本发明涉及工业自动化控制系统的，具体地，涉及钢卷号端面旋转分布自动识别控制方法及系统，尤其涉及一种钢卷号端面旋转分布自动识别的装置及控制系统。
背景技术：
1、本技术方法主要应用钢铁行业，目前实际项目应用于马钢冷轧2130酸轧与1680酸洗步进梁现场。
2、钢卷在生产、贸易、物流等领域中广泛使用，其中钢卷号的识别是钢卷管理的关键环节。传统的钢卷号识别方法依赖于人工干预或基于规则的算法，由于每个钢卷号的格式和位置差异较大，这些方法的识别准确率有限且实现成本较高。因此，开发一种高效、自动化的钢卷号识别系统，具有很高的应用价值。
3、酸洗酸轧机组有着生产自动化程度高、节奏快、品种规格多、高档汽车板、家电板等高端产品的特点，在日常生产过程中不但为连退、镀锌提供生产基料，还要为南区及合钢提供部分基料，是冷轧总厂工艺链的重要组成部分之一。其中机组步进梁运输链是钢卷运输中的重要环节,它包括了进退以及升降动作，通常一个完整的步进梁运输链由几组步进梁组成，每个步进梁之间通过连接装置相连，其中每组步进梁都由步进梁、杠杆、轮子、上下轨道、固定框架和盘式制动器组成。轮子由轮轴连接在杠杆上，而步进梁则连接在轮子上，然后通过液压油缸驱动杠杆进行提升动作。步进梁轮子由上部和下部轨道进行支撑，并通过行走油缸进行纵向移动，而一组步进梁由一个行走油缸提供纵向行走的驱动力。上部和下部轨道安装在固定框架上，盘式制动器安装在固定框架。
4、酸洗酸轧运输链结构比较复杂，目前操作干预确认点较多，包括运输链存在超前、滞后现象，存在翻卷风险，需要人工干预。运输链上钢卷去向实物及信息的分流，都需要人工确认。卷号是一个可以唯一标识一个钢卷的编号，是在钢卷生产、运输和销售等环节中常用的信息。
5、为解决上述技术问题，开发一种卷号自动识别系统意义重大。本方法也可应用于其他工业生产领域，仅需要根据工艺的不同来做出调整。
6、因此，需要提出一种新的技术方案以改善上述技术问题。
技术实现思路
1、针对现有技术中的缺陷，本发明的目的是提供一种钢卷号端面旋转分布自动识别控制方法及系统。
2、根据本发明提供的一种钢卷号端面旋转分布自动识别控制方法，所述方法包括如下步骤：
3、步骤s1：安装工业相机、伺服传动机构与光源单元；
4、步骤s2：将卷号识别程序部署至工控机上，并在工控机上配置双网卡；双网卡分别与工业相机、l2单元通讯连接；l1单元是自动化可编程逻辑控制系统，是控制机组前进后退减速的设备；l2单元是过程管理系统，给l1单元下发生产指令；
5、步骤s3：钢卷通过步进梁运输至指定工位后，l2单元下发当前卷号信息，由l1单元触发视觉单元拍照；将图片传输至服务器内；
6、步骤s4：当图片传输至服务器后，卷号识别程序自动在服务器内将图片上的卷号进行自动分析读取；
7、步骤s5：结果分析完成后，通过xcom通讯协议设置通讯报文，将字符读取后的结果与当前卷号字符发送至l2单元，完成工作流程。
8、优选的，所述步骤s4包括如下步骤：
9、步骤s4.1：钢卷字符识别单元自动对采集到的图像进行学习，自动采取对应的算法检测工具识别并输出；
10、步骤s4.2：通过后处理操作对提取的特征进行修正；
11、步骤s4.3：将特征提取和分类的方法结合，卷积神经网络学习到对应物体的各种特征；
12、步骤s4.4：将预训练的卷积神经网络模型应用于新的任务；
13、步骤s4.5：生成式模型，通过训练生成式模型，学习输入数据的分布，生成新的和输入数据类似的样本；
14、步骤s4.6：通过使用无标签数据学习有用的特征表示，进行自监督学习。
15、优选的，所述步骤s4.1中：
16、单元采取深度学习理念，在卷积神经网络中，第一层是卷积层，用于从输入数据中提取基础特征；卷积层使用一组卷积核对输入图像进行卷积操作，得到激活图，其中每个激活图都对应一个卷积核；在后续的层中，利用池化层、bn层、激活层操作进行特征提取，使得上一层的特征被抽象和提炼，得到特征表示；最终输出层进行全连接操作，用于分类或回归任务。
17、优选的，所述步骤s4.2中：
18、后处理包括空间金字塔池化、全局平均池化、dropout进行特征整合和降维；在目标检测和图像分割任务中，采用锚框anchor和非极大值抑制nms算法来对检测结果进行后处理；图片处理的手段是采取二值化处理，进行增益调整图像的明暗和浓淡变化的倾斜；以相同的次数，按膨胀收缩的顺序进行处理，并排除黑像素干扰以及背景的浓淡暗变，抽取水平x、y方向的浓淡变化边界线，进行合成处理。
19、优选的，所述步骤s4.5中的生成式模型包括图像生成和文本生成。
20、本发明还提供一种钢卷号端面旋转分布自动识别控制系统，所述系统包括如下模块：
