽度大于等于20mm，则判定该零件为防滑条，采集防滑条轮廓信息；若识别到目标钢格板平行于橫杆的连续边缘宽度小于20mm，则判定该零件为包边，采集包边轮廓信息。

优选地，所述步骤“采集目标钢格板的零件轮廓信息”还包括：检测高度大于等于100mm处是否有零件；若检测到，则目标钢格板具有踢脚板，采集目标钢格板的踢脚板轮廓信息；若未检测到，则目标钢板板无踢脚板，无踢脚板轮廓信息。

优选地，所述步骤“将目标钢格板构件图与后台数据库预存的设计图纸进行比对，分析得到目标钢格板型号及质量检测结果”具体为：

判断目标钢格板表面是否有构件编码；

若目标钢格板表面有构件编码，根据目标钢格板上的构件编码在数据库预先存储的设计图纸中检索出具有相同构件编码的设计图纸，并将目标钢格板构件图与具有相同构件编码设计图纸进行比较，分析目标钢格板是否合格；

若目标钢格板表面无构件编码，将目标钢格板构件图与数据库所有的设计图纸进行依次比较，找到与目标钢格板匹配度最高的设计图纸，得到目标钢格板型号信息，分析目标钢格板是否合格。

优选地，所述步骤“目标钢格板表面无构件编码的，将目标钢格板构件图与数据库所有的设计图纸进行依次比较，找到与目标钢格板匹配度最高设计图纸，得到目标钢格板型号信息，并判断目标钢格板是否合格”还包括：目标钢格板表面无构件编码的，将目标钢格板构件图与数据库所有的设计图纸进行依次比较，若未找到与目标钢格板匹配的设计图纸，判定目标钢格板不合格。

上述技术方案具有如下优点或者有益效果：

本发明提供一种基于机器学习的钢格板产品智能识别检测方法，涉及钢格板技术领域，该方法包括：采集目标钢格板的几何信息；将采集到的目标钢格板的几何信息转化为目标钢格板构件图；将目标钢格板构件图与后台数据库预存的设计图纸进行比对，分析得到识别及检测结果；本方法解决了钢格板产品人工测量、检测效率低下，且容易发生漏检、错检的问题，由机器自动完成钢格板产品质量的检测与识别，无需人工测量，具有智能化、准确率高、检测效率高的优点，为企业节约了大量人力成本与时间成本，能为企业创造更多收益。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明及其特征、外形和优点将会变得更加明显。在全部附图中相同的标记指示相同的部分。并未刻意按照比例绘制附图，重点在于示出本发明的主旨。

