(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210346787.1 (22)申请日 2022.03.31 (65)同一申请的已公布的文献号 申请公布号 CN 114782330 A (43)申请公布日 2022.07.22 (73)专利权人 海门市博洋铸造有限公司 地址 226152 江苏省南 通市海门市余 东镇 余东村五组 (72)发明人 李青举　龚亮晔　 (74)专利代理 机构 郑州知倍 通知识产权代理事 务所(普通 合伙) 41191 专利代理师 李玲玲 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/62(2017.01) G06T 5/00(2006.01) G06V 20/70(2022.01) G06V 10/42(2022.01) G06V 10/44(2022.01)(56)对比文件 WO 20210 68497 A1,2021.04.15 US 2016055751 A1,2016.02.25 CN 114078107 A,202 2.02.22 JP 2011118509 A,201 1.06.16 JP H10157081 A,19 98.06.16 JP 2007057705 A,2007.03.08 JP 2006153614 A,20 06.06.15 JP 201024326 3 A,2010.10.28 US 202012813 5 A1,2020.04.23 杜丹阳.触点材 料表面缺陷检测技 术的研 究. 《中国优秀硕士学位 论文全文数据库 工程科 技Ⅱ辑》 .2021, 樊俊， 谢国新.圆形声纳浮标阵应召搜潜效 能仿真研究. 《System Simulati on Technology & Application》 .2012, (续) 审查员 袁玉 (54)发明名称 基于人工智能的炉排异常检测方法及系统 (57)摘要 本发明涉及人工智能技术领域， 具体涉及基 于人工智能的炉排异常检测方法及系统。 该方法 包括： 在俯视视角采集炉排的表面图像， 提取炉 排的炉排边缘； 对置信度高于预设阈值的像素点 进行霍夫直线检测， 得到由多条直线映射在霍夫 空间的多个坐标点； 选取长度最长的直线段作为 第一炉排条， 并获取对应的第一坐标点； 筛选出 与第一坐标点同一横坐标的坐标点作为疑似炉 排点， 以相邻的疑似炉排点之间的距离的众数作 为炉排间隔； 以第一坐标点为中心， 根据炉排间 隔进行搜索， 得到所有炉排点； 获取表面图像的 语义分割图像， 在语义分割图像中提取炉排点对 应的炉排条， 将炉排条和炉排边缘反色， 得到缺陷区域。 本发 明实施例能够准确快速地提取炉排 中的缺陷区域。 [转续页] 权利要求书2页 说明书7页 附图1页 CN 114782330 B 2022.12.16 CN 114782330 B (56)对比文件 Avi Bhanja 等.Ima ge Proces sing Based Defect Detecti on and Recogn ition of Embossed Characters i n Induration Conveyor for Pel let Plant. 《I nternati onal Journal of Recent Engi neering Researc h and Devel opment》 .2021, Tran Due Duan 等.Combi ning Hough transform and co ntour algorithm for detecting vehicles" l icense-plates. 《Proceedings of 20 04 Internati onal Symposium o n Intelligent Multimedia, Video and Spe ech Proces sing》 .2005, Ahmad Pouran imi 等.A Machine Vision System for Defect Detecti on of a Traveling Grate Co nveyor. 《2015 2nd Internati onal Conference o n Knowledge- Based Engi neering and I nnovation》 .2016,2/2 页 2[接上页] CN 114782330 B1.基于人工智能的炉排异常检测方法， 其特 征在于， 该 方法包括以下步骤： 在俯视视角采集炉排的表面图像， 提取 所述炉排的炉排 边缘； 计算所述表面图像中每个像素点梯度的置信度， 对置信度高于预设阈值的像素点进行 霍夫直线检测， 得到由多条直线映射在霍夫空间的多个坐标点； 选取长度最长的直线段作为第一炉排条， 并获取对应的第一坐标点； 筛选出与所述第 一坐标点同一横坐标的坐标点作为疑似炉排点， 以相 邻的疑似炉排点之间的距离的众数作 为炉排间隔； 以所述第一 坐标点为中心， 根据所述炉排间隔进行搜索， 得到所有炉排 点； 获取所述表面图像的语义分割图像， 在所述语义分割图像中提取所述炉排点对应的炉 排条， 将所述炉排条和所述炉排 边缘反色， 得到缺陷区域。 2.根据权利要求1所述的基于人工智能的炉排异常检测方法， 其特征在于， 该方法还包 括以下步骤： 根据所述炉排 边缘获取炉排的整体特 征； 所述整体特 征包括尺寸特 征和形状特 征； 获取所述缺陷区域的分布指标； 以所述缺陷区域的面积、 位置信息以及所述分布指标 作为所述炉排的局部特 征； 根据所述整体特 征和所述局部特 征计算所述炉排的异常程度。 3.根据权利要求2所述的基于人工智能的炉排异常检测方法， 其特征在于， 所述分布指 标获取方法为： 对所有所述 缺陷区域的中心点进行聚类， 得到聚类 类别的数量和离 散点的数量； 根据所述聚类 类别的数量以及所述离 散点的数量计算所述分布指标。 4.根据权利要求2所述的基于人工智能的炉排异常检测方法， 其特征在于， 所述分布指 标获取方法为： 获取每两个所述缺陷区域之间的最短距离， 以所有所述最短距离之和作为所述分布指 标。 5.根据权利要求2所述的基于人工智能的炉排异常检测方法， 其特征在于， 所述尺寸特 征的获取步骤 包括： 根据所述炉排边缘得到所述炉排的检测半径， 以所述检测半径与 标准炉排的标准半径 的差值作为所述尺寸特 征。 6.根据权利要求2所述的基于人工智能的炉排异常检测方法， 其特征在于， 所述形状特 征的获取步骤 包括： 统计所述炉排边缘内的像素点数量作为炉排面积， 根据 所述炉排面积和所述炉排边缘 的长度计算所述炉排 边缘的圆形度， 以所述圆形度作为所述形状特 征。 7.根据权利要求1所述的基于人工智能的炉排异常检测方法， 其特征在于， 所述置信度 的计算过程 为： 利用每个像素点在水平方向和竖直方向的梯度计算每个像素的梯度幅值， 根据 所述梯 度幅值 计算所述置信度。 8.根据权利要求5所述的基于人工智能的炉排异常检测方法， 其特征在于， 所述得到所 有炉排点还包括以下步骤： 统计所述炉排点的数量， 将其与所述标准炉排的炉排条数量进行对比， 判断所述炉排 是否存在多余附着物或者 缺失炉排条。权　利　要　求　书 1/2 页 2 CN 114782330 B 3