21、模块m1：安装工业相机、伺服传动机构与光源单元；
22、模块m2：将卷号识别程序部署至工控机上，并在工控机上配置双网卡；双网卡分别与工业相机、l2单元通讯连接；l1单元是自动化可编程逻辑控制系统，是控制机组前进后退减速的设备；l2单元是过程管理系统，给l1单元下发生产指令；
23、模块m3：钢卷通过步进梁运输至指定工位后，l2单元下发当前卷号信息，由l1单元触发视觉单元拍照；将图片传输至服务器内；
24、模块m4：当图片传输至服务器后，卷号识别程序自动在服务器内将图片上的卷号进行自动分析读取；
25、模块m5：结果分析完成后，通过xcom通讯协议设置通讯报文，将字符读取后的结果与当前卷号字符发送至l2单元，完成工作流程。
26、优选的，所述模块m4包括如下模块：
27、模块m4.1：钢卷字符识别单元自动对采集到的图像进行学习，自动采取对应的算法检测工具识别并输出；
28、模块m4.2：通过后处理操作对提取的特征进行修正；
29、模块m4.3：将特征提取和分类的系统结合，卷积神经网络学习到对应物体的各种特征；
30、模块m4.4：将预训练的卷积神经网络模型应用于新的任务；
31、模块m4.5：生成式模型，通过训练生成式模型，学习输入数据的分布，生成新的和输入数据类似的样本；
32、模块m4.6：通过使用无标签数据学习有用的特征表示，进行自监督学习。
33、优选的，所述模块m4.1中：
34、单元采取深度学习理念，在卷积神经网络中，第一层是卷积层，用于从输入数据中提取基础特征；卷积层使用一组卷积核对输入图像进行卷积操作，得到激活图，其中每个激活图都对应一个卷积核；在后续的层中，利用池化层、bn层、激活层操作进行特征提取，使得上一层的特征被抽象和提炼，得到特征表示；最终输出层进行全连接操作，用于分类或回归任务。
35、优选的，所述模块m4.2中：
36、后处理包括空间金字塔池化、全局平均池化、dropout进行特征整合和降维；在目标检测和图像分割任务中，采用锚框anchor和非极大值抑制nms算法来对检测结果进行后处理；图片处理的手段是采取二值化处理，进行增益调整图像的明暗和浓淡变化的倾斜；以相同的次数，按膨胀收缩的顺序进行处理，并排除黑像素干扰以及背景的浓淡暗变，抽取水平x、y方向的浓淡变化边界线，进行合成处理。
37、优选的，所述模块m4.5中的生成式模型包括图像生成和文本生成。
38、与现有技术相比，本发明具有如下的有益效果：
39、1、本发明取消因人员密集型劳作而造成效率低下，减少人员巡检力度，提高生产效率；传统的卷号识别方式需要人工参与，工作量大且容易出错，而卷号识别系统的应用可以将人工识别的时间和工作量减少，提高生产效率；
40、2、本发明应用卷号识别系统后，无需人工进行卷号识别，其自动化识别能力能够避免人工成本的浪费，从而降低生产成本；
41、3、本发明卷号识别系统采用图像处理和模式识别技术，能够自动识别钢卷上的卷号信息，有效提高识别准确率，减少误判率；
42、4、本发明卷号识别系统采集的卷号信息可以存储在数据库中，并与其他信息进行关联，实现对钢卷信息的优化管理，有利于企业进一步优化流程，在生产、存储、销售等环节中更好的进行卷号管理；
43、5、本发明卷号识别系统是一个有效的钢卷信息管理工具，其应用能够提高生产效率、降低成本、提高识别准确率，优化数据管理，从而增强企业的市场竞争力；大幅度减少投入人工工作量，实现少人化目标。
1.一种钢卷号端面旋转分布自动识别控制方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的钢卷号端面旋转分布自动识别控制方法，其特征在于，所述步骤s4包括如下步骤：
3.根据权利要求2所述的钢卷号端面旋转分布自动识别控制方法，其特征在于，所述步骤s4.1中：
4.根据权利要求2所述的钢卷号端面旋转分布自动识别控制方法，其特征在于，所述步骤s4.2中：
5.根据权利要求2所述的钢卷号端面旋转分布自动识别控制方法，其特征在于，所述步骤s4.5中的生成式模型包括图像生成和文本生成。
6.一种钢卷号端面旋转分布自动识别控制系统，其特征在于，所述系统包括如下模块：
7.根据权利要求6所述的钢卷号端面旋转分布自动识别控制系统，其特征在于，所述模块m4包括如下模块：
8.根据权利要求7所述的钢卷号端面旋转分布自动识别控制系统，其特征在于，所述模块m4.1中：
9.根据权利要求7所述的钢卷号端面旋转分布自动识别控制系统，其特征在于，所述模块m4.2中：
10.根据权利要求7所述的钢卷号端面旋转分布自动识别控制系统，其特征在于，所述模块m4.5中的生成式模型包括图像生成和文本生成。