图1是本发明实施例1提供的一种基于机器学习的钢格板产品智能识别检测方法的简要流程图；

图2是本发明实施例1提供的一种基于机器学习的钢格板产品智能识别检测方法的又一简要流程图；

图3是本发明实施例1提供的一种基于机器学习的钢格板产品智能识别检测方法的又一简要流程图；

图4是基于本发明实施例1提供的基于机器学习的钢格板产品智能识别检测方法的装置简要结构示意图；

图5是基于本发明实施例1提供的基于机器学习的钢格板产品智能识别检测方法的装置电性关系示意图。

具体实施方式

下面结合附图和具体的实施例对本发明作进一步的说明，但是不作为本发明的限定。

实施例1：

本发明实施例1提供的一种基于机器学习的钢格板产品智能识别检测方法，参照图1，包括以下步骤：

S101采集目标钢格板的几何信息；

S111将采集到的目标钢格板的几何信息转化为目标钢格板构件图；

S121将目标钢格板构件图与后台数据库预存的设计图纸进行比对，分析得到目标钢格板型号及质量检测结果。

本发明实施例1提供的基于机器学习的钢格板产品智识别检测方法在实施时具体采用的装置，参照图4及图5，包括用于采集目标钢格板几何信息的信息采集装置1、用于将钢格板几何信息转化为钢格板构件图的数据处理成像装置2、用于显示目标钢格板检测识别结果的结果显示装置3和用于放置目标钢格板的检测平台4；检测平台4上铺设有传送带41；信息采集装置1设置于检测平台4上；信息采集装置1和数据处理成像装置2电性连接；数据处理成像装置2和结果显示装置3电性连接。信息采集装置1包括用于在目标钢格板宽度方向识别目标钢格板的几何信息的第一红外摄像装置11、用于在目标钢格板长度和高度方向获取目标钢格板几何信息的第二红外摄像装置12和信息接收装置13；第一红外摄像装置11、第二红外摄像装置12、数据处理成像装置2均与信息接收装置13电性连接。第一红外摄像装置11包括若干沿平行于检测平台4的宽的方向等距排列的第一红外摄像头111；若干第一红外摄像头111发出的红外光线垂直于检测平台4，且若干第一红外摄像头111发出的垂直红外光沿平行于检测平台4的宽的方向在检测平台4上形成一条检测线；检测线的长度不小于检测平台4的宽长。第二红外摄像装置12包括第二红外摄像头121和第三红外摄像头122；第二红外摄像头121位于检测平台4长边上方15mm处；第三红外摄像头122位于检测平台4长边上方100mm处；第二红外摄像头121和第三红外摄像头122发出的红外光与第一红外摄像头111的检测线平行，且第二红外摄像头121和第三红外摄像头122发出的红外光所在的平面垂直于检测平台4。将目标钢格板水平放置在检测平台4上，目标钢格板的网格面平行于检测平台4，目标钢格板的长边平行于检测平台4的长边，目标钢格板的宽边平行于检测平台4的宽边，传送带41带动目标钢格板沿着检测平台4的长度方向进行缓慢运动，经过第一红外摄像装置11的检测线时若干第一红外摄像头111对目标钢格板进行持续检测，直至目标钢格板完全经过该检测线时，第一红外摄像装置11即可完整的记录下目标钢格板的外轮廓信息、网格信息，其中外轮廓信息也包括扭脚杆。当传送带41带动目标钢格板沿着检测平台4的长度方向进行缓慢运动，经过第一红外摄像装置11时，第二红外摄像装置12也同时在长度与高度方向对目标钢格板进行探测，当目标钢格板完全经过第一红外摄像装置11与第二红外摄像装置12时，第二红外摄像装置12即可获得目标钢格板完整的长度信息以及零件与钢格板本体的位置关系。将采集到的目标钢格板的几何信息传输给数据处理成像装置2，由数据处理成像装置2根据目标钢格板的几何信息绘制出构件图，并将得到的目标钢格板的构件图与后台数据库预先存储的设计图纸进行比对，找到与目标钢格板匹配度最高的设计图纸，得到其型号，并将目标钢格板的零件数量、零件信息、零件与钢格板本体的位置关系与设计图纸进行比较，根据目标钢格板的上述参数是否匹配或在误差范围内判断目标钢格板是否合格。该方法由机器自动完成，无需人工测量，具有智能化、准确率高、检测效率高的优点，为企业节约了大量人力成本与时间成本，能为企业创造更多收益。

优选地，步骤S101“采集目标钢格板的几何信息”具体为：采集目标钢格板的外轮廓信息、零件轮廓信息、网格轮廓信息。由于钢格板具有开敞特性，不同的钢格板都具有网格结构，但网格大小不一，且钢格板还可能包括踢脚板、包边、防滑条等附加零件，因此钢格板产品构件多样性与不规则性，为了精准识别钢格板的型号提高检测的准确性与可靠性，需要全面地对钢格板的外轮廓、零件轮廓以及网格轮廓进行信息采集。

进一步地，参照图2，步骤“采集目标钢格板的零件轮廓信息”包括：S102识别目标钢格板平行于橫杆的边缘是否连续；S103若目标钢格板平行于橫杆的边缘连续，则目标钢格板包括包边或防滑条，进行进一步识别；S104若目标钢格板平行于橫杆的边缘不连续，则目标钢格板不包括包边和防滑条，无包边和防滑条信息。钢格板是由承载扁钢与横杆按照一定的间距正交组合，通过焊接或压索加以固定的网格状板式钢构件，钢格板平行于橫杆的边缘可能设置有包边，也可能设置有防滑条，或两者皆不设置，当平行于横杆的边缘设置了包边或防滑条时，钢格板的边缘即为连续，当钢格板平行于横杆的边缘什么都未设置时，边缘即为若干间隔的承载扁钢的端部，是不连续的，因此可通过目标钢格板平行于横杆的边缘是否连续判断目标钢格板是否设置有包边或防滑条。

