[发明专利]一种基于机器学习的废钢评级方法及装置

权利要求书

1.一种基于机器学习的废钢评级方法，其特征在于，所述废钢评级方法包括：

获取多张废钢图片，多张废钢图片为废钢运输车车厢中装载的多层待评级废钢对应的图片；在装载过程中，多张废钢图片为在装卸货装置从所述废钢运输车车厢中每次装载之后，所有待评级废钢的顶面所对应的图片；在卸货过程中，多张废钢图片包括初始图片和多张中间图片，所述初始图片为废钢运输车车厢中装载的待评级废钢的顶面所对应的图片，所述中间图片为在装卸货装置从所述废钢运输车车厢中每次卸货之后，剩余待评级废钢的顶面所对应的图片；

从多张废钢图片中筛选多张有效图片；

将目标有效图片输入预先搭建的实例分割模型，得到所述目标有效图片中的多个识别对象，以及每个识别对象所对应的废钢等级，所述目标有效图片为多张有效图片中的任意一张，所述实例分割模型基于主干网络、区域建议网络、候选框分类器、边界框回归器、和分割掩码分支建立，利用已标注废钢等级的废钢图片进行训练和验证；

根据所述目标有效图片中各个识别对象所对应的废钢等级，生成目标层待评级废钢中与各个识别对象相对应的待评级废钢的评级结果，所述目标层待评级废钢为所述目标有效图片所对应的待评级废钢；

其中，所述从多张废钢图片中筛选多张有效图片，包括：

针对多张废钢图片中任意一张当前废钢图片，根据所述当前废钢图片、当前对照集以及预设结构相似性算法，确定所述当前废钢图片的加权平均值，所述当前对照集为获取时间在所述当前废钢图片之前，并且与所述当前废钢图片的获取时间最接近的预设数量的有效图片所组成的集合；

如果所述当前废钢图片的加权平均值小于预设相似度阈值，则确定所述当前废钢图片为有效图片；

其中，所述将目标有效图片输入预先搭建的实例分割模型中，得到所述目标有效图片中的多个识别对象，以及每个识别对象所对应的废钢等级，包括：

对目标有效图片进行图像分割，得到所述目标有效图片中的多个识别对象；

对所述目标有效图片中的多个识别对象进行去重，得到多个待预测识别对象；

对所述待预测识别对象进行分类预测，得到每个待预测识别对象所对应的废钢等级；

其中，所述对所述目标有效图片中的多个识别对象进行去重，得到多个待预测识别对象，包括：

将所述目标有效图片中的多个识别对象确定为目标对象集；

将所述目标有效图片之前所有有效图片中的识别对象作为识别对象集；

根据以下公式完成对多个识别对象进行去重：

C=（A-（A∩B））+B

其中，集合A为所述目标对象集，集合B为所述识别对象集，集合C为去重后的所述目标对象集；

将集合C中的所有识别对象确定为待预测识别对象；

所述废钢评级方法还包括：

获取废钢运输车及其所载货物的总重量；

获取空载的废钢运输车的空车重量；

根据所有有效图片中目标废钢等级所对应的所述目标识别对象的总面积占比和个数，以及预设弹性网络回归模型确定废钢运输车中所载的杂质重量，所述预设弹性网络回归模型为Elastic Net回归模型，利用预设时间段内的历史废钢等级信息进行训练和验证；所述历史废钢等级信息为历史评级数据，一条历史评级数据包括一辆废钢运输车所载的各等级废钢的面积占比和个数、杂质的面积占比和个数以及杂质重量；所述历史评级数据中所述各等级废钢的面积占比和个数、杂质的面积占比和个数通过所述实例分割模型确定，所述杂质重量通过人工判级获得；

根据所述总重量、所述空车重量以及所述杂质重量，确定废钢运输车中所载的废钢净重量；

根据所述废钢净重量和所有有效图片中目标废钢等级所对应的所述目标识别对象的总面积占比，确定各目标废钢等级中废钢的重量；

根据所述各目标废钢等级中废钢的重量和目标废钢等级中废钢的预设收购单价，确定废钢运输车中所载的废钢的总价格。