[发明专利]一种基于机器学习的废钢评级方法及装置

说明书

本申请实施例提供一种基于机器学习的废钢评级方法及装置，废钢评级方法包括获取多张废钢图片；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。如此，通过对有效图片的处理，获得运输车车厢中装载的待评级废钢的评级结果，提高了废钢评级的准确性。

技术领域

本申请涉及废钢评级技术领域，尤其涉及一种基于机器学习的废钢评级方法及装置。

背景技术

废钢是一种再生钢铁原料，也是唯一可以替代铁矿石炼钢的铁素资源。由于废钢的来源、类型不一，且不同类型的废钢需要不同的冶炼方法，因此，钢铁企业在收购废钢后，需要先对废钢进行分类，即对废钢进行评级。钢铁企业通用的评级标准将废钢等级分为规则废钢、不规则废钢和杂质，其中，规则废钢按照废钢的厚度可以分为2mm废钢、4mm废钢、6mm废钢、8mm废钢、10mm废钢以及大于或等于20mm废钢，不规则废钢包括破碎料和包块。完成废钢评级之后，钢铁企业回收规则废钢和不规则废钢，并将杂质从废钢中分离出来。目前，钢铁企业的废钢评级工作主要依靠人工目测进行，这种方法主观性较高，导致废钢评级结果准确率较低。为了克服人工判级的缺陷，还可以利用电子设备对废钢进行自动评级，即可以将获取的废钢图像与预先录入数据库中的图片信息进行比对，将数据库中相似度较高的图片所对应的预设废钢种类作为废钢图像所对应的废钢种类，其中，废钢图像是指从预设的角度拍摄到的废钢运输车上所运输的所有废钢的整体表面图像。

然而，废钢运输车上所运输的所有废钢通常包括多种等级，前述方法将废钢图像所匹配到的废钢种类作为所有废钢的等级评定结果，会造成等级评定结果与废钢的实际种类不符，进而评级的准确性较低。

发明内容

本申请实施例提供了一种基于机器学习的废钢评级方法及装置，可用于解决现有废钢评级方法的评级准确性较低的技术问题。

第一方面，本申请实施例提供一种基于机器学习的废钢评级方法，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；

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。

在第一方面的一种可实现方式中，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。

在第一方面的一种可实现方式中，所述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，包括根据以下公式确定所述当前废钢图片的加权平均值：