参照图2，步骤S103“若目标钢格板平行于橫杆的边缘连续，则目标钢格板包括包边或防滑条，进行进一步识别”具体为：S105识别连续边缘部分的宽度是否小于20mm；S106若识别到目标钢格板平行于橫杆的连续边缘宽度大于等于20mm，则判定该零件为防滑条，采集防滑条轮廓信息；S107若识别到目标钢格板平行于橫杆的连续边缘宽度小于20mm，则判定该零件为包边，采集包边轮廓信息；由于常见的防滑条的宽度大于等于25mm，包边的宽度小于13mm，因此选择居中的20mm作为判断防滑条与包边的基点，当第一摄像装置11识别到目标钢格板平行于橫杆的边缘连续，且连续部分的宽度大于等于20mm，则说明目标钢格板平行于橫杆的边缘设置有防滑条；当第一摄像装置11识别到目标钢格板平行于橫杆的边缘连续，且连续部分的宽度小于20mm，则说明目标钢格板平行于橫杆的边缘设置有包边。

优选地，步骤“采集目标钢格板的零件轮廓信息”还包括：检测高度大于等于100mm处是否有零件；若检测到，则目标钢格板具有踢脚板，采集目标钢格板的踢脚板轮廓信息；若未检测到，则目标钢板板无踢脚板，无踢脚板轮廓信息。钢格板的高度通常在25mm左右，上下浮动5mm，踢脚板的高度通常大于125mm，因此在100mm处的第三红外摄像头122可检测到踢脚板。第二红外摄像头121主要用来识别目标钢格板的长度信息。

参照图3，所述步骤S121“将目标钢格板构件图与后台数据库预存的设计纸进行比对，分析得到目标钢格板型号及质量检测结果”具体为：

S122判断目标钢格板表面是否有构件编码；

S123若目标钢格板表面有构件编码，根据目标钢格板上的构件编码在数据库预先存储的设计图纸中检索出具有相同构件编码的设计图纸，并将目标钢格板构件图与具有相同构件编码设计图纸进行比较，分析目标钢格板是否合格；

S124若目标钢格板表面无构件编码，将目标钢格板构件图与数据库所有的设计图纸进行依次比较，找到与目标钢格板匹配度最高的设计图纸，得到目标钢格板型号信息，分析目标钢格板是否合格。

数据处理成像装置2将目标钢格板的几何信息转换为构件图之后，如果无选择地都进行地毯式探索，直接与数据库所有的设计图纸进行依次比较，对于表面有完整清晰的构件编码的目标钢格板来说，还是会造成不必要的时间成本的浪费，因此，在钢格板表面有清晰完整的构件编码的情况下，可以由操作人员直接在后台操作系统中输入该构件编码，系统自动在后台数据库查找具有相同构件编码的设计图纸，将目标钢格板构件图与具有相同构件编码设计图纸进行比较，如果目标钢格板构件图显示的相关规格参数与设计图纸中的规格参数在误差范围内即为合格，如果超出误差范围即不合格。在目标钢格板无构件编码或构件编码不完整的情况下才直接与数据库的所有设计图纸进行依次比对，找到与目标钢格板匹配度最高的设计图纸后再判断参数误差是否合格。这样一来，本发明提供的基于机器学习的钢格板产品智能识别检测方法能够进一步简化工作流程，提高钢格板产品的检测效率。

进一步地，参照图4，步骤S124“目标钢格板表面无构件编码的，将目标钢格板构件图与数据库所有的设计图纸进行依次比较，找到与目标钢格板匹配度最高设计图纸，得到目标钢格板型号信息，并判断目标钢格板是否合格”还包括：S125目标钢格板表面无构件编码的，将目标钢格板构件图与数据库所有的设计图纸进行依次比较，若未找到与目标钢格板匹配的设计图纸，判定目标钢格板不合格。

以上对本发明的较佳实施例进行了描述；需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例，这并不影响本发明的实质内容；因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。